De Europese maakindustrie denkt in 2030 ruim 11 procent omzetgroei te realiseren door kunstmatige intelligentie (ai). Dat blijkt uit een onderzoek van HPE en Industry of Things Worlds, de grootste IoT-conferentie in Europa. Vooral van de mogelijkheden voor meer efficiëntie, flexibiliteit en differentiatie die ai biedt, verwacht de industrie veel.
Gemiddeld verwachten respondenten in 2030 een omzetstijging te noteren van 11,6 procent als gevolg van ai-adoptie. Daarnaast zien ze een potentiële margestijging van 10,4 procent. Bedrijven verwachten de mogelijke voordelen van ai in vrijwel alle onderdelen van de waardeketen, maar zien ook mogelijkheden voor differentiatie van bedrijfsproducten en -diensten. Deze verwachting wordt nog aangewakkerd door het hoge slagingspercentage van voltooide ai-projecten: 95 procent van de respondenten met geïmplementeerde ai-projecten zegt hun doelen te hebben behaald of zelfs overtroffen.
De meerderheid van de respondenten (61 procent) stelt bezig te zijn met kunstmatige intelligentie (ai), waarbij 11 procent de technologie zelfs volledig heeft geïmplementeerd in kernfuncties of activiteiten binnen het bedrijf. Bij 14 procent staat dit op de agenda voor de komende twaalf maanden en ruim een derde (36 procent) is bezig met de evaluatie van implementaties. De deelnemers aan het onderzoek denken de komende twaalf maanden gemiddeld 0,48 procent van hun omzet te investeren in ai. Dat is een aanzienlijk bedrag: in totaal spenderen bedrijven in de maakindustrie immers gemiddeld 1,95 procent aan it-uitgaven. In lijn met deze verwachting ziet twee derde van de respondenten ai niet als een ‘job killer’: zij verwachten dat de door ai overbodig gemaakte banen volledig gecompenseerd zullen worden door nieuwe banen die dankzij kunstmatige intelligentie worden gecreëerd.
Het onderzoek toont daarnaast dat industriële bedrijven toekomst zien in de implementatie van hybride architecturen, waarbij de ai-infrastructuur wordt verdeeld over de ‘industrial edge’, datacenters en de cloud. Dit zorgt dat realtimebeslissingen aan de ‘edge’ (rand van het netwerk), datacorrelatie en deep learning mogelijk worden op verschillende locaties.
Als grootste uitdaging voor het implementeren van ai-toepassingen noemde bijna de helft (47 procent) van de respondenten het gebrek aan datakwantiteit en -kwaliteit voor toepassing in ai-modellen. Een derde (34 procent) stelt dat een gebrek aan data governance of een enterprise data-architectuur een belemmering kan vormen. Een andere veelgenoemde uitdaging voor bredere ai-adoptie is het gebrek aan ai of analytische skills en kennis (42 procent).
