Endüstride yapay zekâ: Benimsenme hızı, sonuçların elde edilme hızını neden geride bırakıyor?

لم يكن معظم المصنعين بحاجة إلى دراسة جدوى لفهم تكلفة الصيانة التفاعلية. فقد كانوا يتحملونها لسنوات طويلة؛ من توقفات غير مخططة، ووقت إضافي للتعافي، وقطع غيار مستعجلة، والتآكل البطيء لثقة الجدولة وثقة العملاء. ما تغير هو توفر الحل. فقد انتقل yapay zeka في مجال الصيانة من كونه مجرد فكرة نظرية إلى حل قابل للتطبيق بسرعة كافية، مما جعل مبررات الاستثمار فيه واضحة بذاتها.

Parker Burke

رئيس شركة Fluke Corporation.

الالتزام الصناعي حقيقي، لكن النتائج لا تتحقق بالمعدل الذي توقعه أحد. فقد كشفت أبحاثنا الأخيرة أن حوالي 78% من جميع العوائق المبلغ عنها أمام التقدم تتعلق بالقوى العاملة. لقد تطور الوصول إلى الذكاء الاصطناعي بوتيرة أسرع من القدرة على استخدامه بانتظام. هذه الفجوة هي الآن المعوق الرئيسي، وتتطلب تحولاً في العقلية لا يقل أهمية عن التطور التقني.

الموجة الأولى أثبتت فعالية الأدوات، لا النموذج

يستثمر المصنعون في الذكاء الاصطناعي لتحسين الإنتاجية، ومع ذلك لا يزال الكثيرون يمارسون السلوكيات التي كان من المفترض أن تقللها الصيانة التنبؤية.

تُظهر الأبحاث أن تبني الصيانة التنبؤية قد تضاعف بأكثر من الضعف عامًا بعد عام، بينما ظلت الصيانة التفاعلية ثابتة. كما تراجعت الصيانة الاستباقية عامًا بعد عام. هذه التركيبة هي بيت القصيد: أساليب جديدة تدخل المصانع، لكنها لا تحل محل الأساليب القديمة بشكل كامل.

لا ينبغي قراءة هذا على أنه فشل. فقد تحركت المصانع لأسباب عملية، وقدمت التجارب الأولية أدلة مفيدة للفرق. يمكن للنموذج أن يعمل بشكل جيد على أصل معروف مع فريق متخصص حوله. لكن الاختبار الأصعب يأتي عندما يتعين على هذا النموذج دعم القرارات عبر نوبات العمل والمواقع ومستويات الخبرة المتفاوتة.

هنا كشفت الموجة الأولى عن المشكلة التالية. يمكن للتكنولوجيا أن تدخل الميزانية بسرعة. لكن عادات العمل، والثقة، وحقوق اتخاذ القرار، وثقة العاملين في الخطوط الأمامية تستغرق وقتًا أطول للتغيير.

استثمارات الذكاء الاصطناعي تنضج

تؤكد بيانات الميزانية أن القادة لا يتخلون عن الذكاء الاصطناعي؛ بل أصبحوا أكثر انتقائية بشأن المجالات التي يجب أن يثبت فيها جدارته. تتجه الاستثمارات بعيدًا عن الذكاء الاصطناعي الاستكشافي ونحو الأولويات التشغيلية، بما في ذلك الأمن السيبراني، وإدارة البيانات، والذكاء الاصطناعي التوليدي (Generative AI)، والذكاء الاصطناعي الصناعي (Industrial AI).

يعكس هذا التحول نظرة أكثر واقعية للنضج الرقمي. يحاول القادة جعل الذكاء الاصطناعي يعمل في المجالات التي تظهر فيها تكلفة التأخير، ووقت التوقف، والبيانات الرديئة بسرعة.

كما يعيد هذا التحول صياغة التوقعات حول Industry 5.0. فمع انتقال التكنولوجيا الصناعية من نموذج Industry 4.0 القائم على الأتمتة نحو نهج يركز بشكل أكبر على “الإنسان في الحلقة” (human-in-the-loop)، يبدو أن القادة يعيدون معايرة الجدول الزمني، حيث يتوقع 40% منهم الآن رحلة تستغرق من سنة إلى أربع سنوات.

