制造业在采用和实施人工智能（AI）方面历来落后于其他行业，但 2021 年标志着这一趋势的一个重要转折点。
据统计，尽管 COVID-19 持续波及大流行对供应链和市场的连锁反应，但在过去一年中，工业组织实际上将其对工业人工智能应用的投资增加了15%，平均总预算为 1600 万美元。
尽管大多数制造商都将 AI 视为关键的业务和收入驱动因素，但许多制造商也很难以一种易于展示投资回报（ ROI ）的方式部署它。展望未来，企业高管们必须采取更有针对性的方法来实施工业AI——从更广泛的通用AI型转向更精确、更适合用途的应用，这些AI应用可以快速获得一些ROI并证明其价值。
但实现这一转变需要一个整体战略。以下是实施工业AI战略的一些关键要素，可以帮助制造商实现这一转变。
构建企业级数据管理策略
长期以来，制造企业一直停留在海量数据收集的思维模式中。"更多数据就是更好的数据"的概念一直是数据管理策略的默认方法，但实际上它是错误的。由于这种心态，多年来，工业部门一直在汇总大量未使用、未优化、非结构化和功能无用的数据。
制定能够从工业AI中获得最大价值的战略意味着对组织的数据战略进行根本性转变——从海量数据收集到战略数据管理。
这意味着建立一个企业范围的战略，专注于管理、集成和调动不同的、非结构化的数据集，然后使这些数据在整个组织中可操作，最终将允许团队成员从这个庞大的数据池中提取并更好地利用这些数据。
首席数字官 (CDO) 和数字化业务高管是推动工业人工智能战略的关键。使工业AI成功的关键因素是：弥合 IT-OT 差距、消除团队和技术孤岛、逐步淘汰海量数据收集方法以支持更具战略性的工业数据管理，以及利用下一代数据历史学家制作工业数据在整个组织中更容易和更广泛地访问。
消除孤岛是无法由这些孤岛内的团队成员或领导来完成的。工业 AI 的采用和战略最终始于高层的愿景，即来自负责监督组织的数字化转型工作的 CDO 和数字高管。
有调查显示，在工业领域部署AI部署方面的一个主要的战略差距：虽然 99% 的工业企业决策者可以看到工业AI战略如何为其组织创造商业价值，但最终只有 35% 的企业实际开发并推出了相关战略。这是一个明显的脱节，对任何工业组织都构成严重的业务挑战。幸运的是，这也是一个非常容易解决的问题。
工业数据科学家正在迅速崛起，成为工业劳动力中一个新的、目前尚未开发的元素。他们一部分来自领域专家，一部分来自分析师，工业数据科学家能够利用他们在组织中独特的中间角色（以及随之而来的专业知识），更好地制定出一个战略，使工业AI的价值最大化。但工业数据科学家需要来自企业高层的支持推动这一战略的建立。
减少功能、数据和技术孤岛之间的摩擦
构建企业级数据战略的一部分还在于减少甚至消除由于数据孤岛的存在而导致团队分歧的摩擦。当团队分别使用和保存他们的数据、领域专业知识和存储技术时，它会增加摩擦层，而这些摩擦层会因数十年的海量数据收集而恶化。不幸的是，这使工业数据陷入孤岛和数据沼泽中。
这些问题只会在以下情况下更加复杂：
·可能与多个团队相关的数据集，但存在于单个团队的数据库中，对组织的其他部分几乎没有可见性。这也迫使其他团队要么繁琐地从业务的不同角落寻找相关信息，要么为自己的孤岛重复地收集相同的数据。
·数据湖原本是通过组织的数据的短暂休息站，现在变成了永久性的数据沼泽，信息以非结构化格式存在，其中信息以非结构化格式存在，即使不是不可能，也很难搜索相关查询。
·数据可以保留在多个格式化和安全阶段，因此组织中的任何人都无法访问存储在业务不同部分的部分数据。
减少或消除这种摩擦的一种最佳方法是部署新一代数据历史数据库。数据历史学家通过将所有工业数据置于通用、标准化和安全的格式化阶段，帮助实现数据访问和洞察力的民主化。
数据格式和结构不是由单个团队和技术孤岛决定，而是整个组织中的所有数据都以相同的格式存储，以便所有用户都可以平等地访问它，以及利用这些数据创造新价值的平等能力。这种通用格式是工业AI战略的核心组成部分，有效地消除了数据孤岛，并确保工业数据访问不那么依赖于个人技术或专业知识。
企业领导者必须加快其组织采用知识自动化技术和智能应用。自动化知识共享有助于保留历史领域的专业知识，确保专业知识不是任何个人独有的，也不会被困在任何一个孤岛中。这有三个好处：
·它使领域知识可以按需在整个组织中访问，无论团队或孤岛如何。
·它确保了领域知识不依赖于任何一个工人，这在年老的工人即将退休和年轻员工大量涌入的交接时期是非常有帮助的。
·它确保目标工业AI 应用有保证的历史数据池可供利用，这些数据不完全包含在孤岛或个别领域专家的头脑中。
将工业AI技能作为员工体验的重点
各行各业的企业都感受到了"大辞职"的压力，但这种劳动力短缺对工业部门的影响尤为重大。甚至在 COVID-19 来袭之前，我们的行业就已经处于代际变化之中，在同一家工厂工作了数十年的资深员工退休并被不具备相同运营或机构专业知识水平的年轻员工取代。
制造企业可以通过为员工提供工业AI基础设施来阻止这种人才流失。这对员工保留和培训有两个独特的好处：
·它确保为用户提供成功完成工作所需的工具。即使他们还没有多年的经验，工业AI也可以使历史数据访问和洞察力民主化，足以填补这一空白，使年轻员工能够像他们的前辈一样处理棘手的工作。
·让工业AI成为用户体验的核心，反过来也可以作为招聘工具。当员工能够看到他们将获得的帮助能够他们取得成功时，与使用昨天的技术将新员工推向深渊的人相比，这更能吸引人们为企业工作。
为了在当今的市场中生存和发展，工业组织需要工业AI作为其运营和工作流程的核心；并不管推动企业的数字化转型。创建一个独特的战略，以执行适合用途的工业AI应用，是实现工业AI价值最大化的有效途径。
这说起来容易做起来难，但建立企业级数据管理战略，减少功能、数据和技术孤岛之间的摩擦，以及使工业 AI 技能成为员工和用户体验的核心部分，这些都是缩短学习曲线和使工业AI战略成为现实的关键方式。
本文作者：Bill Scudder，AspenTech 高级副总裁兼 AIoT 解决方案总经理。
