Γ.Δ.
1423.56 +1,17%
ACAG
+1,72%
5.9
CENER
+1,02%
9.9
CNLCAP
0,00%
7.4
DIMAND
0,00%
8.5
NOVAL
-0,02%
2.7195
OPTIMA
-0,50%
11.84
TITC
+0,87%
28.9
ΑΑΑΚ
0,00%
6.45
ΑΒΑΞ
+1,42%
1.426
ΑΒΕ
+2,49%
0.453
ΑΔΜΗΕ
0,00%
2.235
ΑΚΡΙΤ
+20,55%
0.88
ΑΛΜΥ
+0,19%
2.665
ΑΛΦΑ
+3,21%
1.61
ΑΝΔΡΟ
+0,62%
6.46
ΑΡΑΙΓ
+2,31%
11.52
ΑΣΚΟ
+1,02%
2.98
ΑΣΤΑΚ
+0,90%
6.7
ΑΤΕΚ
0,00%
0.418
ΑΤΡΑΣΤ
+0,24%
8.5
ΑΤΤ
+0,45%
11.05
ΑΤΤΙΚΑ
+7,92%
2.59
ΒΑΡΝΗ
0,00%
0.24
ΒΙΟ
+3,49%
5.93
ΒΙΟΚΑ
-1,21%
2.45
ΒΙΟΣΚ
+0,39%
1.295
ΒΙΟΤ
0,00%
0.232
ΒΙΣ
0,00%
0.142
ΒΟΣΥΣ
-4,00%
2.4
ΓΕΒΚΑ
0,00%
1.47
ΓΕΚΤΕΡΝΑ
+1,22%
16.6
ΔΑΑ
+0,57%
7.76
ΔΑΙΟΣ
0,00%
3.32
ΔΕΗ
+1,25%
11.32
ΔΟΜΙΚ
-1,30%
3.81
ΔΟΥΡΟ
0,00%
0.25
ΔΡΟΜΕ
-1,52%
0.323
ΕΒΡΟΦ
+1,69%
1.505
ΕΕΕ
+1,59%
32
ΕΚΤΕΡ
+0,12%
4.205
ΕΛΒΕ
0,00%
5
ΕΛΙΝ
+2,68%
2.3
ΕΛΛ
0,00%
13.35
ΕΛΛΑΚΤΩΡ
+2,01%
2.54
ΕΛΠΕ
+0,13%
7.85
ΕΛΣΤΡ
+2,84%
2.17
ΕΛΤΟΝ
-0,59%
1.686
ΕΛΧΑ
+0,54%
1.87
ΕΝΤΕΡ
-1,26%
7.85
ΕΠΙΛΚ
0,00%
0.13
ΕΠΣΙΛ
0,00%
12
ΕΣΥΜΒ
+0,79%
1.27
ΕΤΕ
+1,07%
7.78
ΕΥΑΠΣ
+0,65%
3.1
ΕΥΔΑΠ
+0,18%
5.42
ΕΥΡΩΒ
-0,72%
2.055
ΕΧΑΕ
-1,86%
4.755
ΙΑΤΡ
0,00%
1.53
ΙΚΤΙΝ
0,00%
0.36
ΙΛΥΔΑ
+0,87%
1.74
ΙΝΚΑΤ
+0,40%
5.06
ΙΝΛΙΦ
-0,42%
4.73
ΙΝΛΟΤ
+3,27%
1.2
ΙΝΤΕΚ
+0,54%
5.55
ΙΝΤΕΡΚΟ
+0,83%
2.42
ΙΝΤΕΤ
+3,29%
1.255
ΙΝΤΚΑ
+2,94%
3.325
ΚΑΡΕΛ
0,00%
338
ΚΕΚΡ
-1,10%
1.35
ΚΕΠΕΝ
0,00%
1.82
ΚΛΜ
-2,48%
1.57
ΚΟΡΔΕ
+0,63%
0.479
ΚΟΥΑΛ
-1,30%
1.214
ΚΟΥΕΣ
+0,38%
5.28
ΚΡΕΚΑ
0,00%
0.28
ΚΡΙ
+1,78%
11.45
ΚΤΗΛΑ
0,00%
1.8
ΚΥΡΙΟ
+1,79%
1.14
ΛΑΒΙ
-0,35%
0.859
ΛΑΜΔΑ
+2,37%
6.9
ΛΑΜΨΑ
0,00%
36
ΛΑΝΑΚ
+2,17%
0.94
ΛΕΒΚ
0,00%
0.296
ΛΕΒΠ
+2,14%
0.286
ΛΙΒΑΝ
0,00%
0.125
ΛΟΓΟΣ
+0,72%
1.4
ΛΟΥΛΗ
-3,35%
2.6
ΜΑΘΙΟ
0,00%
0.812
ΜΕΒΑ
+1,79%
3.99
ΜΕΝΤΙ
-1,11%
2.67
ΜΕΡΚΟ
0,00%
40.8
ΜΙΓ
+0,28%
3.63
ΜΙΝ
-7,58%
0.61
ΜΛΣ
0,00%
0.57
ΜΟΗ
-0,26%
23
ΜΟΝΤΑ
+5,16%
3.26
ΜΟΤΟ
+0,74%
2.725
ΜΟΥΖΚ
-2,17%
0.675
ΜΠΕΛΑ
+1,42%
27.1
ΜΠΛΕΚΕΔΡΟΣ
0,00%
3.43
ΜΠΡΙΚ
+1,35%
1.875
ΜΠΤΚ
0,00%
0.58
ΜΥΤΙΛ
+2,65%
36.4
ΝΑΚΑΣ
0,00%
2.64
ΝΑΥΠ
+1,08%
0.94
ΞΥΛΚ
+0,77%
0.262
ΞΥΛΠ
+7,36%
0.496
ΟΛΘ
+1,95%
20.9
ΟΛΠ
0,00%
25.3
ΟΛΥΜΠ
-0,81%
2.46
ΟΠΑΠ
+0,89%
14.8
ΟΡΙΛΙΝΑ
-0,89%
0.894
ΟΤΕ
+1,77%
13.8
ΟΤΟΕΛ
+0,70%
11.48
ΠΑΙΡ
+5,12%
1.13
ΠΑΠ
+1,22%
2.48
ΠΕΙΡ
+2,10%
3.592
ΠΕΤΡΟ
+2,45%
8.38
ΠΛΑΘ
+0,26%
3.825
ΠΛΑΚΡ
0,00%
14.9
ΠΡΔ
0,00%
0.26
ΠΡΕΜΙΑ
+1,25%
1.136
ΠΡΟΝΤΕΑ
-9,87%
6.85
ΠΡΟΦ
+2,43%
4.645
ΡΕΒΟΙΛ
0,00%
2
ΣΑΡ
-2,68%
10.9
ΣΑΡΑΝ
0,00%
1.07
ΣΑΤΟΚ
0,00%
0.034
ΣΕΝΤΡ
0,00%
0.339
ΣΙΔΜΑ
+0,32%
1.56
ΣΠΕΙΣ
0,00%
6.54
ΣΠΙ
+3,18%
0.648
ΣΠΥΡ
0,00%
0.155
ΤΕΝΕΡΓ
+0,97%
19.7
ΤΖΚΑ
+7,19%
1.49
ΤΡΑΣΤΟΡ
+5,26%
1.2
ΤΡΕΣΤΑΤΕΣ
+1,49%
1.636
ΥΑΛΚΟ
0,00%
0.162
ΦΙΕΡ
0,00%
0.359
ΦΛΕΞΟ
0,00%
8.05
ΦΡΙΓΟ
-3,36%
0.23
ΦΡΛΚ
+0,78%
3.9
ΧΑΙΔΕ
-2,27%
0.645

