麥肯錫**研究院的*項新研究表明，人工智能和深度學習終于開始在行業中取得巨大收益。但該研究的作者表示，許多工程師仍然不愿意使用它，因為他們還沒有完全理解它。
這項新研究，來自人工智能*域的Notes：深度學習的應用和價值，顯示了該技術在汽車，電子，航空航天，國防，化學，農業，石油和天然氣以及其他行業的巨大潛力。這表明這些行業的許多高管已經采用了它。
“在財富500強中，我們看到了利用人工智能和深度學習應用的重大轉變，”麥肯錫合伙人兼研究報告的合作者Mehdi Miremadi告訴設計新聞。“毫無疑問，這是過去兩年中每個行業*突出的重點*域之*。”
該研究預測，人工智能技術將對這些行業產生巨大的收益。例如，在汽車和裝配*域，該論文的作者希望AI和深度學習能夠產生約3000億美元的年度價值。他們還期望它每年在電子產品，化學品，化學品，1000億美元的石油和天然氣中產生約2000億美元的收入，并且每年在航空和國防*域產生約250億美元。
更好的預測的好處
作者發現，應用的*個關鍵*域是預測性維護。例如，使用工廠周圍的大量數據，基于人工智能的軟件可以更準確地識別出可能發生故障的資產和機器。雖然許多制造商已經在沒有AI的情況下進行預測性維護，但作者認為他們可以做得更好。
Miremadi說：“使用舊類型的分析，你可能可以預測70％的故障可能性。“但是對于AI，你可能會達到90％甚至95％。這20％的差異具有重要的價值。“
其他關鍵的機會*域是庫存優化和物料采購。通過使用AI進行更好的預測，Miremadi說，制造商可以簡化他們的生產和供應鏈管理。Miremadi告訴我們：“制造和供應鏈中的許多低效率來自未完全理解未來幾個月和幾年內的需求。” “使用分析和大數據，您可以更好地了解需求和供應預測。”
作者總結說，產品開發人員也可以從AI和深度學習中受益。今天，他們表示，新產品迭代通常會在幾年內基于客戶的反饋意見出現。但通過人工智能，產品開發人員可以加快這*進程。“AI可以做的其中*件事是加快反饋循環，”Miremadi說。“優化反饋環路不僅對制造商是有利的，對整個社會也是有利的。”
Miremadi補充說，*些開發人員已經在研究如何將AI功能集成到他們的設計軟件中。
許多高管仍然猶豫不決
然而，可以理解的是，許多高管和工程師對充分利用人工智能和深度學習猶豫不決，Miremadi說。他們的**直覺是開展試點計劃。然而，即使人工智能的價值得到了證實，許多高管仍然傾向于運行更多的試點項目，而不是廣泛采用。“通常，我們在財富500強企業中看到這*點，”Miremadi指出
Miremadi說，許多高管猶豫不決，因為他們不完全理解AI機制。他們不會為任何他們不完全理解的東西投入大量資源。在這些情況下，變化可能會變慢。Miremadi說：“組織中有數據驅動決策的方式有文化組成部分。“所以在戰術上，日常的基礎上，文化轉變將需要發生。”
盡管如此，Miremadi預計人工智能的發展和深度學習將繼續快速發展。原因在于結果。“這里有很大的機會，”他說。
.jpg)