Wykorzystanie sztucznej inteligencji w polskim przemyśle – Raport 2024

Redakcja magazynu „Służby Utrzymania Ruchu” na podstawie przeprowadzonych metodą CAWI (Computer Assisted Web Interviewing) badań przygotowała raport dotyczący implementacji systemów przemysłowej sztucznej inteligencji w polskich firmach i przedsiębiorstwach produkcyjnych. Stan uzyskanej wiedzy obejmuje pierwszą połowę 2024 roku. W raporcie zostały ujęte przekrojowe zagadnienia o charakterze technicznym i technologicznym. Głównym celem raportu jest udzielenie odpowiedzi o skali rzeczywistych wdrożeń i gotowości polskich firm do implementacji rozwiązań sztucznej inteligencji na produkcji, a także zbadanie poziomu wiedzy kadry zarządzającej oraz pracowników firm produkcyjnych na temat stosowanych w przemyśle rozwiązań sztucznej inteligencji, które to rozwiązania mogą zwiększyć konkurencyjność polskich firm.

​​

Czym jest sztuczna inteligencja?

Istnieje wiele definicji sztucznej inteligencji, jednak z technicznego punktu widzenia obecne systemy sztucznej inteligencji to zespoły algorytmów, które pozwalają maszynom na samodoskonalenie się i uczenie na podstawie zdobywanych doświadczeń, na ciągłe dostosowywanie się do nowych informacji oraz na wykonywanie na ich podstawie kolejnych zadań. Przy wykorzystaniu tych technologii systemy AI mogą być szkolone w taki sposób, aby wykonywały konkretne typy zadań poprzez przetwarzanie dużych ilości danych i rozpoznawanie w nich wzorców. Z kolei w raporcie Game-changing technologies: Transforming production and employment in Europe opublikowanym przez Eurofound, techniczna definicja sztucznej inteligencji została ujęta w następującym schemacie [1]: 
Aktualnie wśród najważniejszych podejść badawczych i technologicznych rozwijanych w ramach sztucznej inteligencji wyróżnić można [2]:

• uczenie maszynowe (ang. machine learning) – dziedzina sztucznej inteligencji, która koncentruje się na opracowywaniu algorytmów, mogących uczyć się na podstawie danych; algorytmy uczenia maszynowego są zwykle szkolone na dużych zbiorach danych, a następnie można ich używać do przewidywania lub podejmowania decyzji;
• przetwarzanie języka naturalnego (ang. NLP, natural language processing) – dziedzina sztucznej inteligencji, która koncentruje się na zrozumieniu i generowaniu ludzkiego języka; algorytmy NLP są wykorzystywane do rozpoznawania mowy, tłumaczenia maszynowego i streszczania tekstu
• widzenie maszynowe (ang. machine vision) – dziedzina sztucznej inteligencji, która koncentruje się na zrozumieniu i interpretacji obrazów; algorytmy widzenia maszynowego/komputerowego są wykorzystywane na przykład w autonomicznych pojazdach, rozpoznawaniu twarzy i analizie obrazów medycznych;
• uczenie głębokie (ang. deep learning) – dziedzina sztucznej inteligencji polegająca na nauczeniu komputerów myślenia i uczenia się w sposób zbliżony do ludzkiego mózgu; uczenie głębokie jest stosowane m.in. w rozpoznawaniu obrazów, przetwarzaniu języka naturalnego, rozpoznawaniu mowy, tłumaczeniu języka i wielu innych; często realizuje to za pomocą tzw. sieci neuronowych.
• sieci neuronowe (ang. neural networks) – modele obliczeniowe, które są inspirowane strukturą mózgu i próbują naśladować jego sposób działania.

