L’ AI generativa è cresciuta a un ritmo significativo, con importanti aziende tecnologiche come Microsoft che quest’anno hanno investito 10 miliardi di dollari in OpenAI.
L’entusiasmo per l’intelligenza artificiale generativa nella produzione deriva dalla creazione di potenziali casi d’uso, dal passaggio dalla creazione di nuovi progetti alla revisione finale di interi processi di produzione. Secondo la società globale di ricerca tecnologica ABI Research, i produttori si possono aspettare che gli investimenti in intelligenza artificiale generativa portino ricavi aggiuntivi con un picco significativo di 4,4 miliardi di dollari tra il 2026 e il 2029.
Entro il 2033, i ricavi aggiunti derivanti dall’uso dell’intelligenza artificiale generativa in produzione raggiungeranno i 10,5 miliardi di dollari.
“L’ AI generativa ha una crescita che deriverà dalle maggiori funzionalità e dai casi d’uso nei mercati verticali. L’implementazione dell’intelligenza artificiale generativa avverrà in tre ondate man mano che la tecnologia maturerà, con il settore manifatturiero che vedrà la maggiore crescita dei ricavi durante la seconda e la terza ondata.
Durante la seconda e la terza ondata di adozione, l’intelligenza artificiale generativa sarà implementata in 4 ambiti della produzione: progettazione, ingegneria, produzione e operazioni”, spiega James Iversen, analista specializzato in industria manifatturiera e industriale presso ABI Research.
Nel campo della progettazione vedremo l’implementazione più rapida a livello mainstream, con casi d’uso relativi alla progettazione generativa e alla ottimizzazione di MBOM (distinta dei materiali di produzione) ed EBOM (distinta dei materiali elettrici), con offerta di soluzioni già esistenti da parte di aziende come Siemens e Microsoft.
I casi d’uso nel campo dell’ingegneria, della produzione e delle operations richiederanno più tempo e una maggiore maturità da parte dei fornitori di AI generativa a causa della complessità delle attività e della formazione dei modelli richiesta.
I casi d’uso dell’intelligenza artificiale generativa nel settore manifatturiero possono essere confrontati esaminando il TTV (time to value) e il ROI (ritorno sull’investimento) previsti. Per i 4 ambiti precedentemente considerati, i migliori risultati saranno relativi a:
- Progettazione: progettazione generativa, consolidamento delle parti
- Ingegneria: ottimizzazione del percorso utensile, annidamento delle parti
- Produzione: analisi delle cause profonde della qualità del prodotto, correzione del codice software difettoso
- Operations: gestione delle scorte di magazzino e del periodo di acquisto, ottimizzazione del percorso di lavoro dei dipendenti
Sia i produttori che i fornitori di software di produzione dovrebbero dare la priorità ai casi d’uso con le migliori prestazioni, poiché producono i rendimenti più elevati e possono essere facilmente realizzati con le capacità di intelligenza artificiale generativa esistenti. “Partendo da zero, l’implementazione di questi casi d’uso getterà le basi per casi d’uso più estesi. È importante non affrettarsi e sviluppare casi d’uso con funzionalità troppo complesse, che vedono un’implementazione limitata, poiché sarà necessario creare fiducia nell’ AI generativa prima di rivedere porzioni significative delle attuali attività di produzione”, consiglia Iversen.
I produttori e i fornitori di software di produzione che stanno avviando casi d’uso con l’aiuto di società che si occupano di intelligenza artificiale generativa, come Celect di Nike, Gradio, OpenAI, Retrocausal, Work Metrics e Zapata AI, sono BMW, Boeing, ByteLAKE, General Motors, Markforged, Nike, Nvidia e SprutCAM X.
Questi i risultati emersi dal rapporto Generative AI Use Cases in Manufacturing di ABI Research.