أين يتوقف النموذج ويبدأ دور المشرف

من السهل تفسير نسبة 78% المتعلقة بعوائق القوى العاملة على أنها مجرد قصة نقص في الأيدي العاملة – أي عدد الموظفين، التوظيف، أو خطوط الإمداد. لكن الحقيقة هي أن الشركات تواجه نقصًا في الخبرة، وعجزًا في المعرفة، وفجوات في العمالة الماهرة، وقصورًا أوسع في قدرات القوى العاملة. مجتمعة، تصف هذه الفئات الأربع مشكلة أصعب في حلها من مجرد مشكلة توظيف. إنها تصف قدرة المؤسسة على استيعاب طريقة عمل مختلفة.

هذا نمط أسمعه باستمرار من العملاء: الأدوات موجودة، لكن الفرق العاملة لم تواكب التطور بعد. وقد أطلق الباحثان كوهين وليفينثال على هذه القدرة اسم: القدرة الاستيعابية (absorptive capacity).

ببساطة، هي مدى سرعة قدرة الشركة على التعرف على المعرفة الجديدة المفيدة، واستيعابها داخل المؤسسة، وتحويلها إلى نتائج عملية. في سياق الصيانة، تتمثل هذه النتائج في قرار يُتخذ تحت ظروف تشغيل حقيقية – بواسطة مشرف وردية ليلية يقيّم ما إذا كان خلل حالي يستدعي التدخل الفوري، أو يمكن أن ينتظر حتى التوقف المخطط التالي، أو ما إذا كان الخطر قد تجاوز الحدود بالفعل. يمكن للنموذج أن يشير إلى الخلل. لكنه لا يستطيع اتخاذ هذا القرار.

إن ما تتطلبه الصيانة التنبؤية والذكاء الاصطناعي فعليًا من القوى العاملة أصعب في التدريب من مجرد إتقان الأدوات. يحدد تقرير “مهارات الذكاء الاصطناعي للقوى العاملة في المملكة المتحدة” الصادر عن الحكومة البريطانية هذه الفجوة بمصطلحات ملموسة في قطاع التصنيع المتقدم.

إلى جانب المهارات التطبيقية التقنية مثل تدريب yapay zeka modelleri أو دمج تحليلات الوقت الفعلي، يشير التقرير إلى القدرة على تفسير مخرجات الذكاء الاصطناعي، وتكييف سير العمل بناءً على الرؤى الجديدة، وتوصيل التغييرات إلى فرق الخطوط الأمامية. هذه هي الكفاءات الأساسية التي تحدد ما إذا كان التنبيه سيؤدي إلى تغيير في السلوك أم سيتم تجاهله.

لهذا السبب، لا يمكن أن تُعامل قضية القوى العاملة كمسار عمل منفصل للموارد البشرية HR بجانب البرنامج التقني. إنها جزء من النظام الذي يحدد ما إذا كان الاستثمار سيتحول إلى تنفيذ أفضل. الذكاء الاصطناعي: إتقانه يتطلب تحولاً في العقلية لا التقنية وحدها. سيتم تحديد الجدول الزمني للصناعة 5.0 (Industry 5.0) بناءً على القدرات المتوفرة في أرض المصنع.

الاستثمار في التنبؤ، والدفع مقابل الاستجابة

تظهر التداعيات التجارية جلية في الفجوة بين حجم الإنفاق والعائد المحقق. فبينما يتزايد تبني الحلول التنبؤية ويُخصص المزيد من رأس المال لها، لم يتغير الوضع الأساسي للتعامل التفاعلي مع المشكلات. تعمل العديد من المنشآت بأسلوبين تشغيليين في آن واحد؛ فهي تستثمر في التنفيذ القائم على البيانات، بينما لا تزال تخسر الوقت في مواجهة المشكلات الطارئة التي كان يمكن تجنبها.

لهذا الانقسام تكلفة باهظة. فوفقًا لدراسة “التكلفة الحقيقية للتوقف” لعام 2024 من Siemens، تبلغ خسائر التوقف غير المخطط له لأكبر 500 شركة في العالم 1.4 تريليون دولار سنويًا، وهو ما يمثل 11% من إجمالي إيراداتها. يعكس هذا الرقم ما يحدث عندما يكون التحول من النهج التفاعلي إلى التنبؤي غير مكتمل؛ فالاستثمار موجود، لكن التنفيذ اليومي لم يواكب هذا التحول بشكل كامل. إن سد فجوة المساءلة أمر بالغ الأهمية لضمان تحقيق العائد.