Uczenie maszynowe

Z punktu widzenia systemów sztucznej inteligencji, które wykorzystywane są w przemyśle, kluczową technologią jest uczenie maszynowe i w dużo mniejszym stopniu głębokie uczenie maszynowe z wykorzystaniem sieci neuronowych. Proces uczenia maszynowego i głębokiego uczenia maszynowego polega bowiem na analizie większej ilości danych i rozpoznawaniu zawartych w nich wzorców. W ten sposób algorytmy uczą się wykrywać czynniki, które mogą wpływać na proces i wydajność produkcji, a także mogą posłużyć do przewidywania awarii. Pozwala to na optymalizację procesów wytwarzania, co skutkuje zmniejszeniem kosztów i zwiększeniem wydajności. 
Dzięki uczeniu maszynowemu, systemy przemysłowe i działające na nich oprogramowanie mogą samodzielnie analizować dane i wykorzystywać je w procesie robotyzacji, automatyzacji i optymalizacji wielu procesów wytwarzania. Jak już wspomniano, podstawą działania algorytmów uczenia maszynowego jest zbieranie doświadczeń zawartych w sposób nieustrukturyzowany w zbiorach danych. Zbiór danych pozwala systemom na uczenie się i wykorzystywanie wiedzy w późniejszych procesach i działaniach systemu przemysłowego. Siła i wartość uczenia maszynowego wynikają zatem z możliwości analizy i przetwarzania ogromnych zbiorów danych pochodzących z systemów produkcyjnych i przemysłowego internetu rzeczy.
Wprowadzenie algorytmów uczenia maszynowego w branży produkcyjnej niesie za sobą wiele korzyści. Wśród korzyści systemów uczenia maszynowego są [3]:

• optymalizacja procesów produkcyjnych,
• zapewnienie jakości produktów,
• prognozowanie popytu i zarządzanie zapasami.
   

Uczenie maszynowe może pomóc w monitorowaniu jakości produkowanych towarów. Można się nim posłużyć do analizy różnych parametrów technicznych produktu. Dzięki temu możliwe jest szybkie wykrycie ewentualnych wad i podejmowanie odpowiednich działań w celu ich usunięcia. Technologie uczenia maszynowego z powodzeniem wykorzystywane są w działach kontroli jakości w firmach produkcyjnych. Algorytmy sztucznej inteligencji bazujące na uczeniu maszynowym pozwalają na analizę danych historycznych i prognozowanie popytu na surowce, podzespoły (od strony produkcyjnej) i poszczególne produkty (od strony sprzedażowej). Dzięki temu można lepiej planować produkcję i zarządzać zapasami, unikając braków czy nadmiaru towarów. 
Istotną zaletą uczenia maszynowego w przemyśle jest obszar predykcyjnego utrzymania ruchu. Dzięki analizie danych historycznych można prognozować ewentualne awarie maszyn oraz wskazywać na potrzebę przeprowadzenia konserwacji. To pozwala uniknąć kosztownych przestojów i zapewnić maksymalną ciągłość procesów produkcyjnych.
Niestety, aby sztuczna inteligencja zadziałała, potrzebne są dobrej jakości dane – bądź to z systemu automatyki, bądź z czujników przemysłowego internetu rzeczy. W większości firm zbieranie danych z obszaru produkcyjnego jest mocno zaniedbane. Dostępne informacje są niespójne i bardzo często pochodzą z niekompatybilnych ze sobą systemów. Takie dane – z punktu widzenia systemu AI – są danymi bardzo kiepskiej jakości.
Co gorsza, w wielu firmach nie wszystkie linie i maszyny produkcyjne są w wystarczającym stopniu oczujnikowane. Nawet jeśli firma dysponuje systemami SCADA, ERP czy MES, to są one od siebie odizolowane i nie wymieniają pomiędzy sobą danych. Jest to typowe dla rozważań wyspowych instalowanych jeszcze 5 czy 10 lat temu. Dlatego wdrażanie systemów sztucznej inteligencji należy zacząć od ujednolicenia systemów zbierania danych i raportowania, oczujnikowania systemów produkcyjnych, a przede wszystkim od optymalizacji i konsolidacji danych w jednym miejscu.