McKinsey: Τι κερδίζει η βιομηχανία από την τεχνητή νοημοσύνη;

Η τεχνητή νοημοσύνη δημιουργεί αξία για τις προηγμένες βιομηχανικές εταιρείες, σύμφωνα με έρευνα της εταιρείας συμβούλων McKinsey για τον ρόλο που διαδραματίζει στην βιομηχανία. Ωστόσο σύμφωνα με την έρευνα πολλά στελέχη επιχειρήσεων, δεν είναι σίγουρα για το πού πρέπει να εφαρμόσουν τις λύσεις της τεχνητής νοημοσύνης. Mε  αποτέλεσμα τους αργούς ρυθμούς υιοθέτησης, καθώς πολλές εταιρείες να βρίσκονται σε κατάσταση αναμονής. Τα στελέχη θα πρέπει να ορίσουν μια συνολική κατεύθυνση και στη συνέχεια να εστιάσουν την προσοχή τους, σε τομείς στους οποίους η τεχνητή νοημοσύνη μπορεί να λύσει συγκεκριμένα επιχειρηματικά προβλήματα, σύμφωνα με την έρευνα.

Η τεχνητή νοημοσύνη είναι η ικανότητα μιας μηχανής να εκτελεί γνωστικές λειτουργίες που συνήθως συνδέονται με το ανθρώπινο μυαλό, όπως η αντίληψη, η λογική, η μάθηση, η αλληλεπίδραση με το περιβάλλον και η επίλυση προβλημάτων. Ένας τομέας στον οποίο δημιουργεί αξία για τους βιομηχανικούς κλάδους είναι η ενίσχυση των ικανοτήτων των επιστημόνων, και ιδιαίτερα των μηχανικών. Στον πυρήνα τους, τέτοιες εφαρμογές αξιοποιούν τις προγνωστικές δυνατότητες της τεχνητής νοημοσύνης. Οι εταιρείες μαθαίνουν να αναδιατυπώνουν τα παραδοσιακά επιχειρηματικά ζητήματα σε προβλήματα στα οποία η τεχνητή νοημοσύνη μπορεί να χρησιμοποιήσει αλγόριθμους μηχανικής μάθησης, για να επεξεργάζεται δεδομένα και εμπειρίες, να ανιχνεύει μοτίβα και να κάνει συστάσεις.

