Γ.Δ.
1452.24 +0,26%
ACAG
-5,17%
6.24
CENER
+0,76%
8
CNLCAP
+0,64%
7.9
DIMAND
+0,31%
9.6
OPTIMA
+1,50%
10.8
TITC
-1,51%
29.3
ΑΑΑΚ
0,00%
7
ΑΒΑΞ
-1,48%
1.462
ΑΒΕ
+1,26%
0.484
ΑΔΜΗΕ
-1,12%
2.21
ΑΚΡΙΤ
-2,11%
0.93
ΑΛΜΥ
-2,10%
2.8
ΑΛΦΑ
-0,44%
1.5855
ΑΝΔΡΟ
-0,58%
6.84
ΑΡΑΙΓ
+0,40%
12.65
ΑΣΚΟ
+0,37%
2.69
ΑΣΤΑΚ
-3,23%
7.2
ΑΤΕΚ
0,00%
0.378
ΑΤΡΑΣΤ
-0,25%
8.06
ΑΤΤ
+2,25%
11.35
ΑΤΤΙΚΑ
0,00%
2.47
ΒΑΡΝΗ
0,00%
0.24
ΒΙΟ
+0,69%
5.84
ΒΙΟΚΑ
-4,23%
2.49
ΒΙΟΣΚ
+0,38%
1.31
ΒΙΟΤ
0,00%
0.28
ΒΙΣ
0,00%
0.18
ΒΟΣΥΣ
-3,94%
2.44
ΓΕΒΚΑ
-0,30%
1.67
ΓΕΚΤΕΡΝΑ
-1,19%
16.58
ΔΑΑ
-0,12%
8.3
ΔΑΙΟΣ
0,00%
3.78
ΔΕΗ
-0,71%
11.16
ΔΟΜΙΚ
-2,19%
4.68
ΔΟΥΡΟ
0,00%
0.25
ΔΡΟΜΕ
-0,57%
0.347
ΕΒΡΟΦ
+0,30%
1.68
ΕΕΕ
+1,45%
30.8
ΕΚΤΕΡ
+2,29%
4.475
ΕΛΒΕ
+6,28%
5.25
ΕΛΙΝ
-0,81%
2.45
ΕΛΛ
+0,71%
14.15
ΕΛΛΑΚΤΩΡ
-0,76%
2.6
ΕΛΠΕ
-0,53%
8.385
ΕΛΣΤΡ
-1,27%
2.33
ΕΛΤΟΝ
+0,67%
1.8
ΕΛΧΑ
+0,83%
1.948
ΕΝΤΕΡ
0,00%
7.85
ΕΠΙΛΚ
0,00%
0.14
ΕΠΣΙΛ
0,00%
12
ΕΣΥΜΒ
+0,75%
1.34
ΕΤΕ
+3,31%
7.81
ΕΥΑΠΣ
-0,93%
3.2
ΕΥΔΑΠ
+1,40%
5.8
ΕΥΡΩΒ
+0,50%
2.02
ΕΧΑΕ
-0,19%
5.15
ΙΑΤΡ
0,00%
1.7
ΙΚΤΙΝ
-0,69%
0.4295
ΙΛΥΔΑ
+1,73%
1.76
ΙΝΚΑΤ
+0,37%
5.42
ΙΝΛΙΦ
-2,72%
5
ΙΝΛΟΤ
0,00%
1.148
ΙΝΤΕΚ
+0,32%
6.28
ΙΝΤΕΡΚΟ
+2,27%
4.5
ΙΝΤΕΤ
+0,78%
1.29
ΙΝΤΚΑ
+0,14%
3.655
ΚΑΜΠ
0,00%
2.7
ΚΑΡΕΛ
0,00%
344
ΚΕΚΡ
-0,98%
1.51
ΚΕΠΕΝ
0,00%
2
ΚΛΜ
-1,22%
1.615
ΚΟΡΔΕ
-3,27%
0.532
ΚΟΥΑΛ
-0,62%
1.278
ΚΟΥΕΣ
-0,86%
5.75
ΚΡΕΚΑ
0,00%
0.28
ΚΡΙ
-0,93%
10.6
ΚΤΗΛΑ
0,00%
1.84
ΚΥΡΙΟ
-4,86%
1.37
ΛΑΒΙ
-0,35%
0.848
ΛΑΜΔΑ
-0,44%
6.86
ΛΑΜΨΑ
0,00%
33.4
ΛΑΝΑΚ
-2,75%
1.06
ΛΕΒΚ
0,00%
0.336
ΛΕΒΠ
+4,57%
0.366
ΛΙΒΑΝ
0,00%
0.125
ΛΟΓΟΣ
0,00%
1.47
ΛΟΥΛΗ
-2,55%
2.68
ΜΑΘΙΟ
-0,92%
1.08
ΜΕΒΑ
+0,25%
3.97
ΜΕΝΤΙ
-1,33%
2.96
ΜΕΡΚΟ
+2,16%
47.2
ΜΙΓ
0,00%
3.99
ΜΙΝ
-5,47%
0.605
ΜΛΣ
0,00%
0.57
ΜΟΗ
+0,22%
27.22
ΜΟΝΤΑ
+3,09%
3.34
ΜΟΤΟ
-0,50%
3
ΜΟΥΖΚ
0,00%
0.73
ΜΠΕΛΑ
+1,03%
29.48
ΜΠΛΕΚΕΔΡΟΣ
-0,59%
3.36
ΜΠΡΙΚ
+0,25%
1.98
ΜΠΤΚ
0,00%
0.47
ΜΥΤΙΛ
0,00%
38.2
ΝΑΚΑΣ
0,00%
2.78
ΝΑΥΠ
+0,99%
1.02
ΞΥΛΚ
-3,57%
0.27
ΞΥΛΚΔ
0,00%
0.0002
ΞΥΛΠ
+0,58%
0.344
ΞΥΛΠΔ
0,00%
0.0025
ΟΛΘ
-1,34%
22.1
ΟΛΠ
-0,20%
24.75
ΟΛΥΜΠ
+1,05%
2.88
ΟΠΑΠ
-0,70%
15.5
ΟΡΙΛΙΝΑ
+1,45%
0.909
ΟΤΕ
-1,54%
14.06
ΟΤΟΕΛ
-0,78%
12.78
ΠΑΙΡ
-0,85%
1.17
ΠΑΠ
+0,38%
2.63
ΠΕΙΡ
-0,61%
3.752
ΠΕΤΡΟ
0,00%
8.3
ΠΛΑΘ
0,00%
4
ΠΛΑΚΡ
+1,32%
15.4
ΠΡΔ
0,00%
0.296
ΠΡΕΜΙΑ
+1,39%
1.17
ΠΡΟΝΤΕΑ
0,00%
7.8
ΠΡΟΦ
+0,21%
4.7
ΡΕΒΟΙΛ
-0,59%
1.69
ΣΑΡ
-0,50%
11.84
ΣΑΡΑΝ
0,00%
1.07
ΣΑΤΟΚ
0,00%
0.047
ΣΕΝΤΡ
-2,12%
0.37
ΣΙΔΜΑ
+0,26%
1.905
ΣΠΕΙΣ
-0,51%
7.76
ΣΠΙ
-5,33%
0.71
ΣΠΥΡ
0,00%
0.19
ΤΕΝΕΡΓ
+0,49%
18.33
ΤΖΚΑ
-3,04%
1.595
ΤΡΑΣΤΟΡ
0,00%
1.19
ΤΡΕΣΤΑΤΕΣ
-1,16%
1.7
ΥΑΛΚΟ
0,00%
0.18
ΦΙΕΡ
0,00%
0.359
ΦΛΕΞΟ
-1,22%
8.1
ΦΡΙΓΟ
-9,70%
0.298
ΦΡΛΚ
+0,85%
4.175
ΧΑΙΔΕ
0,00%
0.695