Perspektywy rynku AI

Globalny rynek sztucznej inteligencji został wyceniony na 454,12 miliardów dolarów w 2022 roku i przewiduje się, że wzrośnie z 538,13 miliardów dolarów w 2023 roku do 2,575 bilionów dolarów do 2032 roku, co oznacza wzrost na poziomie 19%. Rynek będzie się rozwijał wraz z gwałtownym wzrostem liczby zastosowań sztucznej inteligencji. Według ekspertów Accenture Research sztuczna inteligencja do 2035 roku powinna podwoić tempo wzrostu gospodarczego, przyczyniając się do ewolucji metod pracy oraz tworząc nowe relacje między ludźmi a maszynami. Szacuje się, że w efekcie zwiększy się wydajność przedsiębiorstw nawet o 40% i umożliwi pracownikom bardziej efektywne wykorzystanie czasu. Tempo zmian ma być ogromne: według firmy analitycznej MarketsandMarkets, wartość rynku AI w samym tylko przemyśle w 2021 roku wyniosła 1,1 miliarda dolarów, a w 2026 osiągnie 16,7 miliarda [4].
Szybka penetracja technologii cyfrowych i internetu znacząco przyczyniła się do wzrostu globalnego rynku sztucznej inteligencji w ciągu ostatnich kilku lat. Duże inwestycje gigantów technologicznych w badania i rozwój nieustannie napędzają postęp technologiczny związany ze sztuczną inteligencją w różnych branżach. Oczekuje się, że rosnące zapotrzebowanie na sztuczną inteligencję w branży motoryzacyjnej, opiece zdrowotnej, bankowości i finansach, produkcji, branży spożywczej, logistyce i handlu detalicznym będzie znacząco napędzać wzrost globalnego rynku sztucznej inteligencji w nadchodzących latach. 
Do tej pory sztuczna inteligencja rozwijana była przede wszystkim przy wykorzystaniu software’u. Jednak rynek dostrzegł zapotrzebowanie na specjalizowany sprzęt, który pozwala w istotnym stopniu przyspieszyć działanie algorytmów sztucznej inteligencji, w tym przyspieszyć działanie algorytmów uczenia maszynowego, a także na układy scalone zawierające w sobie sieci neuronowe. W ciągu ostatnich kilku lat bardzo niewiele firm podjęło się rozwoju tych komponentów. Jednak w celu uzyskania przewagi konkurencyjnej, producenci tacy jak IBM, NVIDIA, AMD i Intel rozpoczęli produkcję układów wspomagających sztuczną inteligencję, aby uzyskać wysoką wydajność w równoległym skalowaniu dynamicznych procesów.
Co ciekawe, w 2022 roku największy udział w rynku miał segment głębokiego uczenia. Dominację tę można przypisać złożonym aplikacjom do przetwarzania strumieni danych, takich jak aplikacje audio, wideo i rozpoznawanie tekstu. Oczekuje się, że rosnący postęp technologiczny w dziedzinie głębokiego uczenia pozwoli przezwyciężyć wyzwania związane z dużą ilością danych. 
Ogromny udział uczenia maszynowego w całkowitych kwotach inwestycji w technologię sztucznej inteligencji pozwala dominować tej technologii w takich segmentach jak generowanie hipotez, grupowanie i zmiany danych, tagowanie, filtrowanie, raportowanie, wizualizacja i nawigacja, a więc w dziedzinach ściśle powiązanych z różnymi segmentami produkcji i sterowania. 

Metodologia badań

Badanie przeprowadzono metodą CAWI (Computer Assisted Web Interviewing). Skorzystano z dwóch rodzajów ankiet: ankiety anonimowej rozesłanej do czytelników magazynu „Służby Utrzymania Ruchu” oraz personalnej ankiety rozesłanej do firm współpracujących reklamowo i marketingowo z magazynem SUR. Do opracowania raportu wszystkie zebrane dane zostały zanonimizowane.

Kontekst badawczy

W celu identyfikacji obecnego stanu wiedzy i wdrożeń związanych ze sztuczną inteligencją w przemyśle, przygotowano szereg pytań ankietowych, które pozwoliły zdobyć wiedzę w czterech obszarach.
1. Wdrożenia technologii sztucznej inteligencji, w tym:

• jakie czynniki spowodowały potrzebę wdrożenia sztucznej inteligencji,
• jakiego typu rozwiązania zostały wdrożone,
• transformacja obecnie stosowanych modeli biznesowych,
• problemy, które udało się rozwiązać (lub nie udało) dzięki wdrożeniu systemów AI.
   

