Γ.Δ.
1397.63 +0,94%
ACAG
-1,47%
5.37
BOCHGR
-1,13%
4.38
CENER
-2,14%
8.24
CNLCAP
-0,68%
7.25
DIMAND
-0,72%
8.3
NOVAL
-0,44%
2.275
OPTIMA
+1,27%
12.76
TITC
+4,36%
37.1
ΑΑΑΚ
0,00%
4.48
ΑΒΑΞ
+0,58%
1.378
ΑΒΕ
-1,09%
0.454
ΑΔΜΗΕ
+0,43%
2.35
ΑΚΡΙΤ
0,00%
0.685
ΑΛΜΥ
-0,95%
3.66
ΑΛΦΑ
+0,48%
1.5625
ΑΝΔΡΟ
0,00%
6.42
ΑΡΑΙΓ
+0,16%
9.445
ΑΣΚΟ
0,00%
2.54
ΑΣΤΑΚ
-3,09%
6.9
ΑΤΕΚ
0,00%
0.426
ΑΤΡΑΣΤ
0,00%
8.76
ΑΤΤ
-20,91%
0.59
ΑΤΤΙΚΑ
+3,88%
2.14
ΒΙΟ
+3,40%
5.17
ΒΙΟΚΑ
+1,16%
1.74
ΒΙΟΣΚ
+1,10%
1.375
ΒΙΟΤ
0,00%
0.294
ΒΙΣ
0,00%
0.144
ΒΟΣΥΣ
0,00%
2.04
ΓΕΒΚΑ
-0,38%
1.3
ΓΕΚΤΕΡΝΑ
+2,45%
17.58
ΔΑΑ
+2,33%
7.98
ΔΑΙΟΣ
0,00%
3.66
ΔΕΗ
+1,64%
11.75
ΔΟΜΙΚ
-0,72%
2.75
ΔΟΥΡΟ
0,00%
0.25
ΔΡΟΜΕ
+0,68%
0.296
ΕΒΡΟΦ
-2,47%
1.38
ΕΕΕ
+0,30%
33.1
ΕΚΤΕΡ
+2,30%
1.424
ΕΛΒΕ
-0,85%
4.66
ΕΛΙΝ
-0,51%
1.97
ΕΛΛ
+1,52%
13.35
ΕΛΛΑΚΤΩΡ
-1,46%
1.62
ΕΛΠΕ
+2,26%
6.8
ΕΛΣΤΡ
-1,94%
2.02
ΕΛΤΟΝ
-1,76%
1.788
ΕΛΧΑ
+9,36%
1.8
ΕΠΙΛΚ
0,00%
0.132
ΕΣΥΜΒ
+0,44%
1.13
ΕΤΕ
+0,29%
7.036
ΕΥΑΠΣ
+0,32%
3.13
ΕΥΔΑΠ
-0,35%
5.75
ΕΥΡΩΒ
+2,20%
2.04
ΕΧΑΕ
+3,36%
4.31
ΙΑΤΡ
0,00%
1.525
ΙΚΤΙΝ
-0,81%
0.3075
ΙΛΥΔΑ
+0,58%
1.745
ΙΝΚΑΤ
-1,68%
4.69
ΙΝΛΙΦ
+0,23%
4.29
ΙΝΛΟΤ
+0,69%
0.88
ΙΝΤΕΚ
+3,49%
5.64
ΙΝΤΕΡΚΟ
+1,65%
2.46
ΙΝΤΕΤ
+4,64%
1.015
ΙΝΤΚΑ
+3,35%
2.62
ΚΑΡΕΛ
-1,18%
336
ΚΕΚΡ
+3,08%
1.17
ΚΕΠΕΝ
0,00%
2.22
ΚΛΜ
+3,86%
1.48
ΚΟΡΔΕ
-3,42%
0.395
ΚΟΥΑΛ
-3,26%
1.01
ΚΟΥΕΣ
-0,71%
5.56
ΚΡΙ
+3,99%
14.35
ΚΤΗΛΑ
0,00%
1.7
ΚΥΡΙΟ
+4,77%
0.922
ΛΑΒΙ
+0,41%
0.726
ΛΑΜΔΑ
+2,82%
7.28
ΛΑΜΨΑ
0,00%
37.4
ΛΑΝΑΚ
0,00%
0.85
ΛΕΒΚ
0,00%
0.256
ΛΕΒΠ
0,00%
0.34
ΛΟΓΟΣ
+1,63%
1.25
ΛΟΥΛΗ
+1,86%
2.74
ΜΑΘΙΟ
0,00%
0.65
ΜΕΒΑ
0,00%
3.62
ΜΕΝΤΙ
-1,47%
2.01
ΜΕΡΚΟ
0,00%
41
ΜΙΓ
+2,54%
3.025
ΜΙΝ
0,00%
0.51
ΜΛΣ
0,00%
0.57
ΜΟΗ
+0,36%
19.32
ΜΟΝΤΑ
+7,65%
3.8
ΜΟΤΟ
+0,61%
2.465
ΜΟΥΖΚ
0,00%
0.65
ΜΠΕΛΑ
0,00%
24.2
ΜΠΛΕΚΕΔΡΟΣ
0,00%
3.69
ΜΠΡΙΚ
+0,97%
2.09
ΜΠΤΚ
0,00%
0.62
ΜΥΤΙΛ
+0,38%
31.4
ΝΑΚΑΣ
-4,58%
2.92
ΝΑΥΠ
-3,49%
0.83
ΞΥΛΚ
-0,39%
0.254
ΞΥΛΠ
0,00%
0.398
ΟΛΘ
+0,48%
20.8
ΟΛΠ
0,00%
30
ΟΛΥΜΠ
-0,86%
2.3
ΟΠΑΠ
+1,80%
15.3
ΟΡΙΛΙΝΑ
+1,41%
0.791
ΟΤΕ
+0,60%
15.01
ΟΤΟΕΛ
0,00%
10.24
ΠΑΙΡ
-0,20%
0.974
ΠΑΠ
-1,69%
2.33
ΠΕΙΡ
0,00%
3.63
ΠΕΡΦ
+4,14%
5.28
ΠΕΤΡΟ
-0,26%
7.78
ΠΛΑΘ
-0,88%
3.965
ΠΛΑΚΡ
0,00%
13.9
ΠΡΔ
0,00%
0.25
ΠΡΕΜΙΑ
-1,18%
1.172
ΠΡΟΝΤΕΑ
0,00%
6.2
ΠΡΟΦ
+2,00%
5.1
ΡΕΒΟΙΛ
0,00%
1.58
ΣΑΡ
+2,27%
10.82
ΣΑΡΑΝ
0,00%
1.07
ΣΑΤΟΚ
0,00%
0.028
ΣΕΝΤΡ
+0,61%
0.331
ΣΙΔΜΑ
-1,29%
1.53
ΣΠΕΙΣ
-0,71%
5.6
ΣΠΙ
-1,95%
0.504
ΣΠΥΡ
0,00%
0.127
ΤΕΝΕΡΓ
+0,20%
19.81
ΤΖΚΑ
-1,74%
1.41
ΤΡΑΣΤΟΡ
0,00%
1.06
ΤΡΕΣΤΑΤΕΣ
+0,62%
1.62
ΥΑΛΚΟ
0,00%
0.162
ΦΙΕΡ
0,00%
0.359
ΦΛΕΞΟ
0,00%
8
ΦΡΙΓΟ
-4,35%
0.22
ΦΡΛΚ
-0,14%
3.57
ΧΑΙΔΕ
+7,96%
0.61

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!