如果说，近期制造领域最热门的技术话题，非人工智能（AI）莫属。通过AI技术，生产者可以提高效率、改善灵活性、加速流程，甚至可以实现运营的自我优化。BCG的一项分析发现，人工智能技术能够帮助生产者降低多达20%的加工成本。其中，70%的成本削减得益于员工生产力的提升。
自然而然，全球各地、各个行业的企业都在探索将人工智能用于企业运营的可能性。
但人工智能究竟能否如预期般产生如此大的效益？
雄心勃勃，准备不足
为了更好地了解机遇和挑战，BCG对此进行了调研。该项调查的参与者是来自全球1096家企业的高管、生产和技术管理者，涵盖广泛的生产行业，受访者来自奥地利、加拿大、中国、法国、德国、印度、日本、墨西哥、波兰、新加坡、英国和美国。
研究发现，中国、印度和新加坡的企业对近期在生产领域推行人工智能的雄心最大。在所调查的产业中，医疗和能源在短期内最热切；加工产业和工程领域则不那么积极。
尽管87%的受访者称自己有计划在未来3年内将人工智能用于生产，但只有28%制订了全面的实施路线图。其余72%的企业缺乏具体的计划。32%在测试选定的人工智能使用场景，27%只有初步的想法，13%没有优先考虑，甚至没有考虑人工智能。人工智能实施的不足反映出缺乏全局性规划，揭示了理想和现实之间的巨大差距。
过去，只有50%的企业利用人工智能实现了自己的目标。如今，只有16%的企业在多个厂区充分落实了一个以上数量的人工智能使用场景——在我们的定义下，这种成就足以让他们成为早期采用者。研究涉及的12个国家中，早期采用者的比例为美国（25%）、中国（23%）和印度（19%）最高；日本（11%）、新加坡（10%）和法国（10%）最低。在调研的德国企业中，只有15%是早期采用者。
美国企业的高人工智能采用率明显反映了该技术的普及范围较广。即便如此，中国在人工智能投资方面已经超越美国，在去年全球针对人工智能初创公司的投资中占据了50%。其他新兴国家，比如印度同样把人工智能应用视为保持自身生产行业国际竞争力的必要因素，并进行大力投资。相反，一些发达国家，比如日本，依然专注于过去曾帮助他们提高竞争力的传统杠杆（比如，精益制造）。
在我们研究关注的8个产业中，交通物流（21%）和汽车（20%）企业在早期采用者中所占的比例最高，工程领域（15%）和加工产业（13%）则相对落后。
这些差异反映出各个产业的起点以及与数字化的联系程度存在差异。汽车和高科技企业最为先进。其他产业还没有意识到，许多数字化策略多年来已成为产业价值链中不可分割的一部分。
企业的雇员人数也与人工智能的应用相关。与大企业相比，小企业不太可能成为早期采用者——或许因为小企业的预算更少，采用人工智能的能力更弱。
尽管最近技术的进步和数据储存、数据处理的成本不断下降，降低了人工智能投资的门槛，但综合能力的差距依然存在。
人工智能的使用场景
人工智能代表了工厂模式的转变。现在，工厂里的自动化流程和机械都是按照规则运转，机器人编程也只针对固定的使用场景。相比之下，未来的工厂将利用人工智能支持自动化流程和机械，通过智能决策应对不熟悉或者预期之外的情况。技术系统的灵活性和可适应性因此增强。比如，在以规则为导向的方案中，一个机器人无法从一箱未分类的零件中识别并选出所需的零件，因为它缺少所需的具体程序去处理无数可能的零件取向。而有人工智能支持的机器人不管目标取向如何，都可以从一堆纷乱的零件中挑选出自己需要的。
在生产运营的主要领域，不管是工厂内还是工厂外，使用人工智能提高效率的场景多种多样。37%的受访者认为人工智能在工厂运营领域是最重要的提高生产力的杠杆；25%认为是在质量领域；12%则选择物流领域。与这些发现相一致的是，企业认为人工智能最重要的使用场景是自我优化机器、质量缺陷检测和效率损失预测。尽管企业会发现个别的人工智能使用场景尤为重要，但生产者只能通过整合各职能部门、供应商和客户的数据池并推行人工智能才能取得全部的效益。