2.     Jak dalece wdrożenie systemów sztucznej inteligencji przyczyniło się do wzrostu efektywności procesów produkcyjnych i logistycznych oraz jak duże przełożenie na wyniki finansowe ma proces wdrożenia mechanizmów sztucznej inteligencji, w tym z uwzględnieniem:

• wzrostu przychodów dzięki wdrożeniu sztucznej inteligencji,
• spadków kosztów operacyjnych związanych z wdrożeniem sztucznej inteligencji,
• wzrostu produktywności pracowników,
• wzrostu efektywności procesów produkcyjnych/logistycznych.
   

3.     Ocena perspektyw związanych z wykorzystaniem i wdrożeniem systemów AI na produkcji i w logistyce, w tym ocen obejmujących następujące zagadnienia i trendy rynkowe:

• czy inwestycje firm w ciągu najbliższych kilku lat w sztuczną inteligencję będą nadal rosły,
• jak dalece, w kilkuletniej perspektywie, wdrożenia sztucznej inteligencji przyczynią się do realnego, dalszego wzrostu efektywności przedsiębiorstw w różnych obszarach ich działania,
• czynniki wpływające na lepsze wyniki w zakresie sztucznej inteligencji.
   

4.     Zagrożenia związane z wdrażaniem systemów sztucznej inteligencji na produkcji i w logistyce.

• odpowiedzialność prawna i finansowa za szkody powstałe w wyniku działania sztucznej inteligencji,
• zagrożenie miejsc pracy – eliminacja pracowników z procesów wytwarzania,
• zapotrzebowanie na wysoko wykwalifikowanych specjalistów z dziedziny AI (braki kadrowe),
• nierówności w dostępie do informacji (wykluczenie informacyjne mniejszych firm),
• monopolizacja rynku i zakłócenie konkurencji – sprawne gromadzenie i przetwarzanie danych przez wielkie koncerny może prowadzić do uzyskania ogromnej przewagi nad mniejszymi konkurentami, co pozwoli skutecznie ich wyeliminować.
   

Wnioski wynikające z badań

Wielkość firmy
W pierwszej kolejności zapytaliśmy o wielkość firmy, dzieląc firmy na mikro, małe, średnie, średnie większej wielkości i duże przedsiębiorstwa. 

Jak duża jest Państwa firma?

Większość naszych respondentów (57,8%) to osoby z dużych przedsiębiorstw, liczących powyżej 250 osób, z większych firm średniej wielkości pochodziło 17,4% respondentów, a 8,3% ankietowanych pracowało w firmach zatrudniających do 100 osób. Udział ankietowanych osób z małych przedsiębiorstw zatrudniają-
cych do 50 osób to również 5,5%. Zaskakująco duży w naszych badaniach był udział mikroprzedsiębiorstw, który wynosił aż 11%.

Wykorzystanie sztucznej inteligencji w firmach

Czy Państwa firma wykorzystuje w swojej działalności systemy sztucznej inteligencji?

Na wykresie przedstawiającym wyniki dotyczące wykorzystania sztucznej inteligencji podzielono je na wyniki uzyskane z ankiet rozesłanych do czytelników magazynu SUR i firm współpracujących z redakcją magazynu, a następnie wyniki te znormalizowano do 100%. Wśród firm współpracujących z redakcją magazynu sztuczna inteligencja wykorzystywana jest w 3,7% firm, a z tego typu narzędzi nie korzysta jeszcze 18,5% firm. Wśród czytelników rozkład ten to odpowiednio 37% firm korzystających z SI i 40,7%, które nie wykorzystuje tego typu rozwiązań. Łącznie 52,8% firm biorących udział w naszych badaniach nie wykorzystuje zalet sztucznej inteligencji, a 47,2% już jakieś formy tego typu systemów wdrożyło w swojej organizacji. Biorąc pod uwagę, jak młoda jest to technologia, jest to bardzo dobry wynik.

Obszary wykorzystania sztucznej inteligencji

Firmy, które wykorzystują już sztuczną inteligencję, zostały zapytane, w jakich obszarach stosują tego typu technologie. Było to pytanie wielokrotnego wyboru, co wynikało z różnorodnych obszarów stosowania technologii sztucznej inteligencji w firmach produkcyjnych.

Jeśli tak, to w jakich obszarach jest ona wykorzystywana?

