AIが産業変革を促進する仕組み

このように技術的に進歩した世界では、検査などの重要な産業プロセスは依然として非効率でコストがかかり、資本の無駄遣いにつながります。

いくつかの国はすでにこの非効率性を認識しています。 IMFの調査によると、一部の国では非効率性のためにインフラ支出の約3分の1が無駄になっているという。調査会社マッキンゼーは、デジタル技術がビジネスプロセスやワークフローに統合されるにつれて、今後10年間で平均年間生産性が2%向上する可能性があると推定しています。

[[387571]]

効率性と有効性

産業変革にはさまざまな形があります。従来の方法には、ビジネス プロセス リエンジニアリング (BPR)、シックス シグマ、ワークフローのデジタル化などがあります。今日では状況は変わり、3 つの大きなトレンドが職場の働き方の変革を推進しています。大規模なインフラストラクチャは、次のような点でビジネスに大きなメリットをもたらします。

• 人工知能の台頭
• 機械とセンサーの接続性の向上
• データのデジタル化

これらのテーマを早期に導入すると、顧客の差別化と運用効率の両方において重要な競争上の優位性が得られます。

自動化は自律性とは根本的に異なることを理解することが重要です。ワークフローの自動化により、ワークフローの品質が向上し、ワークフローが高速化されます。一方、自律性により、ワークフローの曖昧さに対応するためのフィードバック ループが提供されます。

これまでの目標はプロセスの変動性を排除することでした。適切に実行すれば、新しいワークフローはタスクを実行するときにあいまいな情報の影響を受けない可能性があります。

車の速度を制御することを例に挙げてみましょう。ドライバーの仕事を自動的に実行し、速度を一定に保ちます。制御システムに相互接続されたセンサーをさらに追加すると、より複雑な自動運転システムが構築されます。センサーの数とそれに伴う迅速な意思決定のための計算能力の増加に伴い、予期せぬ障害物や危険に対して制御システムが自動的に対応する自律性へと移行しています。

人間がすべてのルールを書く必要がなく、代わりに機械学習がルールを自律的に学習できるようにすれば、さまざまな状況に対するこれらの対応はより効果的になります。 AI は特にパターン認識に優れており、反応を引き起こすことができます。その結果、AI システムは、現在の日常的、予測可能、反復的なワークフローに大きな影響を与えることになります。

大規模な産業プロセスは、人工知能の最初の受益者の 1 つになりました。操作の変動性を十分に制限して、自律性をテストし、最適化することができます。その後、動作環境を一般化して、より大きなメリットを得ることができます。

最後に、ヒューマンマシンインターフェースは引き続き重要な役割を果たします。運用手順から監督手順まで、スタッフの仕事の本質は変わります。

産業プロセスの自律性を実現するには、どの要素を完全に自動化できるか、どの要素に人間の監視が必要か、どの領域に依然として人間の関与が必要かを分析し、研究する必要があります。この明確さが確立されると、自律性への道筋が提供されます。既存のハードウェア、接続性、コンピューティング、データから始めて、時間の経過とともに徐々に追加要素を挿入し、より効率的で高品質なプロセスを作成します。

実際の例

たとえば、カリフォルニア州マリブのような大規模な火災が発生した後の保険金請求を評価する場合を考えてみましょう。火災の影響を正確に把握するには、地域社会と保険会社が6～9か月、そして何千人もの専門家とボランティアの協力が必要になるだろう。多くの被害者はほとんど情報を残さないか、まったく情報を残しません。現在利用可能な高度なテクノロジーにより、これは数週間、場合によっては数日で実行できるようになりました。

この検査プロセスを変えるには、現場検査に適した機器、つまりコンピュータービジョンやその他のセンサーを搭載したインターネット接続ロボットやドローンを入手することから始まります。乗務員が飛行エリアを設定し、空域を空けます。残骸から得られたデータセットを収集、理解、分析するためにカスタムトレーニングされた一連の AI を活用することで、ロボットとドローンは自律的にデータを収集し、それを担当者に送信して、請求や復旧ロジスティクスに関する洞察を得ることができます。

これはビジネスにすぐに使える実際のケーススタディです。保険会社は保険金の額を決定でき、公共事業会社は設備の復旧作業を開始でき、被災した家族は家の再建を開始できます。