McKinsey: Τι κερδίζει η βιομηχανία από την τεχνητή νοημοσύνη;

Η τεχνητή νοημοσύνη δημιουργεί αξία για τις προηγμένες βιομηχανικές εταιρείες, σύμφωνα με έρευνα της εταιρείας συμβούλων McKinsey για τον ρόλο που διαδραματίζει στην βιομηχανία. Ωστόσο σύμφωνα με την έρευνα πολλά στελέχη επιχειρήσεων, δεν είναι σίγουρα για το πού πρέπει να εφαρμόσουν τις λύσεις της τεχνητής νοημοσύνης. Mε  αποτέλεσμα τους αργούς ρυθμούς υιοθέτησης, καθώς πολλές εταιρείες να βρίσκονται σε κατάσταση αναμονής. Τα στελέχη θα πρέπει να ορίσουν μια συνολική κατεύθυνση και στη συνέχεια να εστιάσουν την προσοχή τους, σε τομείς στους οποίους η τεχνητή νοημοσύνη μπορεί να λύσει συγκεκριμένα επιχειρηματικά προβλήματα, σύμφωνα με την έρευνα.

Η τεχνητή νοημοσύνη είναι η ικανότητα μιας μηχανής να εκτελεί γνωστικές λειτουργίες που συνήθως συνδέονται με το ανθρώπινο μυαλό, όπως η αντίληψη, η λογική, η μάθηση, η αλληλεπίδραση με το περιβάλλον και η επίλυση προβλημάτων. Ένας τομέας στον οποίο δημιουργεί αξία για τους βιομηχανικούς κλάδους είναι η ενίσχυση των ικανοτήτων των επιστημόνων, και ιδιαίτερα των μηχανικών. Στον πυρήνα τους, τέτοιες εφαρμογές αξιοποιούν τις προγνωστικές δυνατότητες της τεχνητής νοημοσύνης. Οι εταιρείες μαθαίνουν να αναδιατυπώνουν τα παραδοσιακά επιχειρηματικά ζητήματα σε προβλήματα στα οποία η τεχνητή νοημοσύνη μπορεί να χρησιμοποιήσει αλγόριθμους μηχανικής μάθησης, για να επεξεργάζεται δεδομένα και εμπειρίες, να ανιχνεύει μοτίβα και να κάνει συστάσεις.

