维度网讯，英国制造外包企业PP Control & Automation（PP控制与自动化公司）通过优先解决运营瓶颈而非盲目采用人工智能，成功恢复了36%的工程产能。该公司首席信息官伊恩·奈特（Ian Knight）表示，制造商应专注于解决运营中的约束环节，再选择合适的技术加以应对，而非为了采用人工智能而采用。

这家与多家全球大型机器制造商合作的战略性制造外包企业，有意忽略了围绕人工智能的炒作。伊恩·奈特解释，工程团队将重点放在电气工程中最耗时且资源密集的活动之一：从非结构化文档中提取结构化数据。技术PDF文件（通常可超过1600页）现在能够转换为结构化、可重复的输出，其中包括嵌入式规则、完全可追溯性以及自动识别缺失组件和不匹配项。

“以前，这个过程需要大量工程时间和人工操作。现在，同样的文档可以在几小时内处理完成，而不是几天。而这仅仅是个开始，”伊恩·奈特说。他介绍，团队分阶段推进，后续阶段将着眼于增强结构化数据、验证数据并将其集成到业务系统中，每个阶段都从前一阶段的基础发展到数据提取、决策支持，最终到执行。

伊恩·奈特表示，结果是人力产能恢复了36%，此前60%的时间被浪费在人工解析和解读上。更重要的是，这一方法消除了客户参与初期的一个关键摩擦点，加速了从询价到可执行工作的过渡。

PP Control & Automation（PP控制与自动化公司）位于西米德兰兹郡的先进工厂拥有200多名员工，是众多世界领先机器制造商和原始设备制造商的战略外包合作伙伴。该公司提供基于模块或组件的、部分或完整的机器制造能力，制造范围包括机器人挤奶机、手机防水保护以及F1赛车性能提升等领域的机器。

“我们已经证明了通过拥抱人工智能可以实现什么——不是将其作为孤立工具，而是围绕真实制造约束构建的系统，”伊恩·奈特补充道。他表示，该方法有潜力在内部部署，也能提供给客户，甚至可能面向更广泛的市场。这种方法避免了当前许多制造商面临的陷阱——投资于能力却没有清晰的路径实现价值，而是确保人工智能的每一次应用都直接与可衡量的运营结果相关联。

对于希望从实验转向影响力的组织，伊恩·奈特建议，起点不应是“我们如何采用人工智能”，而应是“我们在哪里受到约束，消除约束的最有效方法是什么？”他总结道，当制造商首先回答这个问题后，人工智能的角色就变得更容易定义，其论证、实施和规模化也变得更加容易。从人工智能中获得最大价值的公司不一定是投资最多的公司，而是那些最了解自身约束的公司。

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知，本站将予以修改或删除。邮箱：news@wedoany.com