Kiedy myślisz o inteligentnej automatyzacji, co myślisz o? Fabryki wyłączające światło? Całkowicie autonomiczne linie produkcyjne? Roboty kierujące fabryką? A może myślisz o czymś bardziej skoncentrowanym na danych i przewidywaniu? Może nawet coś związanego z AI, AR lub MR? Okazuje się, że żadna z tych opcji nie jest zła. Jest wiele ruchomych części, które wchodzą w skład idei inteligentnej automatyzacji… ale jesteśmy coraz bliżej uwolnienia jej potencjału.

Oczywiście, technologia musi istnieć przed wdrożeniem. W znacznej części przypadków poszczególne technologie inteligencji i automatyzacji już istnieją. Kluczem jest połączenie ich razem. Było to głównym tematem dyskusji panelowej Automate Forward.

” nie jest już postrzegana jako szaleni naukowcy w laboratorium” – powiedział Tom Panzarella, starszy dyrektor ds. percepcji w Seegrid. ” faktycznie rozwiązując problem biznesowy, faktycznie kwantyfikując go dla biznesu, a następnie traktując technologię nie jako cel, ale raczej narzędzie.”

Z bardziej wyrównanym nastawieniem do potencjału automatyzacji i danych, firmy dostrajają swoją infrastrukturę w ramach przygotowań do inteligentnej automatyzacji. Oczekuje się, że stworzy to „punkt krytyczny”, w którym łatwiej będzie wdrożyć złożoną analizę statystyczną i AI do linii produkcyjnych.

„Same algorytmy w wielu przypadkach nie są nowe” – powiedział John Lizzi, lider wykonawczy ds. robotyki i systemów autonomicznych w GE Research. „Ale to naprawdę cała infrastruktura, oprzyrządowanie i ramy, które to ułatwiły.”

Podróż automatyzacji nie jest prostą ścieżką, szczególnie w przypadku aplikacji krytycznych dla bezpieczeństwa, które muszą przestrzegać przepisów bezpieczeństwa i przepisów rządowych. Rashmi Misra, szef działu AI, mieszanej rzeczywistości i rozwoju biznesu krzemowego w firmie Microsoft, omówiła, jak brak wytycznych i standardów automatyzacji może prowadzić do braków w aplikacji, ponieważ inżynierowie są dosłownie pozostawieni sami sobie.

„Wszyscy jesteśmy w ekosystemie, który musi współpracować w tych samych warunkach” – powiedziała. Podczas gdy przypadki użycia pojawiają się, istnieją warianty przypadków, które muszą odnosić się do indywidualnych modeli biznesowych i celów automatyzacji. Zauważyła, że niektóre ustalone przypadki użycia, lub zestawy narzędzi, mogą być dostosowane do innego modelu biznesowego.

Zestawy narzędzi mogą służyć jako przewodnik referencyjny dla aplikacji wzdłuż podróży automatyzacji i mogą być cenne dla małych i średnich firm, które nie mają dużego działu badawczego. Rishi Vaish, CTO i wiceprezes IBM AI Applications, wyjaśnił dwa różne poziomy inwestycji, jakie IBM czyni, aby jego technologia automatyzacji była konsumowalna.

„Pierwszy z nich dotyczy oprzyrządowania”, powiedział. „Jeden poziom inwestycji polega na ciągłym wytwarzaniu tych narzędzi”. Obejmuje to dane, model, utrzymanie modelu działającego w produkcji i umożliwienie modelu do pomiaru stronniczości w systemie.

„Drugi poziom inwestycji jest wtedy, gdy faktycznie budujemy aplikację”, wyjaśnił. „Dla większości firm, które dopiero chcą zacząć działać, jakiś wyższy poziom abstrakcji jest znacznie szybszym sposobem, aby ich podróż AI kopnęła w górę”.

Wielcy i mali producenci dzielą jednak podobny trud: skuteczne integrowanie nowej technologii ze starą technologią.

„Dla nas, to jest gdzie wyzwanie jest na,” powiedział Jorge Ramirez, globalny dyrektor automatyzacji wykonania i główny oficer cyberbezpieczeństwa produkcji w General Motors. „Jesteśmy ograniczeni przez kapitał. Łatwym rozwiązaniem byłoby wyjęcie wszystkiego, co stare, i włożenie nowego, z wszystkimi nowymi inteligentnymi rozwiązaniami, które po prostu harmonijnie grają.”

Wszyscy wiemy, że tak nie jest w rzeczywistości.

Konwergencja starszej technologii z inteligentną technologią jest jednym z największych wyzwań w inteligentnej automatyzacji, ale występuje częściej, co ułatwi rozszerzenie zestawu narzędzi, określenie przypadków użycia, a ostatecznie łatwiejsze przyjęcie na całym świecie.

Lizzi poradził firmom, aby przyjrzały się zarówno mocnym, jak i słabym stronom systemu w celu określenia, gdzie inteligentna automatyzacja mogłaby się pojawić. Ważne jest również, aby przyjrzeć się mocnym i słabym stronom inteligentnej technologii.