Γ.Δ.
1618.16 +0,04%
ACAG
-0,32%
6.16
AEM
+0,35%
4.545
AKTR
-0,55%
5.45
BOCHGR
-1,11%
5.34
CENER
+0,32%
9.5
CNLCAP
0,00%
7.25
DIMAND
+0,49%
8.24
EVR
+0,58%
1.745
NOVAL
+0,20%
2.54
OPTIMA
-0,43%
14.04
TITC
-0,83%
41.65
ΑΑΑΚ
0,00%
5
ΑΒΑΞ
+2,27%
2.25
ΑΒΕ
-3,60%
0.429
ΑΔΜΗΕ
-0,18%
2.815
ΑΚΡΙΤ
0,00%
0.75
ΑΛΜΥ
+1,29%
4.31
ΑΛΦΑ
+1,34%
1.89
ΑΝΔΡΟ
-0,31%
6.5
ΑΡΑΙΓ
+1,51%
11.4
ΑΣΚΟ
+0,63%
3.22
ΑΣΤΑΚ
-0,27%
7.28
ΑΤΕΚ
+2,72%
1.51
ΑΤΡΑΣΤ
0,00%
8.68
ΑΤΤ
-0,57%
0.698
ΑΤΤΙΚΑ
-1,64%
2.4
ΒΙΟ
-0,17%
5.83
ΒΙΟΚΑ
-0,26%
1.925
ΒΙΟΣΚ
-0,64%
1.55
ΒΙΟΤ
0,00%
0.27
ΒΙΣ
0,00%
0.144
ΒΟΣΥΣ
+3,33%
2.48
ΓΕΒΚΑ
-0,63%
1.57
ΓΕΚΤΕΡΝΑ
0,00%
18.9
ΔΑΑ
-1,05%
8.312
ΔΑΙΟΣ
0,00%
3.42
ΔΕΗ
-0,67%
13.33
ΔΟΜΙΚ
-0,35%
2.82
ΔΟΥΡΟ
0,00%
0.25
ΔΡΟΜΕ
+4,11%
0.38
ΕΒΡΟΦ
+1,30%
1.955
ΕΕΕ
-0,76%
39.2
ΕΚΤΕΡ
-3,96%
2.06
ΕΛΒΕ
+2,80%
5.5
ΕΛΙΝ
-0,91%
2.18
ΕΛΛ
-1,33%
14.8
ΕΛΛΑΚΤΩΡ
-2,37%
2.265
ΕΛΠΕ
+0,82%
8.04
ΕΛΣΤΡ
+2,11%
2.42
ΕΛΤΟΝ
+0,87%
1.858
ΕΛΧΑ
-0,46%
2.165
ΕΠΙΛΚ
0,00%
0.132
ΕΣΥΜΒ
-1,75%
1.125
ΕΤΕ
+1,50%
8.648
ΕΥΑΠΣ
+0,29%
3.45
ΕΥΔΑΠ
+0,33%
6.06
ΕΥΡΩΒ
-0,72%
2.484
ΕΧΑΕ
-1,00%
4.95
ΙΑΤΡ
-0,49%
2.05
ΙΚΤΙΝ
-1,10%
0.36
ΙΛΥΔΑ
+0,86%
1.765
ΙΝΛΙΦ
-0,21%
4.85
ΙΝΛΟΤ
-1,65%
1.072
ΙΝΤΕΚ
0,00%
5.9
ΙΝΤΕΤ
-2,18%
1.12
ΙΝΤΚΑ
-1,52%
3.23
ΚΑΡΕΛ
0,00%
326
ΚΕΚΡ
-3,41%
1.275
ΚΕΠΕΝ
0,00%
1.94
ΚΟΡΔΕ
+1,77%
0.459
ΚΟΥΑΛ
-1,95%
1.31
ΚΟΥΕΣ
+0,64%
6.3
ΚΡΙ
-0,60%
16.5
ΚΤΗΛΑ
-1,00%
1.98
ΚΥΡΙΟ
+0,49%
1.02
ΛΑΒΙ
-0,73%
0.812
ΛΑΜΔΑ
-0,14%
6.99
ΛΑΜΨΑ
0,00%
37
ΛΑΝΑΚ
+4,76%
1.1
ΛΕΒΚ
0,00%
0.23
ΛΕΒΠ
+4,42%
0.236
ΛΟΓΟΣ
0,00%
1.75
ΛΟΥΛΗ
-0,29%
3.4
ΜΑΘΙΟ
0,00%
0.802
ΜΕΒΑ
+1,53%
3.98
ΜΕΝΤΙ
-2,17%
2.25
ΜΕΡΚΟ
+3,13%
39.6
ΜΙΓ
0,00%
2.865
ΜΙΝ
0,00%
0.492
ΜΟΗ
+0,36%
22.4
ΜΟΝΤΑ
-0,53%
3.78
ΜΟΤΟ
-0,18%
2.825
ΜΟΥΖΚ
0,00%
0.63
ΜΠΕΛΑ
+0,36%
27.94
ΜΠΛΕΚΕΔΡΟΣ
0,00%
3.81
ΜΠΡΙΚ
-0,82%
2.42
ΜΠΤΚ
+5,13%
0.615
ΜΥΤΙΛ
+1,71%
36.96
ΝΑΚΑΣ
-1,88%
3.14
ΝΑΥΠ
+0,49%
0.828
ΞΥΛΚ
-1,87%
0.262
ΞΥΛΠ
+10,00%
0.396
ΟΛΘ
+1,79%
28.5
ΟΛΠ
+1,36%
33.65
ΟΛΥΜΠ
0,00%
2.6
ΟΠΑΠ
-1,44%
17.14
ΟΡΙΛΙΝΑ
-1,23%
0.8
ΟΤΕ
-0,40%
15
ΟΤΟΕΛ
-0,36%
11.06
ΠΑΙΡ
-4,29%
1.005
ΠΑΠ
-1,14%
2.61
ΠΕΙΡ
+1,26%
4.808
ΠΕΡΦ
-1,28%
5.4
ΠΕΤΡΟ
-0,99%
8
ΠΛΑΘ
-0,25%
4.05
ΠΛΑΚΡ
0,00%
15.2
ΠΡΔ
-0,76%
0.262
ΠΡΕΜΙΑ
-0,16%
1.28
ΠΡΟΝΤΕΑ
-4,10%
5.85
ΠΡΟΦ
+1,74%
5.27
ΡΕΒΟΙΛ
-0,28%
1.755
ΣΑΡ
-1,72%
12.58
ΣΑΡΑΝ
0,00%
1.07
ΣΑΤΟΚ
0,00%
0.028
ΣΕΝΤΡ
0,00%
0.354
ΣΙΔΜΑ
-0,63%
1.565
ΣΠΕΙΣ
-1,40%
5.64
ΣΠΙ
+4,65%
0.63
ΣΠΥΡ
0,00%
0.151
ΤΕΝΕΡΓ
0,00%
20
ΤΖΚΑ
0,00%
1.48
ΤΡΑΣΤΟΡ
0,00%
1.3
ΤΡΕΣΤΑΤΕΣ
-0,95%
1.662
ΥΑΛΚΟ
0,00%
0.162
ΦΛΕΞΟ
0,00%
7.7
ΦΡΙΓΟ
+9,17%
0.238
ΦΡΛΚ
-1,27%
4.28
ΧΑΙΔΕ
+1,27%
0.8

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!