Καθώς οι εταιρείες ανακάμπτουν από την πανδημία, η έρευνα της McKinsey δείχνει ότι το ταλέντο, η ανθεκτικότητα, η τεχνολογική ενεργοποίηση σε όλους τους τομείς και η οργανική ανάπτυξη είναι οι κορυφαίες προτεραιότητές τους. 

Αντί να εξετάζουν συνεχώς πιθανές εφαρμογές, τα στελέχη θα πρέπει να ορίσουν μια συνολική κατεύθυνση και οδικό χάρτη και στη συνέχεια να εστιάσουν την προσοχή τους, σε τομείς στους οποίους η τεχνητή νοημοσύνη μπορεί να λύσει συγκεκριμένα επιχειρηματικά προβλήματα και να δημιουργήσει  απτή αξία. Ως πρώτο βήμα, τα στελέχη της Βιομηχανίας, θα μπορούσαν να κατανοήσουν καλύτερα την τεχνολογία της τεχνητής νοημοσύνης και τον τρόπο με τον οποίο μπορεί αυτή να χρησιμοποιηθεί για την επίλυση συγκεκριμένων επιχειρηματικών προβλημάτων. Στη συνέχεια, θα είναι σε καλύτερη θέση  να αρχίσουν να πειραματίζονται με νέες εφαρμογές. 

Μερικές από τις πιο δύσκολες προκλήσεις για τις βιομηχανικές εταιρείες, είναι ο προγραμματισμός σύνθετων γραμμών παραγωγής, η μεγιστοποίηση της απόδοσης με παράλληλη ελαχιστοποίηση του κόστους μετάβασης και η διασφάλιση της έγκαιρης παράδοσης των προϊόντων στους πελάτες τους. Η τεχνητή νοημοσύνη, μπορεί να βοηθήσει μέσω της ικανότητάς της να εξετάζει ταυτόχρονα ένα πλήθος μεταβλητών για να προσδιορίσει τη βέλτιστη λύση. Για παράδειγμα, σε ένα εργοστάσιο επεξεργασίας μετάλλων, ένα πρόγραμμα τεχνητής νοημοσύνης  μπόρεσε να μειώσει τα ελαττωματικά  προϊόντα κατά 20 έως 40 %, βελτιώνοντας σημαντικά την έγκαιρη παράδοση των προϊόντων της εταιρείας προς τους πελάτες της. 

Οι βιομηχανικές εταιρείες χτίζουν τη φήμη τους με βάση την ποιότητα των προϊόντων τους και η καινοτομία είναι το κλειδί για τη συνεχή ανάπτυξη. Οι κερδισμένες εταιρείες από την τεχνητή νοημοσύνη, είναι σε θέση να κατανοήσουν γρήγορα τις βαθύτερες αιτίες διαφορετικών προβλημάτων προϊόντων, να τα λύσουν και να ενσωματώσουν αυτές τις γνώσεις στο μέλλον. Το τεχνητή νοημοσύνη μπορεί να επιταχύνει ραγδαία αυτή τη διαδικασία.

Δεδομένου ότι έχει σημειωθεί έκρηξη  πολυπλοκότητας των προϊόντων και των συνθηκών λειτουργίας, οι μηχανικοί αγωνίζονται να εντοπίσουν τις βασικές αιτίες και να βρουν λύσεις. Ως αποτέλεσμα, οι εταιρείες εξαρτώνται σε μεγάλο βαθμό από τον εντοπισμό των κατάλληλων προτύπων τεχνητής νοημοσύνης από έμπειρους μηχανικούς και ξοδεύουν πολύ χρόνο προσπαθώντας να επαναδιατυπώσουν τα προβλήματα σε περιβάλλον εργαστηρίου, σε μια προσπάθεια να φτάσουν στη βασική αιτία.

Συμπερασματικά, η  τεχνητή νοημοσύνη βρίσκεται ακόμη σε σχετικά πρώιμα στάδια ανάπτυξης και είναι έτοιμη να αναπτυχθεί γρήγορα και να διαταράξει τις παραδοσιακές προσεγγίσεις επίλυσης προβλημάτων στις βιομηχανικές εταιρείες. Οι περιπτώσεις χρήσης τεχνητής νοημοσύνης μέχρι τώρα,  βοηθούν στην επίδειξη  συγκεκριμένων εφαρμογών και της απτής αξίας τους. Πειραματιζόμενοι με εφαρμογές τεχνητής νοημοσύνης τώρα, οι βιομηχανικές εταιρείες μπορούν να βρίσκονται σε καλή θέση για να δημιουργήσουν τεράστια αξία τα επόμενα χρόνια.

Google News icon
Ακολουθήστε το Powergame.gr στο Google News για άμεση και έγκυρη οικονομική ενημέρωση!