Desvendando a promessa da IA ​​na indústria

Em 2018, exploramos a oportunidade de US$ 1 trilhão para inteligência artificial (IA) na indústria. Após a pandemia, a pesquisa mostra que talento, resiliência, capacitação tecnológica em todas as áreas e crescimento orgânico são suas principais prioridades.2 O que é mais importante? Cinco prioridades para CEOs no próximo normal, McKinsey, setembro de 2021.

Este artigo é um esforço colaborativo de Kimberly Borden, Mark Huntington, Mithun Kamat, Alex Singla, Joris Wijpkema e Bill Wiseman, representando pontos de vista das práticas avançadas de indústrias da McKinsey.

Apesar dessa oportunidade, muitos executivos permanecem inseguros sobre onde aplicar as soluções de IA para capturar o impacto real nos resultados. O resultado tem sido taxas lentas de adoção, com muitas empresas adotando uma abordagem de esperar para ver, em vez de mergulhar de cabeça.

Em vez de contemplar infinitamente possíveis aplicações, os executivos devem definir uma direção geral e um roteiro e, em seguida, restringir seu foco a áreas nas quais a IA pode resolver problemas de negócios específicos e criar valor tangível. Como primeiro passo, os líderes industriais podem entender melhor a tecnologia de IA e como ela pode ser usada para resolver problemas de negócios específicos. Eles estarão então melhor posicionados para começar a experimentar novos aplicativos.

O termo "inteligência artificial" está sofrendo de uso excessivo. Tornou-se quase um atalho para qualquer aplicação de tecnologia de ponta, obscurecendo sua verdadeira definição e propósito. Portanto, é útil definir claramente a IA e seus usos para empresas industriais.

Em resumo, IA é a capacidade de uma máquina de executar funções cognitivas tipicamente associadas à mente humana, como percepção, raciocínio, aprendizado, interação com o ambiente e resolução de problemas. Exemplos de tecnologias de IA incluem robótica, veículos autônomos, visão computacional, linguagem, agentes virtuais e aprendizado de máquina.

Uma área em que a IA está criando valor para os industriais é aumentar as capacidades dos trabalhadores do conhecimento, especificamente engenheiros. Em sua essência, esses aplicativos aproveitam os recursos preditivos da IA. As empresas estão aprendendo a reformular questões de negócios tradicionais em problemas nos quais a IA pode usar algoritmos de aprendizado de máquina para processar dados e experiências, detectar padrões e fazer recomendações.

As empresas devem primeiro definir um problema de negócios existente antes de explorar como a IA pode resolvê-lo. A falha em passar por este exercício deixará as organizações incorporando a mais recente solução de IA de "objeto brilhante".

Os exemplos a seguir demonstram o valor da IA ​​para aumentar o conhecimento dos funcionários e simplificar os fluxos de trabalho.

Alguns dos desafios mais difíceis para as empresas industriais são programar linhas de fabricação complexas, maximizar o rendimento enquanto minimiza os custos de troca e garantir a entrega pontual dos produtos aos clientes. A IA pode ajudar por meio de sua capacidade de considerar várias variáveis ​​ao mesmo tempo para identificar a solução ideal. Por exemplo, em uma fábrica de metais, um agente de agendamento de IA conseguiu reduzir as perdas de produção em 20 a 40 por cento, ao mesmo tempo em que melhorou significativamente a entrega pontual para os clientes.

As abordagens de otimização tradicionais entram em colapso na tentativa de gerenciar incertezas e flutuações significativas na oferta ou na demanda. Esse problema tornou-se particularmente relevante devido a todos os problemas da cadeia de suprimentos no ano passado. Usando agentes de agendamento baseados em aprendizado por reforço,3O aprendizado por reforço é um tipo de aprendizado de máquina no qual um algoritmo aprende a executar uma tarefa tentando maximizar as recompensas que recebe por suas ações. Para saber mais, consulte Jacomo Corbo, Oliver Fleming e Nicolas Hohn, "É hora de as empresas traçarem um curso para aprendizado por reforço", McKinsey, 1º de abril de 2021. maximizar o lucro?” — isso gera uma recomendação clara.