Efektywne wykorzystanie zasobów AI w działalności

Badanie zlecone przez Federalne Ministerstwo Środowiska (BMU) pt. »Potencjały słabej sztucznej inteligencji dla efektywności zasobów w przedsiębiorstwach« bada konkretne możliwości zastosowania SI w celu zwiększenia efektywności zasobów, zwłaszcza w małych i średnich przedsiębiorstwach (MŚP).

5 maja nadszedł kolejny raz: Dzień przekroczenia limitów ekologicznych w Niemczech. Od miesiąca żyjemy ponownie kosztem środowiska i przyszłych pokoleń. Działamy poza planetarnymi granicami i zużywamy więcej zasobów, niż nasza Ziemia jest w stanie odnowić. To była zła wiadomość.

A teraz dobra: Zrównoważona gospodarka jest coraz bardziej uznawana za konieczność – również w celu zapewnienia przyszłościowej zdolności średnich przedsiębiorstw. Za główne czynniki napędzające uznaje się m.in. wymagania klientów, inwestorów i społeczeństwa oraz zaostrzające się przepisy i regulacje ze strony ustawodawcy. To sprawia, że coraz więcej firm działa w tym kierunku.

Wsparcie w realizacji w przedsiębiorstwie

Najwyższy czas, aby nasze metody produkcji i styl życia uczynić bardziej zrównoważonymi. Do tego należy znacznie zwiększyć efektywność zasobów. W jakim zakresie metody sztucznej inteligencji nadają się do efektywnego wykorzystywania naturalnych zasobów, takich jak woda, energia, materiały w przemyśle przetwórczym, i tym samym do unikania emisji gazów cieplarnianych, bada opublikowane właśnie badanie przeprowadzone przez Instytut Fraunhofera ds. Technologii Produkcji i Automatyzacji IPA oraz firmę doradczą Deloitte Artificial Intelligence & Data. Jego główny nacisk kładziony jest na MŚP. Ponieważ szczególnie dla MŚP trudno jest zidentyfikować odpowiednie punkty startowe do zastosowania SI. Często brakuje czasu i personelu, aby uzyskać pełny obraz możliwości SI oraz związanych z tym metod i technologii. Brakuje również niezbędnej wiedzy fachowej do wyboru i realizacji projektów SI we własnym przedsiębiorstwie. Wdrożenie i realizacja SI często stanowią duże wyzwanie. Dlatego badanie nie tylko przedstawia przykłady SI dla efektywności zasobów w przedsiębiorstwach, ale także oferuje praktyczne wsparcie w ich wdrażaniu w własnym przedsiębiorstwie.

Pytania badawcze

Badanie opiera się na następujących pytaniach:

- Jakie technologie i metody słabej SI mogą wykorzystywać MŚP przemysłu przetwórczego, aby zwiększyć efektywność zasobów w przedsiębiorstwie?
- Jakie potencjały w zakresie efektywności zasobów w przedsiębiorstwach daje słaba SI w MŚP przemysłu przetwórczego?
- Jakie scenariusze zastosowania słabej SI są najbardziej obiecujące w celu zwiększenia efektywności zasobów w MŚP?
- Jakie czynniki sukcesu i bariery występują w systematycznym zastosowaniu słabej SI do zwiększania efektywności zasobów w MŚP?
- Jakie przykłady wdrożeń istnieją dla skutecznego zwiększania efektywności zasobów w MŚP poprzez zastosowanie słabej SI?

Przewagi konkurencyjne i cechy wyróżniające dla MŚP

Ponieważ analiza dużych zbiorów danych oraz wynikające z tego wnioski dotyczące możliwych działań optymalizacyjnych często są możliwe tylko poprzez wdrożenie rozwiązań cyfrowych, cyfryzacja od jakiegoś czasu jest uważana za kluczowe narzędzie poprawy zrównoważonego rozwoju przedsiębiorstw produkcyjnych. »Włączenie metod SI jest konsekwentnym kolejnym krokiem na drodze do wykorzystania potencjałów efektywności zasobów w środowiskach produkcyjnych«, mówi profesor Alexander Sauer, kierownik Fraunhofer IPA i Instytutu Efektywnej Produkcji (EEP) na Uniwersytecie w Stuttgarcie. »Zwłaszcza dla MŚP istnieją szanse dzięki ukierunkowanemu wdrożeniu SI, aby uzyskać przewagi konkurencyjne i wzmocnić lub ustanowić cechy wyróżniające.«

Badanie, które zostało opracowane na zlecenie Federalnego Ministerstwa Środowiska, Ochrony Przyrody i Bezpieczeństwa Nuklearnego (BMU), zostało skoordynowane przez VDI Zentrum Ressourceneffizienz (VDI ZRE) i przeprowadzone wspólnie przez Instytut Fraunhofera ds. Technologii Produkcji i Automatyzacji IPA oraz Deloitte Artificial Intelligence & Data. Badanie ukazało się 7 czerwca 2021 roku i po raz pierwszy zostało zaprezentowane publicznie podczas 25. Konferencji Sieciowej »Sztuczna inteligencja – szanse i wyzwania dla efektywności zasobów«.

Badanie pt. »Potencjały słabej sztucznej inteligencji dla efektywności zasobów w przedsiębiorstwach« jest dostępne do pobrania pod adresem: https://www.ressource-deutschland.de/fileadmin/user_upload/downloads/studien/VDI-ZRE_Studie_KI-betriebliche-Ressourceneffizienz_Web_bf.pdf

Co to jest słaba SI?

Ogólnie rozróżnia się »słabą« i »silną« SI (ang.: artificial narrow intelligence vs. artificial general intelligence). Silna SI ma się charakteryzować głównie tym, że posiada zdolności poznawcze, które będą przewyższać lub równe człowiekowi w niemal wszystkich aspektach. W przeciwieństwie do tego, słaba SI może być lepsza od człowieka, ale zwykle tylko w obszarach, do których została wyraźnie zaprogramowana i wytrenowana. Słaba SI koncentruje się na rozwiązywaniu konkretnych problemów aplikacyjnych na podstawie znanych metod z matematyki i informatyki. Systemy te są zdolne do samodoskonalenia się.