Ze względu na docelową grupę ankietowanych firm, jak można było przypuszczać, najwięcej przedsiębiorstw wykorzystuje sztuczną inteligencję w produkcji (49%). Duży udział ma jeszcze marketing i public relations (33,06%) oraz utrzymanie ruchu i automatyczne tłumaczenia (odpowiednio, 27,4% i 32,1%). Sporym zaskoczeniem okazał się zerowy udział sztucznej inteligencji w finansach i dość niewielki odsetek w logistyce i planowaniu zaopatrzenia (10,5%). Jeśli chodzi o zarządzanie przedsiębiorstwem, to 21,8-proc. udział organizacji, w których wykorzystuje się sztuczną inteligencję do wspomagania kadry zarządzającej, jest dobrym wynikiem na poziomie średniej europejskiej, co cieszy. 
Firmy, które wykorzystują już sztuczną inteligencję w procesach produkcyjnych, utrzymania ruchu i zarządzania logistyką, zapytane zostały o technologie AI stosowane u nich w procesach produkcyjnych. Również i tu możliwy był wielokrotny wybór.

Jakie technologie AI dotyczące produkcji są już aktualnie u Państwa wdrożone?

Najwięcej, bo 20,4% odpowiedzi wskazało na automatyzację procesu produkcji. Równie ważnymi wdrożeniami są wdrożenia systemów sztucznej inteligencji w zakresie optymalizacji procesu produkcji (23,4%) oraz predykcyjnego utrzymania ruchu (po 23,2% wskazań). Istotne są też wdrożenia w zakresie detekcji anomalii, autonomicznych maszyn i robotów, a także, co ciekawe, systemy pozwalające na prowadzenie badań rynkowych związanych z sentymentem marki (po ok. 15–16%).

Plany wdrożeniowe

Badane firmy, które zadeklarowały, że nie wykorzystują jeszcze rozwiązań sztucznej inteligencji w produkcji przemysłowej, a także w innych procesach realizowanych w ich organizacji, poproszone zostały o określenie, czy planują takie wdrożenie oraz jaki jest stan zaawansowania wdrożenia, jeśli go realizują.

Jeśli nie mają Państwo rozwiązań sztucznej inteligencji, to czy planują je wdrożyć w przyszłości?

23,1% firm zadeklarowało, że wdrożenie systemu AI nastąpi do roku, a więc podjęto już pewne kroki zmierzające do tego celu, a niecałe 18% respondentów stwierdziło, że wdrożenie jest już realizowane. Niesprecyzowane plany wdrożenia (od 1 do 2 lat) ma ok. 12% badanych firm, a łącznie 47% przedsiębiorstw nie widzi jeszcze wystarczających korzyści (plany wdrożenia do 5 lat lub obserwuje rynek) z wdrożenia przemysłowej sztucznej inteligencji. W tej grupie firm zastanawiający jest dość wysoki odsetek tych, które nie mają do tego celu wystarczających zasobów (6,8%) oraz przedsiębiorstw, które nie widzą takiej potrzeby – 5,1%.

Jaki jest stan zaawansowania we wdrażaniu rozwiązań bazujących na SI w Państwa firmie?

Wśród firm, które implementują obecnie rozwiązania sztucznej inteligencji w systemach przemysłowych, przeważa jednoczesne wdrażanie technologii AI w kilku działach (35% ankietowanych), a w jednym dziale systemy SI pojawią się u 12% respondentów. Co ciekawe, w 23% firm uruchomiono już rozwiązania pilotażowe. Analizę pod kątem wdrożenia przeprowadziło już 30% badanych przedsiębiorstw.

Równie ciekawe są udzielone przez badane firmy odpowiedzi na pytanie, jakie czynniki wewnętrzne mogą być największymi przeszkodami we wdrażaniu systemów sztucznej inteligencji lub spowodują, że projekt wdrożeniowy zakończy się fiaskiem. Nie oznacza to wszak, że we wszystkich organizacjach spotkano się ze wszystkimi wymienionymi tu problemami ani że dane przedsiębiorstwo miało faktycznie istotne kłopoty z ich rozwiązaniem, niemniej udzielone odpowiedzi rysują obraz, w jaki sposób postrzegane są wdrożenia systemów AI i jakie obawy mogą się z tym wiązać. Wnioski te wynikają z faktu, że na to pytanie odpowiadały zarówno firmy używające systemów SI, aktualnie je wdrażające, jak i te, które dopiero przymierzają się do wdrożenia. Również i tu był możliwy wielokrotny wybór. 

