维度网讯， 过去三年，人工智能技术已广泛渗透到各个工业领域，但行动最迅速的企业并非传统巨头。根据行业专家观点，真正能从人工智能中获得价值的制造商，是那些从关注“人工智能项目”转向注重数据战略的企业。

雪花数据公司Snowflake产品总监杰夫·霍兰表示：“没有数据战略，就没有人工智能战略。我们必须确保为组织准备好数据中的所有正确背景。”霍兰在与部署人工智能的关键技术任务客户合作一年多后得出了这一结论。

代理式人工智能系统的效能高度依赖于背景信息。公共大语言模型虽能处理常规任务，却难以回答生产工程师或工厂经理关心的具体问题。霍兰指出：“一旦涉及专业工作，大语言模型的价值就显著下降。它们缺乏正确背景，无法构建所需部分。”

制造商面临的挑战在于数据分散问题。模型表现直接与组织集中化和标准化数据基础的能力挂钩，这对拥有制造执行系统、企业资源规划、传感器和质量数据的企业尤为重要。

尽管预期受严格监管行业采用较慢，但霍兰发现医疗保健和金融服务领域发展迅速。高风险运营中，即使小幅效率提升也能带来变革性价值，这种模式在半导体和先进电子制造中尤为明显。

跨行业应用的主要目标是提升生产力。霍兰举例说明，通过结合会议记录和路线图数据，代理式人工智能可将三小时文件起草工作缩短至几分钟。类似加速也适用于车间操作，如微芯片制造商利用人工智能分析缺陷和安全隐患。

在各种应用场景中，人工智能通常完成80%工作，人类处理剩余20%。但当企业高估系统自主性时，就会出现期望差距。人工智能类似于新入职员工，其能力取决于问题描述的清晰程度。

对制造业而言，关键推动因素包括高管层重视和降低启动门槛。霍兰建议：“如果你能提供数据，我们可以帮助你启动基本代理，无需编写代码。”这使企业能从简单查询开始，逐步扩展至工作流。

中小型制造商同样适用这些原则。启动所需的数字基线较低，可从Excel或CSV文件开始。完美集成的系统虽理想，但非必需，企业可快速构建初步价值并逐步完善。

代理式人工智能并非魔法解决方案，但能作为加速器，将分散的运营数据转化为可操作见解。霍兰鼓励企业立即开始尝试，即使是简单技术探索。率先行动的制造商将塑造未来人工智能赋能运营的模式。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告之，本站将予以修改或删除。邮箱：news@wedoany.com