Quando você pensa em automação inteligente, o que você pensa sobre? Fábricas de luzes apagadas? Linhas de produção completamente autónomas? Robôs a gerir a fábrica? Ou você pensa em algo mais centrado em dados e preditivo? Talvez até algo envolvendo IA, AR ou MR? Acontece que nada disso está errado. Há muitas peças móveis que entram na ideia de automação inteligente… mas estamos cada vez mais perto de revelar o seu potencial.

De certeza, a tecnologia tem de existir antes da implementação. A maior parte do tempo, as tecnologias de inteligência individual e automação já existem. A chave está em reuni-las. Este foi o foco de um painel de discussão Automate Forward.

” não é mais visto como os cientistas loucos do laboratório”, disse Tom Panzarella, diretor sênior de percepção da Seegrid. “Com uma mentalidade mais nivelada sobre o potencial e os dados de automação, as empresas estão afinando suas infra-estruturas em preparação para a automação inteligente”. Espera-se que isto crie um “ponto de viragem” no qual se torna mais fácil implementar análises estatísticas complexas e IA em linhas de produção.

“Os algoritmos em si não são novos em muitos casos”, disse John Lizzi, líder executivo de robótica e sistemas autônomos da GE Research. “Mas é realmente toda a infra-estrutura, as ferramentas e as estruturas que tornaram isso mais fácil”

A jornada de automação não é um caminho direto, especialmente com aplicações críticas de segurança que têm que aderir às regulamentações governamentais e de segurança. Rashmi Misra, diretor de IA, realidade mista e desenvolvimento de negócios de silício na Microsoft, discutiu como a falta de diretrizes e padrões de automação pode levar a deficiências na aplicação porque os engenheiros são literalmente deixados aos seus próprios dispositivos.

“Estamos todos em um ecossistema tendo que trabalhar juntos sob essas mesmas condições”, disse ela. Enquanto surgem casos de uso, há variantes de casos que precisam abordar modelos e objetivos de negócios de automação individual. Ela observou que alguns casos de uso estabelecidos, ou kits de ferramentas, podem ser adaptados para outro modelo de negócio.

Toolkits podem servir como um guia de referência para aplicações ao longo da jornada de automação e podem ser valiosos para empresas de pequeno e médio porte que não possuem uma divisão de pesquisa de grande porte. Rishi Vaish, CTO e VP da IBM AI Applications, explicou dois níveis diferentes de investimento que a IBM faz para tornar sua tecnologia de automação consumível.

“O primeiro está no ferramental”, disse ele. “Um nível de investimento é fazer continuamente essas ferramentas”. Isto inclui dados, o modelo, mantendo o modelo em produção e permitindo que o modelo possa medir o viés no sistema.

“O segundo nível de investimento é quando nós realmente construímos uma aplicação”, ele explicou. “Para a maioria das empresas que só querem começar, algum nível mais alto de abstração é uma maneira muito mais rápida de fazer a sua jornada de IA”.

Todos os grandes e pequenos fabricantes compartilham uma dificuldade semelhante, no entanto: integrar efetivamente a nova tecnologia com a tecnologia antiga.

“Para nós, é aí que está o desafio”, disse Jorge Ramirez, diretor global de automação de execução e diretor de segurança cibernética de fabricação da General Motors. “Estamos limitados pelo capital. A solução fácil seria tirar todo o velho e colocar no novo com todos os novos inteligentes que apenas jogam harmoniosamente”

Todos sabemos que essa não é a realidade, no entanto.

A convergência do legado com a tecnologia inteligente é um dos maiores desafios na automação inteligente, mas está ocorrendo com mais freqüência, o que vai dar uma mão para expansões de kits de ferramentas, casos de uso especificado e, eventualmente, para facilitar a adoção global.

Lizzi aconselhou as empresas a olhar tanto para os pontos fortes como fracos de um sistema para determinar onde a automação inteligente poderia viver. Também é importante olhar para os pontos fortes e fracos da tecnologia inteligente também.