Jakie są najważniejsze wewnętrzne przeszkody we wdrażaniu tego typu rozwiązań?

Największym problemem przy wdrożeniu jest brak odpowiednio wykwalifikowanej kadry (64,8% wskazań). Pozostałe przeszkody w ocenie respondentów mają mniej istotny wpływ na wdrożenie i rozkładają się zwykle w okolicach od 16% do 25% wskazań. Dobrą wiadomością jest to, że tylko 5,1% firm uważa, że zarząd nie widzi wystarczającej potrzeby w implementacji SI w procesach wytwórczych. Podobna liczba respondentów wskazała na brak powtarzalnych warunków pracy dla systemu SI. Oznacza to, że procesy wytwórcze w badanych firmach są w wystarczającym stopniu zautomatyzowane.

Korzyści wynikające z wdrożenia

Kolejna grupa pytań dotyczyła wskazania przez respondentów największych zalet i korzyści wynikających z wdrożenia systemów SI. Ciekawe odpowiedzi uzyskaliśmy też na temat samego procesu wdrożenia.

W jaki sposób wdrożono rozwiązania sztucznej inteligencji w Państwa firmie?

Tym, co nas zaskoczyło, był fakt, że aż 62% przedsiębiorstw swoje wdrożenia przemysłowych systemów AI przeprowadziło samodzielnie, a tylko 25% respondentów skorzystało z pomocy firm, od których zakupiło swoje rozwiązania. Z usług wyspecjalizowanych firm doradczych skorzystało natomiast 13% badanych przedsiębiorstw.

Jakie korzyści wynikające z wdrożenia systemu SI odniosła Państwa firma?

Do najważniejszych korzyści z wdrożenia należą natomiast: szybsze przygotowywanie raportów, większa produktywność pracowników (odpowiednio po 39,5% i 37% wskazań), usprawnienie produkcji oraz wyższa jakość produkcji i usług (po 28,6%). Ciekawym wynikiem jest brak korzyści dla 9,5% badanych firm. Oznacza to, że albo wdrożenie nie zostało prawidłowo przeprowadzone, albo związany z nim audyt nie wskazał obszarów produkcji, w których warto rzeczywiście zastosować systemy SI. Przyczyną związaną z brakiem korzyści może być też niewystarczająco wysoka jakość danych.
Kolejnym elementem w tej grupie badań były wskazania dotyczące korzyści finansowych, jakie udało się odnieść ankietowanym firmom. Badane przedsiębiorstwa zapytaliśmy o to, w jakich obszarach ich działalności wdrożenie sztucznej inteligencji przyczyniło się do obniżenia kosztów, wzrostu przychodów lub też efektywności wytwarzania.

W jakich obszarach wdrożenie sztucznej inteligencji przyczyniło się do obniżenia kosztów lub wzrostu przychodów/efektywności  produkcji i wytwarzania? (możliwość wielokrotnego wyboru)

Tutaj ankietowane firmy wskazały (co nie było dla nas zaskoczeniem) korzyści produkcyjne (52,8%) oraz działania operacyjne (45,8%). Wysoko na liście wskazań uplasowała się sprzedaż i marketing (29,2%) oraz działania serwisowe, które w głównej mierze związane są z utrzymaniem ruchu (22,8%). Podobnie jak w wypadku odpowiedzi związanych z obszarami wykorzystania sztucznej inteligencji, gdzie finanse uzyskały zero wskazań, tak w kategorii obniżenia kosztów systemy sztucznej inteligencji nie przyczyniły się do poprawy efektywności procedur zarządzania ryzykiem. Ciekawym spostrzeżeniem jest natomiast to, że mimo wszystko i tak technologia SI spowodowała poprawę strategii zarządzania produkcją, co przełożyło się na korzyści finansowe – taką odpowiedź wskazało 6,3% badanych firm.

