V niektorých odvetviach si môžete dovoliť testovať na okrajoch a môže to byť osvedčenou praxou. V priemyselnej výrobe to nie je možné – a ani osvedčené.
V rámci výskumu správy NTT DATA Globálna správa o umelej inteligencii 2026, ktorá zahŕňa 35 krajín, päť regiónov a 15 odvetví, sme zverejnili Globálnu správu o umelej inteligencii 2026 — Výroba a automobilový priemysel, ktorá odhaľuje, ako lídri v oblasti umelej inteligencie v týchto odvetviach pretavujú stratégiu do merateľného dopadu v oblasti vozidiel definovaných softvérom, strojárstva a inteligentnej výroby.
Naše údaje ukazujú, že lídri v oblasti umelej inteligencie – klasifikovaní na základe ich deklarovanej stratégie umelej inteligencie, úrovne jej zavádzania a dosiahnutých finančných výsledkov – s oveľa väčšou pravdepodobnosťou ako iné organizácie aplikujú umelú inteligenciu priamo na základné operácie. Viac ako 90 % z nich to už robí, v porovnaní s menej ako 70 % zaostávajúcich. Keďže väčšina podnikovej hodnoty v týchto odvetviach sa nachádza vo výrobe, dodávateľskom reťazci a prevádzke, bez aplikovania umelej inteligencie na tieto základné pracovné toky jednoducho nedosiahnete výrazný posun.
Inými slovami, efektívne organizácie sa menej zameriavajú na škálovanie umelej inteligencie a viac na hľadanie najproduktívnejších miest jej využitia.
PREČÍTAJTE SI TIEŽ - From software-defined to AI-native: Automotive's next operating model
Zameranie – nie rozsah – je miesto, kde umelá inteligencia začína prinášať výsledky
Lídri v oblasti umelej inteligencie v priemyselnej výrobe začínajú s malým počtom oblastí s vysokým dopadom, ako sú plánovanie výroby, kvalita, údržba a realizácia dodávateľského reťazca. V týchto oblastiach sa aj postupné zlepšenia premietajú do zmysluplných prínosov v oblasti priepustnosti, nákladov a spoľahlivosti.
Čo je dôležitejšie, neuplatňujú umelú inteligenciu ako vrstvu nad existujúcimi procesmi. Navrhujú pracovné toky od začiatku do konca – ide o nenápadný, no zásadný posun.
Naše údaje ukazujú, že 38,6 % lídrov – oproti iba 12 % zaostávajúcich – prebudováva základné systémy so zabudovanou umelou inteligenciou. Hoci automatizáciou jednotlivých krokov môžete dosiahnuť lokálne efektivity, zlepšenie výkonu na úrovni celého systému si vyžaduje prepracovanie celého toku.
Keď to urobíte, výsledky sa prejavia napríklad vo väčšej konzistentnosti rozhodovania vašej organizácie v oblasti kvality, plánovania a údržby. Zároveň ste lepšie pripravení reagovať v reálnom čase na problémy, ako sú prerušenia linky, zmeny dopytu alebo poruchy zariadení.
Umelá inteligencia od pilotných projektov k výrobe: Ako sa lídri odlišujú
Lídri sa rozhodne presúvajú z pilotných projektov do produkčných prostredí – čím mám na mysli, že umelú inteligenciu zabudovávajú priamo do prevádzkových systémov. Taktiež s väčšou pravdepodobnosťou investujú na základe skorých úspechov, čím vytvárajú efekt zotrvačníka, kde počiatočné výsledky ospravedlňujú ďalšie investície a urýchľujú pokrok.
Zaostávajúci naopak majú tendenciu zotrvávať v neproduktívnom cykle pilotných projektov a roztrieštenýchinitatív. Čakajú na lepšie dáta, väčšiu istotu alebo jasnejšie prípady použitia, čo často odkladá práve to presné učenie, ktoré je potrebné na to, aby bola umelá inteligencia efektívna vo väčšom meradle.
Prehodnotenie rizika: Rýchlosť s disciplínou
Ďalší rozdiel spočíva v tom, ako lídri uvažujú o riziku.
Existuje presvedčenie, že rýchlejší postup s umelou inteligenciou prináša väčšie riziko. Velmi často tomu tak môže byť. V priemyselnej výrobe však môže platiť aj opak – najmä pre lídrov v oblasti umelej inteligencie vo výrobe, ktorí zavčasu zavádzajú riadenie, záruky a vlastníctvo.
V bezpečnostne kritických prostrediach centralizované riadenie, jasná zodpovednosť a silnejšie prepojenie medzi iniciatívami umelej inteligencie a výsledkami na úrovni závodu umožňujú organizáciám škálovať umelú inteligenciu bez ohrozenia kontroly. Údaje skutočne ukazujú, že takmer dve tretiny lídrov majú zavedené centralizované modely riadenia.
K adopcii dochádza vtedy, keď prvá línia vidí hodnotu
Efektívni výrobcovia využívajú umelú inteligenciu na posilnenie skúsených inžinierov, operátorov a plánovačov. Tento prístup zlepšuje kvalitu rozhodovania a zároveň pevne udržiava ľudský faktor v procese – čo je dôležitejšie, než sa môže zdať.
Podľa mojich skúseností adopcia vychádza z dôvery a dôvera sa buduje vtedy, keď tímy prvej línie vnímajú umelú inteligenciu ako nástroj, ktorý im pomáha podávať lepší výkon, nie ako hrozbu pre ich pracovné miesta. To sa odráža aj v adopcii. Viac ako 80 % lídrov uvádza pozitívny postoj zamestnancov k umelej inteligencii – čo je takmer dvojnásobok v porovnaní so zaostávajúcimi.
Keď sa táto dôvera upevní, pokrok sa zrýchli. Začíname pozorovať posun od „push" k „pull". Tímy začínajú žiadať o viac prípadov použitia a investície sa ľahšie zdôvodňujú, keď sa buduje hybná sila zavádzania umelej inteligencie. Umelá inteligencia prestáva byť len iniciatívou a stáva sa súčasťou spôsobu, akým podnik funguje.
Širší záver je zrejmý: V priemyselnej výrobe sa líderstvo v oblasti umelej inteligencie rýchlo stáva neoddeliteľným od prevádzkového líderstva.
PREČÍTAJTE SI TIEŽ - The new automotive mandate: Embed AI throughout the value chain
ČO ROBIŤ ĎALEJ
Prečítajte si našu správu Globálna správa o umelej inteligencii 2026 — Výroba a automobilový priemysel a zistite viac o tom, ako lídri vo výrobe a automobilovom priemysle uvažujú o umelej inteligencii vrátane konkrétnych prevádzkových oblastí, modelov riadenia a investičných vzorov.