Καθώς οι εταιρείες ανακάμπτουν από την πανδημία, η έρευνα της McKinsey δείχνει ότι το ταλέντο, η ανθεκτικότητα, η τεχνολογική ενεργοποίηση σε όλους τους τομείς και η οργανική ανάπτυξη είναι οι κορυφαίες προτεραιότητές τους. 

Αντί να εξετάζουν συνεχώς πιθανές εφαρμογές, τα στελέχη θα πρέπει να ορίσουν μια συνολική κατεύθυνση και οδικό χάρτη και στη συνέχεια να εστιάσουν την προσοχή τους, σε τομείς στους οποίους η τεχνητή νοημοσύνη μπορεί να λύσει συγκεκριμένα επιχειρηματικά προβλήματα και να δημιουργήσει  απτή αξία. Ως πρώτο βήμα, τα στελέχη της Βιομηχανίας, θα μπορούσαν να κατανοήσουν καλύτερα την τεχνολογία της τεχνητής νοημοσύνης και τον τρόπο με τον οποίο μπορεί αυτή να χρησιμοποιηθεί για την επίλυση συγκεκριμένων επιχειρηματικών προβλημάτων. Στη συνέχεια, θα είναι σε καλύτερη θέση  να αρχίσουν να πειραματίζονται με νέες εφαρμογές. 

Μερικές από τις πιο δύσκολες προκλήσεις για τις βιομηχανικές εταιρείες, είναι ο προγραμματισμός σύνθετων γραμμών παραγωγής, η μεγιστοποίηση της απόδοσης με παράλληλη ελαχιστοποίηση του κόστους μετάβασης και η διασφάλιση της έγκαιρης παράδοσης των προϊόντων στους πελάτες τους. Η τεχνητή νοημοσύνη, μπορεί να βοηθήσει μέσω της ικανότητάς της να εξετάζει ταυτόχρονα ένα πλήθος μεταβλητών για να προσδιορίσει τη βέλτιστη λύση. Για παράδειγμα, σε ένα εργοστάσιο επεξεργασίας μετάλλων, ένα πρόγραμμα τεχνητής νοημοσύνης  μπόρεσε να μειώσει τα ελαττωματικά  προϊόντα κατά 20 έως 40 %, βελτιώνοντας σημαντικά την έγκαιρη παράδοση των προϊόντων της εταιρείας προς τους πελάτες της. 

Οι βιομηχανικές εταιρείες χτίζουν τη φήμη τους με βάση την ποιότητα των προϊόντων τους και η καινοτομία είναι το κλειδί για τη συνεχή ανάπτυξη. Οι κερδισμένες εταιρείες από την τεχνητή νοημοσύνη, είναι σε θέση να κατανοήσουν γρήγορα τις βαθύτερες αιτίες διαφορετικών προβλημάτων προϊόντων, να τα λύσουν και να ενσωματώσουν αυτές τις γνώσεις στο μέλλον. Το τεχνητή νοημοσύνη μπορεί να επιταχύνει ραγδαία αυτή τη διαδικασία.

Δεδομένου ότι έχει σημειωθεί έκρηξη  πολυπλοκότητας των προϊόντων και των συνθηκών λειτουργίας, οι μηχανικοί αγωνίζονται να εντοπίσουν τις βασικές αιτίες και να βρουν λύσεις. Ως αποτέλεσμα, οι εταιρείες εξαρτώνται σε μεγάλο βαθμό από τον εντοπισμό των κατάλληλων προτύπων τεχνητής νοημοσύνης από έμπειρους μηχανικούς και ξοδεύουν πολύ χρόνο προσπαθώντας να επαναδιατυπώσουν τα προβλήματα σε περιβάλλον εργαστηρίου, σε μια προσπάθεια να φτάσουν στη βασική αιτία.

Συμπερασματικά, η  τεχνητή νοημοσύνη βρίσκεται ακόμη σε σχετικά πρώιμα στάδια ανάπτυξης και είναι έτοιμη να αναπτυχθεί γρήγορα και να διαταράξει τις παραδοσιακές προσεγγίσεις επίλυσης προβλημάτων στις βιομηχανικές εταιρείες. Οι περιπτώσεις χρήσης τεχνητής νοημοσύνης μέχρι τώρα,  βοηθούν στην επίδειξη  συγκεκριμένων εφαρμογών και της απτής αξίας τους. Πειραματιζόμενοι με εφαρμογές τεχνητής νοημοσύνης τώρα, οι βιομηχανικές εταιρείες μπορούν να βρίσκονται σε καλή θέση για να δημιουργήσουν τεράστια αξία τα επόμενα χρόνια.

Google News icon
Ακολουθήστε το Powergame.gr στο Google News για άμεση και έγκυρη οικονομική ενημέρωση!