W jakim celu na produkcji w Państwa firmie wdrożono system SI? 
(możliwość wielokrotnego wyboru)

Jeśli chodzi o cel wdrożenia, to kwerendowane przedsiębiorstwa wskazały, że podstawowymi priorytetami związanymi z implementacją przemysłowych systemów sztucznej inteligencji były optymalizacja oferowanych usług i serwisu produkowanych wyrobów oraz modernizacja procesów technologicznych – odpowiednio 38,5% oraz 33,4% wskazań. Istotne są też ulepszenia produktów, optymalizacja procesów logistycznych oraz automatyzacja obsługi klienta (po 28,1% wskazań). Zaskakującym wynikiem jest bardzo niska liczba wskazań dotyczących optymalizacji energetycznej i poprawy wydajności oraz przepustowości produkcji (7,1%). Zastanawiające jest tu to, że firmy, mimo rosnących cen mediów, nie widzą jeszcze potrzeby poprawy efektywności energetycznej swoich linii technologicznych.

Potencjał i obawy

Ostatni segment badań, z pytaniami zamkniętymi, a który to segment został uwzględniony w raporcie, to potencjał przemysłowej sztucznej inteligencji oraz związane z nią obawy.

Jakie obawy związane z rozwojem sztucznej inteligencji ma Państwa firma?
(możliwość wielokrotnego wyboru)

Jeśli chodzi o obawy, to tutaj ankietowane firmy wskazały, że obawiają się przede wszystkim błędnych lub niespełniających oczekiwań odpowiedzi (78,8%) oraz manipulowana informacją (48,3%). Wysoko na liście wskazań uplasowały się obawy związane z kontrolą społeczeństwa  (43,2%).
W odniesieniu do zagadnień zdefiniowanych bardziej pod kątem produkcyjno-przemysłowym i obszarów związanych z działalnością firm rozkład obaw przedstawiał się następująco:

Wskaż obszary produkcyjno-logistyczne, w których sztuczna inteligencja stwarza największe zagrożenia.
(możliwość wielokrotnego wyboru)

Największe obawy budzą aspekty prawne, związane z odpowiedzialnością za szkody wyrządzone przez sztuczną inteligencję (65,5% respondentów), możliwe braki kadrowe w obszarze wysoko wykwalifikowanych specjalistów w dziedzinie SI (53% wskazań) oraz zagadnienia związane z monopolizacją rynku przez firmy, które na masową skalę będą się wspierać sztuczną inteligencją (47,2%).

Odnośnie do największego potencjału rozwoju, jaki daje firmom technologia sztucznej inteligencji, to nasi respondenci wskazali następujące obszary rozwoju:

W jakich obszarach produkcyjno-logistycznych sztuczna inteligencja ma największy potencjał rozwoju?
(możliwość wielokrotnego wyboru)

Największy potencjał rozwoju ankietowani przez nas przedsiębiorcy i menedżerowie upatrują we wdrożeniach sztucznej inteligencji w automatyce przemysłowej i robotyce – aż 66,8%. Wysoko na tej liście znajdują się też planowanie produkcji (51,2%), uczenie maszynowe związane z procesami technologicznymi, planowanie stanów magazynowych oraz zarządzanie łańcuchami dostaw (odpowiednio 42,3% oraz 39,7%). Jak widać, dominują tu zagadnienia związane bezpośrednio z produkcją i logistyką. Przerwanie łańcuchów dostaw, z jakim mieliśmy do czynienia podczas pandemii, bardzo mocno odbiło się na kondycji firm produkcyjnych, stąd duże nadzieje na poprawę procesów zarządzania zapasami i transportem, w których upatruje się pole do popisu dla sztucznej inteligencji.  