在工厂外，设计和供应链管理是应用人工智能最重要的运营领域。
在工厂内，人工智能将给生产和维修、质量、物流等支持部门带来诸多好处。
有些人工智能的使用场景不只用于生产运营的某个领域。比如，可以生成和处理语言的虚拟助理（类似苹果的Siri和亚马逊的Alexa）能为操作者提供来自IT系统的基于特定环境的信息。有些企业已开始采用声控系统进行挑选、包装、接收和补货操作。在这些应用案例中，与EPR系统中材料清单连接的声控系统可以指引操作者找到正确的箱子。
人工智能系统通过持续分析和学习事故报告（比如照片和文字报告），针对突发事故（比如机器故障、质量偏差和性能损失）提出解决方案。飞机制造商开始采用一种自我学习算法，利用事故报告识别生产问题的模式，然后将目前的事故与过去类似的事故进行比对，提出建议和方案。
81%-88%的受访者预期上述所列举的使用场景到2030年将变得非常重要（见图），但认为这种能力在诸多生产领域已得到充分发挥的受访者比例却相当少（6%-8%）。
弥合差距
四个驱动力对于在生产运营中成功推行人工智能至关重要：战略和路线图、管控模式、人员能力，以及IT基础设施。与落后企业相比，早期采用者在充分发挥人工智能驱动力的作用方面取得了重大进步。
①战略和路线图
为了给人工智能的实施提供方向和指导，企业需要制定一项明确的战略。人工智能战略应聚焦最有价值的使用场景——能够满足企业的具体业务需求，帮助企业应对挑战——与企业的整体数字化战略协调一致。企业还需要明确的实施路线图，为投资提供商业论证和可衡量的目标。受访者将明确的人工智能战略列为最重要的驱动力。
②管控模式
管理层的切实承诺是实现潜在提升的关键。高层管理者应该利用有组织的沟通途径，确保企业内部清楚地理解人工智能。企业推行人工智能时应设立明确的角色、划清责任、配备一个清晰的组织结构。要克服对人工智能应用的文化抵触，相关部门的高效协作和沟通是必不可少的。
③人员能力
要采用人工智能（一般而言，即数字化），企业所需的人才必须拥有过硬的编程、数据管理和分析能力。企业应该清楚地知道自己需要什么样的技能组合，并评估所需人才和现有人才之间的技能差距。
像人工智能在生产运营中的基础应用等知识，员工可以通过企业内或企业外的培训项目习得。对于需要更加正规的相关IT课程培训的技能，比如高级分析，企业必须通过招聘新型员工来获得，其中包括数据科学家。
93%的受访者报告说企业在生产运营中应用人工智能的能力不足。超过四分之一（29%）的受访者表示自己的企业招聘了更多致力于推行人工智能的员工，将近一半（47%）的受访者期待未来此类员工的数量进一步提升。
④IT基础设施
应用程序接口和网络规范提升了传统IT系统和机器设备的互操作性，这是成功推行人工智能的关键。网络安全是实践者在采用人工智能和工业4.0时的另一个主要担忧。
在实施人工智能时，企业应该考虑采用敏捷的工作模式，根据需求的变化及时调整战略和路线图。企业应该利用快速试错、最小可行性产品的方法应用人工智能技术，先小规模测试新想法，然后通过快速的迭代不断完善，最终全面推行。早期采用者比落后者更有可能使用敏捷工作模式。
我们的研究证明了人工智能正成为提升运营效率的最重要的工具。但许多企业没能认识到，要想获得人工智能产生的效益，远不止技术投入那么简单。一个阐述清晰的战略是必备的启动因素——但即便这样，也是不够的。企业必须配备合适的管控和支持基础设施，对员工进行重新配置和再培训。对人工智能应用还没有全局观的生产者应该迅速展开自我提升，这样才能追赶上早期采用者。
