Choć potrzeba innowacji jest pilna, zaledwie 10% przedsiębiorstw osiągnęło poziom dojrzałości pozwalający w pełni zdyskontować potencjał tego rozwiązania.
Presja rynkowa wyznacza nowe reguły gry
Tradycyjne metody projektowania i produkcji w branży aerospace & defense zderzają się z niespotykanym dotąd nasileniem ryzyka. Prawie cztery piąte podmiotów (79%) wskazuje na narastające zagrożenia cyberbezpieczeństwa, a 71% obawia się utraty kontroli nad suwerennością własnych łańcuchów dostaw oraz wiedzą inżynieryjną. Poziom gotowości do stawienia czoła tym wyzwaniom pozostaje niski – wynosi odpowiednio 52 i 51%.
Konsekwencje ewentualnej bezczynności wykraczają jednak daleko poza same zakłócenia operacyjne. Aż 65% przedstawicieli sektora przyznaje, że bez szybkiej adaptacji ryzykują utratę pozycji w przyszłych programach, zmniejszenie udziału w pracach oraz odpływ kluczowych specjalistów na rzecz bardziej elastycznych konkurentów.
Ciągłość cyfrowa główną barierą w skalowaniu sztucznej inteligencji
Głównym motorem napędowym nowej ery inżynierii są dwa wzajemnie napędzające się elementy: digital continuity (ciągłość cyfrowa) oraz algorytmy sztucznej inteligencji wspierające procesy inżynieryjne. Pierwsza zapewnia zaufany, zweryfikowany kontekst dla danych w całym cyklu życia produktu – od wymagań, przez produkcję, po utrzymanie – podczas gdy AI umożliwia szybsze podejmowanie decyzji.
Rzeczywistość okazuje się jednak wymagająca. Obecnie zaledwie 6% organizacji z sektora A&D dysponuje kompletną, cyfrową strukturą opartą na pojedynczym źródle prawdy (single source of truth). Większość podmiotów wciąż zmaga się z pofragmentowanymi systemami, co sprawia, że wdrożenia sztucznej inteligencji pozostają ograniczone do odizolowanych epizodów, takich jak predykcyjne utrzymanie ruchu czy automatyczna interpretacja wyników symulacji.
Poważną barierą pozostaje zachowanie ciągłości danych w środowiskach wielodostawczych (multi-vendor). Poszczególne elementy rozwiązania pochodzą bowiem od różnych producentów i funkcjonują w odmiennych ekosystemach narzędziowych oraz na różnych platformach chmurowych. Bez ujednolicenia przepływu danych pomiędzy tymi obszarami nawet najbardziej zaawansowane modele sztucznej inteligencji nie wygenerują oczekiwanej wartości biznesowej.
Z tego powodu w wielu przypadkach łatwiejsze i efektywniejsze okazuje się zaprojektowanie wybranych procesów produkcyjnych od nowa. Jest to często lepsze rozwiązanie niż kosztowna adaptacja i „łatanie” istniejących, przestarzałych środowisk pod wymagania cyfrowej ciągłości. Ponadto, aby opanować ryzyko związane z ochroną wiedzy inżynieryjnej, organizacje coraz częściej decydują się na budowę wewnętrznych, prywatnych algorytmów działających wyłącznie w obrębie przedsiębiorstwa. Bardzo ważne staje się przy tym wdrożenie dojrzałych ram nadzoru (governance), dbałość o jakość danych, rygorystyczna kontrola dostępu, zgodność regulacyjna oraz jasne określenie odpowiedzialności za decyzje podejmowane przez autonomiczne systemy.
Inżynierowie przyszłości: zmiana roli i wyzwanie kompetencyjne
Wdrożenie Augmented Engineering fundamentalnie zmienia codzienną rutynę zespołów technicznych. Szacuje się, że inżynierowie będą spędzać o 70% mniej czasu na powtarzalnych, odtwórczych zadaniach konfiguracyjnych czy analitycznych. Przesunięcie ciężaru pracy nastąpi na rzecz wyższych poziomów decyzyjności - definiowania założeń dla systemów AI (65%), weryfikacji generowanych przez nie wyników (63%) oraz podejmowania strategicznych decyzji architektonicznych i projektowych na poziomie całych układów (61%).
Rozwój sztucznej inteligencie nie eliminuje więc roli inżynierów, lecz przenosi ją na wyższy poziom odpowiedzialności. Co ciekawe, branża A&D nie traktuje wzrostu efektywności jako narzędzia do redukcji zatrudnienia – aż 78% organizacji reinwestuje zyski z produktywności w badania i rozwój (R&D), a 70% przeznacza je na przyspieszenie tworzenia nowych produktów i ich wariantów. Głównym hamulcem pozostaje jednak luka umiejętności - 68% kadry inżynieryjnej wymaga przekwalifikowania, a największe braki dotyczą znajomości zasad zarządzania i zgodności algorytmów z wymogami prawnymi.
Od izolowanych pilotaży do zintegrowanego ekosystemu
Z przeprowadzonej analizy wynika, że rynek wyraźnie dzieli się na grupy o różnej dojrzałości technologicznej. Tylko 10% firm zalicza się do grona liderów (Augmented Leaders), którzy sprawnie łączą spójny ekosystem danych ze skalowalnym wdrożeniem AI. Prawie połowa podmiotów (49%) to nadal podmioty o rozproszonej strukturze operacyjnej (Fragmented Operators), charakteryzujące się silnym poszatkowaniem systemów i brakiem ciągłości procesowej.
Różnica w wynikach biznesowych jest jednak uderzająca. Liderzy osiągają ponad dwukrotnie wyższą poprawę w zakresie redukcji kosztów inżynieryjnych (14% vs 7%) i wydajności procesów certyfikacji (13% vs 7%), a także odnotowują znacznie wyższą elastyczność w zarządzaniu łańcuchem dostaw. Przejście do najwyższej grupy wymaga głębokiej transformacji organizacyjnej, w której paradoksalnie największym wsparciem okazują się same narzędzia sztucznej inteligencji dostępne już teraz, pomagając w porządkowaniu struktur danych i budowaniu relacji cyfrowych. AI przestaje być tylko kolejnym narzędziem usprawniającym pracę - staje się katalizatorem trafniejszych decyzji w całym cyklu życia produktu, skracając czas wprowadzenia rozwiązań na rynek przy zachowaniu najwyższej jakości.
Źródło: Capgemini Polska