عندما تستمر هذه الفجوة، يتأخر عائد الاستثمار في الإنفاق على التكنولوجيا ويصل بشكل غير متساوٍ. تمتد الجداول الزمنية، وتتراجع الثقة في تحقيق النتائج المرجوة.

مكمن تحقيق العائد الحقيقي

يجب أن يمتد الانضباط المطبق حاليًا على الأدوات والمنصات ليشمل الأشخاص والإجراءات المحيطة بها. فبالنسبة للعديد من المؤسسات، هذا هو الجانب الذي يُهدر فيه العائد الحقيقي.

ينبغي على القادة البدء بتلك الأجزاء من العمليات التي تكون فيها القدرات أكثر هشاشة. ما هي الأصول التي لا تزال تعتمد على فني أو اثنين من ذوي الخبرة لتفسير ما يجري؟ ما هي سجلات العمل التي تفتقر إلى التفاصيل الكافية لدعم التشخيصات المستقبلية؟ ما هي التنبيهات التي تحفز إجراءات واثقة، وأيها تبقى معلقة في طي النسيان حتى يتواجد الشخص المناسب في نوبته؟

تكشف هذه الأسئلة ما إذا كانت الصيانة التنبؤية قد أصبحت جزءًا لا يتجزأ من التنفيذ، أم أنها لا تزال مجرد طبقة إضافية فوق العادات التفاعلية القديمة.

يجب توثيق الخبرات والمعارف التي لا تزال حبيسة أذهان الموظفين قبل أن تغادر المؤسسة. اجعل سجلات العمل شاملة بما يكفي لمساعدة الفنيين اللاحقين. درب المشغلين وفرق الصيانة على فهم دلالات التنبيهات التنبؤية، وتحديد الأدلة التي تستدعي اتخاذ إجراء، ومعرفة متى يجب تصعيد المشكلات. صمم سير العمل بحيث يصبح التصرف بناءً على الرؤى المستنيرة هو المسار الطبيعي، وليس مجرد جهد استثنائي، فـ إتقان الذكاء الاصطناعي يتطلب تحولاً في العقلية. كما أن فهم الوظائف الأكثر عرضة للاستبدال بالذكاء الاصطناعي يساعد في توجيه جهود التدريب.

تدعم الموثوقية المتصلة هذا التنفيذ عندما تظل متجذرة في صميم العمل، وذلك عبر ربط بيانات الأصول، وسجل الصيانة، والخبرة المباشرة للعاملين، لتمكين الفرق من اتخاذ قرارات متسقة وقابلة للتكرار عبر مختلف النوبات والمواقع.

تؤكد أبحاثنا هذا التوجه: حيث يخطط ما يقرب من نصف المستجيبين لتطوير مبادرات الموثوقية المتصلة خلال الاثني عشر شهرًا القادمة، معتبرين الموثوقية جسرًا عمليًا يربط بين الاحتياجات التشغيلية قصيرة المدى والطموحات الاستراتيجية طويلة المدى.

الرسالة الموجهة لقادة التصنيع واضحة ومباشرة: يجب تدقيق القدرات البشرية والتشغيلية بنفس الجدية التي يُدقق بها الإنفاق على التكنولوجيا. لا تتوقف عند السؤال عن أنواع الذكاء الاصطناعي التي تم نشرها، بل اسأل: من يستطيع التصرف بناءً عليها؟ أين تتباطأ عملية اتخاذ القرارات؟ ما هي المعارف غير الموثقة؟ وأي سير عمل لا يزال يدفع الفرق نحو الاستجابة التفاعلية للمشكلات؟

لقد عرضنا أفضل أداة ذكاء اصطناعي.

تم إعداد هذا المقال ضمن TechRadar Profesyonel Bakış Açıları، وهي منصتنا المخصصة لاستعراض أبرز العقول وأكثرها إشراقًا في صناعة التكنولوجيا اليوم.

تعبر الآراء الواردة هنا عن وجهة نظر الكاتب ولا تمثل بالضرورة رأي TechRadarPro أو Future plc. لمن يرغب في المساهمة، يمكنه معرفة المزيد هنا: https://www.techradar.com/pro/perspectives-how-to-submit