今天工業(yè)制造業(yè)逐漸依賴于工業(yè)人工智能，工業(yè)人工智能被運營決策者視為其數(shù)字化轉型戰(zhàn)略的重要驅動力。

但是，最大限度地利用工業(yè)人工智能取決于在整個商業(yè)組織中成功地擴展工業(yè)人工智能戰(zhàn)略。以下是幫助公司實現(xiàn)這些目標的關鍵步驟。

構建企業(yè)級數(shù)據(jù)管理策略

很長時間以來，企業(yè)一直停留在大規(guī)模數(shù)據(jù)收集的思維模式中。“數(shù)據(jù)越多越好”的概念一直是數(shù)據(jù)管理策略的默認方法，但這是錯誤的。由于這種思維方式，工業(yè)部門多年來一直在聚集大量未使用、未優(yōu)化、未結構化和無用的數(shù)據(jù)。

創(chuàng)造一種能夠從工業(yè)人工智能中獲得最大價值的戰(zhàn)略，意味著在組織的數(shù)據(jù)戰(zhàn)略上進行根本性的轉變——從大規(guī)模數(shù)據(jù)收集到戰(zhàn)略數(shù)據(jù)管理。這意味著建立一個全企業(yè)范圍的戰(zhàn)略，專注于管理、集成和處理完全不同的、非結構化的數(shù)據(jù)集，然后使這些數(shù)據(jù)在整個組織內(nèi)可操作，最終將允許所有團隊從這個巨大的數(shù)據(jù)池中提取和利用，并將其用于工業(yè)AI應用。

減少功能、數(shù)據(jù)和技術之間的摩擦

構建企業(yè)級數(shù)據(jù)策略，還包括減少甚至消除由于數(shù)據(jù)豎井的存在而導致的團隊分歧所產(chǎn)生的摩擦。當團隊分別保存和使用他們的數(shù)據(jù)、領域專業(yè)知識和存儲技術時，會增加摩擦層，幾十年的海量數(shù)據(jù)收集會加劇摩擦層。不幸的是，這讓工業(yè)數(shù)據(jù)陷入了豎井和數(shù)據(jù)沼澤。

數(shù)據(jù)集可能與多個團隊相關，但存在于單個團隊的數(shù)據(jù)庫中，對組織的其他部分幾乎沒有提供可見性。這也迫使其他團隊要么乏味地從業(yè)務的不同角落尋找相關信息，要么為了自己的數(shù)據(jù)豎井而冗余地收集相同的數(shù)據(jù)。

數(shù)據(jù)湖本來是企業(yè)數(shù)據(jù)的短暫中轉站，但現(xiàn)在變成了永久的數(shù)據(jù)沼澤，其中的信息以非結構化格式存在，很難進行相關搜索查詢操作。同時由于數(shù)據(jù)保存在多個格式和安全限制，因此組織中的任何人都不能訪問存儲在不同業(yè)務的數(shù)據(jù)。

減少或消除這種摩擦的一個最佳方法是部署下一代數(shù)據(jù)科學家。通過將所有工業(yè)數(shù)據(jù)置于一個通用、標準化和安全的格式化階段，幫助提升數(shù)據(jù)訪問性和處理能力。與由單個團隊和技術部門決定數(shù)據(jù)格式和結構不同，整個組織的所有數(shù)據(jù)都存儲在相同的格式中，這樣所有用戶都有平等的訪問權——也有平等的能力利用這些數(shù)據(jù)來創(chuàng)造新的價值。這種通用格式是工業(yè)人工智能戰(zhàn)略的核心組成部分，有效地消除了數(shù)據(jù)豎井，并確保工業(yè)數(shù)據(jù)訪問不僅僅依賴于單個技術或專業(yè)知識。

讓工業(yè)人工智能技能成為招聘和員工教育的重點

各行各業(yè)的企業(yè)都感受到了缺人的痛苦，但勞動力短缺對工業(yè)部門的影響尤其嚴重。甚至在全球疫情爆發(fā)之前，工業(yè)行業(yè)就已經(jīng)處于代際變化之中，在同一工廠工作了幾十年的老員工退休了，卻沒有同等水平的運營或專業(yè)知識的年輕員工取代。

產(chǎn)業(yè)組織可以通過為員工提供工業(yè)AI基礎設施來阻止這種人才流失。這對于留住和培訓員工有兩個獨特的好處：

它確保為員工提供在工作中取得成功所需要的工具。即使他們還沒有多年的經(jīng)驗，工業(yè)人工智能可以通過歷史數(shù)據(jù)訪問和洞察力，填補這一空白，讓年輕員工能夠像他們的前輩一樣勝任自己的角色。

讓工業(yè)人工智能成為體驗核心，反過來也可以作為一種招聘工具。當員工能夠看到可以幫助他們走向成功的工具時，相比那些將新員工扔進舊技術深淵的公司，更具吸引力。

為了在今天的市場中生存和發(fā)展，工業(yè)企業(yè)需要將工業(yè)AI作為其運營和工作流程的核心，推動他們的數(shù)字轉型。創(chuàng)造一種獨特的策略來執(zhí)行工業(yè)人工智能應用，是實現(xiàn)工業(yè)人工智能價值最大化的唯一途徑。