Ο σημαντικότερος παράγοντας για τη δημιουργία αξίας από πρωτοβουλίες περί το Διαδίκτυο των Πραγμάτων – Internet of Things (IoT) σε μία επιχείρηση είναι η εκτεταμένη χρήση τεχνητής νοημοσύνης, σύμφωνα με τα αποτελέσματα έρευνας η οποία διεξήχθη από τις SAS, Deloitte και Intel.
Το 90% των ερωτηθέντων στην έρευνα, που χρησιμοποιεί σε μεγάλο βαθμό την τεχνητή νοημοσύνη στις IoT λειτουργίες του, ανέφερε ότι η χρήση αυτή ξεπέρασε τις προσδοκίες. Η έρευνα έδειξε επίσης ότι επιχειρήσεις που χρησιμοποιούν το IoT σε συνδυασμό με την τεχνητή νοημοσύνη εμφανίζονται να είναι πιο ανταγωνιστικές από επιχειρήσεις που χρησιμοποιούν αποκλειστικά το IoT, με διψήφιο περιθώριο σε διάφορους επιχειρηματικούς δείκτες, όπως η παραγωγικότητα των εργαζομένων, η καινοτομία και το λειτουργικό κόστος.
«Μέσα από αυτά τα αποτελέσματα, διαπιστώνουμε ότι οι επιχειρήσεις που εργάζονται με δεδομένα IoT συνειδητοποιούν ότι εάν θέλουν να αποκομίσουν την πραγματική αξία από αυτά τα δεδομένα, χρειάζονται την τεχνητή νοημοσύνη και τα analytics», δήλωσε ο Oliver Schabenberger, Chief Operating Officer της SAS, σύμφωνα με το ΑΠΕ-ΜΠΕ.
«Μπορούμε να πούμε ότι οι πιο επιτυχημένες λειτουργίες IoT είναι στην πραγματικότητα λειτουργίες AIoT». Το AIoT ορίζεται ως η διαδικασία λήψης αποφάσεων με τη βοήθεια τεχνολογιών τεχνητής νοημοσύνης σε συνδυασμό με συνδεδεμένους αισθητήρες, δεδομένα συστήματος ή δεδομένα που προκύπτουν από προϊόντα ΙοΤ. Οι τεχνολογίες τεχνητής νοημοσύνης περιλαμβάνουν βαθιά μάθηση, μηχανική μάθηση, επεξεργασία φυσικής γλώσσας, αναγνώριση φωνής και ανάλυση εικόνας.
Η μελέτη, η οποία διεξήχθη από τις SAS, Deloitte και Intel, με την τεχνογνωσία της IDC, ρώτησε 450 επικεφαλής επιχειρήσεων από όλο τον κόσμο σχετικά με τη χρήση τεχνολογιών IoT (Internet of Things) και ΑΙ (Artificial Intelligence). Μεταξύ άλλων, προέκυψαν τα παρακάτω βασικά ευρήματα:
– Το 79% των υψηλόβαθμων στελεχών συμμετέχει στη λήψη αποφάσεων για IoT projects και το 92% αυτών των στελεχών αναφέρει ότι η αξία του AIoT υπερβαίνει τις προσδοκίες τους.
– Το 68% των εταιρειών βασίζεται σε ΙοΤ δεδομένα για την ενημέρωση των καθημερινών επιχειρησιακών αποφάσεων μέσω υπολογιστικών φύλλων και άλλων τεχνολογιών που δεν αφορούν το AI. Μόνο το 12% των ερωτηθέντων χρησιμοποιεί το ΙοΤ για να ενημερώνει τις αποφάσεις σχεδιασμού, ενώ το ποσοστό των ερωτηθέντων που χρησιμοποιούν στοιχεία AI για τον καθημερινό σχεδιασμό ανέρχεται σε 31%.
– Το 34% των ερωτηθέντων ανέφερε ότι με τη χρήση του AIoT πρωταρχικός σκοπός είναι η αύξηση των εσόδων. Ακολουθεί η βελτίωση της καινοτομίας (17,5%), η προσφορά νέων ψηφιακών υπηρεσιών στους πελάτες (14,3%) και η μείωση του λειτουργικού κόστους (11,1%).
– Εταιρείες που έχουν αναπτύξει δυνατότητες AIoT, παρουσιάζουν καλύτερα αποτελέσματα όσον αφορά κρίσιμους οργανωτικούς στόχους, συμπεριλαμβανομένης της ικανότητας επιτάχυνσης των εργασιών, της εισαγωγής νέων ψηφιακών υπηρεσιών, της βελτίωσης της παραγωγικότητας των εργαζομένων και της μείωσης του κόστους. Για παράδειγμα, εταιρείες που χρησιμοποιούν δεδομένα IoT χωρίς τεχνητή νοημοσύνη σημείωσαν αύξηση της ταχύτητας των λειτουργιών τους κατά 32%, ενώ εταιρείες που χρησιμοποιούν και τεχνητή νοημοσύνη, παρατήρησαν αύξηση που έφτασε το 53%.
– Κορυφαίες θέσεις στη λίστα των τεχνικών ανάλυσης που χρησιμοποιήθηκαν για IoT projects κατέλαβαν το business intelligence (33%), η παρακολούθηση και η ορατότητα σε πραγματικό σχεδόν χρόνο (31%) και η παρακολούθηση υπό συνθήκες (condition-based) (30%).
«Η τεχνητή νοημοσύνη και το IoT δεν αποτελούν πλέον αποκομμένες/ανεξάρτητες/μεμονωμένες τεχνολογίες», δήλωσε ο Melvin Greer, Chief Data Scientist της Intel Americas. «Η τεχνητή νοημοσύνη κλείνει το βρόχο σε ένα περιβάλλον IoT, όπου οι συσκευές IoT συγκεντρώνουν ή δημιουργούν δεδομένα και η τεχνητή νοημοσύνη συμβάλει στην αυτοματοποίηση σημαντικών επιλογών και ενεργειών που βασίζονται σε αυτά τα δεδομένα. Σήμερα, οι περισσότερες επιχειρήσεις που χρησιμοποιούν το IoT, βρίσκονται μόνο στην πρώτη φάση της «προβολής», όταν αρχίζουν να αντιλαμβάνονται τι συμβαίνει μέσα από τα οφέλη του IoT. Αλλά κινούνται προς τις φάσεις της αξιοπιστίας, της αποδοτικότητας και της παραγωγής, οι οποίες είναι πιο εξελιγμένες και απαιτούν ισχυρότερες δυνατότητες της τεχνητής νοημοσύνης».