Pytania otwarte

Oprócz pytań zamkniętych badanie objęło też szereg pytań otwartych. W ich wyniku uzyskaliśmy odpowiedzi, których nie dałoby się otrzymać w ramach pytań zamkniętych. Dzięki temu m.in. dowiedzieliśmy się, co nasi respondenci rozumieją pod pojęciem sztucznej inteligencji. Okazuje się, że dla większości badanych przez nas firm pojęcie „sztuczna inteligencja” oznacza komputerowe systemy, które potrafią samodzielnie – bez udziału człowieka – analizować dane i wyciągać na ich podstawie wnioski. Zgadza się to dość dobrze z definicją funkcjonującą w specjalistycznych opracowaniach dotyczących zagadnień wdrażania technologii SI. Dodatkowo respondenci wspierali się pojęciami automatyzacji i nadzoru nad procesami, choć te mogą, ale nie muszą być realizowane na podstawie algorytmów sztucznej inteligencji.
Ciekawie prezentuje się ocena własnej dojrzałości technologicznej firm. Badane przedsiębiorstwa na ogół oceniają siebie jako firmy dojrzałe. 20% firm oceniło swoją dojrzałość jako średnią lub przeciętną, a 10% przedsiębiorców zadeklarowało swoją dojrzałość na poziomie poniżej średniej lub wręcz jako niską – głównie ze względu na stosunkowo niedawne rozpoczęcie działalności.
Większość firm do zarządzania danymi zbieranymi z produkcji wykorzystuje odpowiednio przystosowane systemy informatyczne. Zdarzają się jednak firmy, w których wciąż króluje Excel, a nawet przedsiębiorstwa, w których dane zbierane są ręcznie. Koreluje to z odpowiedziami dotyczącymi planów wdrożenia sztucznej inteligencji lub z zakończeniem jej wdrażania. Wszędzie tam, gdzie dane produkcyjne są zbierane i przetwarzane w sposób automatyczny, tam widoczna jest potrzeba stosowania technologii sztucznej inteligencji. W przedsiębiorstwach przetwarzających dane w Excelu z reguły panuje przekonanie, że należy przyjrzeć się jeszcze rynkowi albo w ogóle nie ma planów związanych z wdrożeniem SI na produkcję.   

Najważniejsze wnioski wynikające z badania

1. 52,8% firm, które wzięły udział w naszym badaniu, nie wykorzystuje zalet sztucznej inteligencji.
2. Najwięcej przedsiębiorstw wykorzystuje przemysłową sztuczną inteligencję w produkcji (49%) oraz w utrzymaniu ruchu (27,4%).
3. 35% firm, które implementują obecnie rozwiązania SI w systemach przemysłowych, technologię tę wdraża jednocześnie w kilku działach.
4. 62% przedsiębiorstw swoje wdrożenia przemysłowych systemów AI przeprowadziło samodzielnie.
5. 53% badanych firm uważa, że największym problemem przy wdrożeniu jest brak odpowiednio wykwalifikowanej kadry.
6.  Do najważniejszych korzyści z wdrożenia systemu SI należą szybsze przygotowywanie raportów oraz większa produktywność pracowników (odpowiednio 39,5% oraz 37% wskazań).
7. Korzyści produkcyjne (52,1%) oraz działania operacyjne (45,8%) to największe benefity dla badanych firm, które wynikają z wdrożenia systemu SI.
8. 33,4% ankietowanych firm stwierdziło, że motywacją do wdrożenia systemu sztucznej inteligencji była konieczność modernizacji procesów technologicznych.
9. Największe obawy związane ze sztuczną inteligencją budzą aspekty prawne związane z odpowiedzialnością za szkody wyrządzone przez sztuczną inteligencję (65,5%) oraz braki kadrowe w obszarze wysoko wykwalifikowanych specjalistów w dziedzinie SI (53%).
10. Największy potencjał rozwoju upatrywany jest we wdrożeniach sztucznej inteligencji w automatyce przemysłowej i robotyce – 66,8% wskazań. 
     

LITERATURA
[1] Game-changing technologies: Transforming production and employment in Europe; Eurofound 2020; Office of the European Union, Luxembourg.
[2] Zastosowania sztucznej inteligencji w gospodarce. Przegląd wybranych inicjatyw i technologii z rekomendacjami dla przedsiębiorców, Raport tematyczny nr 3, Polska Agencja Rozwoju Przedsiębiorczości, Warszawa 2023.
[3] https://sedkomp.com.pl/blog-ekspercki/machine-learning-w-branzy-produkcyjnej/
[4] Materiały firmy IFM.
[5] https://www.fortunebusinessinsights.com/industry-reports/artificial-intelligence-market-100114
[6] Artificial Intelligence (AI) Market Size, Growth, Report By 2032, Precedence Research.