报告：逾四成制造商视工业AI与创新为变革性力量

纽约州康宁 — “当创新与技术按预期发挥作用时，它们能驱动解决方案、解决问题并创造机遇。但解决方案不会凭空出现，需要规划、承诺与耐心。”—— John Walczak，Corning Data首席架构师

美国北卡罗来纳州罗利 —— 评估工业AI、创新与技术对全球制造企业的力量与潜力，如同判断一杯水是半满还是半空，完全取决于观察视角。

根据Corning Data发布的《制造业情绪报告》，在受访者中，43%将工业AI与创新的影响描述为“变革性”。其余57%的受访者则分为三类：认为重要但非主要增长驱动力（29%）、视为避免落后的防御性策略（15%）、以及认为基本处于实验阶段（9%）。

美国全国制造商协会（NAM）的统计数据进一步印证了AI与创新在工业制造中日益增长的重要性。如今，随着制造商拥抱AI并进入基于生产的部署阶段，40%的NAM成员相信其潜力；而两年前，这一比例仅为10%。

然而，一位行业顾问提出反面观点：“既然有近60%的企业不认为工业AI对其业务至关重要，那么更大的问题或许是：谁才是行业思想领袖——是那些无视AI干扰的人，还是那些积极拥抱AI的人？”

Corning Data情绪报告的其他关键发现包括：

• 超过50%的受访者表示，效率与生产力，其次是决策速度与质量，是最大的驱动因素。
• 成本、资金优先级以及改变运营模式的意愿，是最可能阻碍进展与长期成功的问题。
• 在七项“灭绝警告信号”中，供应链影响与决策速度评分最高，但所有信号均被评为中等风险，得分超过3.3。
• 超过80%的制造商表示，将销售收入的1%至2.5%预算用于创新。
• 转型不会一蹴而就。约80%的受访者表示创新举措正在取得进展，但其中一半表示进展缓慢但稳定。

“当创新与技术按预期发挥作用时，它们能在业务中驱动解决方案、解决问题并创造机遇。”Corning Data首席架构师John Walczak表示，“但这不会神奇地在一夜之间发生。寻找解决方案需要规划、承诺、耐心与灵活性。”

效率的驱动力

超过65%的受访者将提升效率列为应用AI与创新的首要动机。制造商寻求提升效率并增强财务状况的方式包括：消除隐形浪费（如库存过剩或机器换型期间的效率低下）、克服配置复杂性造成的主要瓶颈，以及缩短报价延迟。

“无论规模、范围或产品如何，当今企业都在寻找创新方式来利用工业AI与技术的潜力。”Corning Data首席营收官Rick Scearbo表示，“他们正在投资于旨在提升效率并创造机遇的合作伙伴关系。”

报告参与者Nathan Peterson是科罗拉多州丹佛市模块化住宅建筑商Vedera Modular的创始人。他与团队利用AI编码工具开发了定制软件，以解决“变异性”——他将其定义为“装配线的首要敌人”。该软件执行实时劳动力平衡，根据具体设计需求在装配工位之间调配工人。该软件已将工厂效率提升一倍。Peterson估计，它可将劳动力利用效率提高至多55%。

“我们定制化创新的最终目标，是通过真正的成本节约创造竞争优势，而非依赖同质化产品，从而使住房更可负担。”Peterson表示，“我们创造的效率可以层层传导，降低建筑成本，使房屋所有权更易实现。”

警惕灭绝信号

受访者对七项灭绝警告信号进行了风险评分（1为低，5为高）。七项信号的平均风险为3.38，明显处于中等风险水平。供应链影响被评为最高警告信号（3.65），基于疫情以来持续存在的不确定性，并因地缘政治事件而进一步加剧。紧随其后的是决策速度（3.61），呼应了“时间就是金钱”的格言。

顾问建议，最需要关注的关键指标之一是销售管道，包括现有客户的重复订单。销售团队努力开拓新客户，但不能忽视现有客户的销售活动模式。

“现有客户可能比赢得新客户更能告诉你关于产品的信息——其能力、定价和有效性。”Pemeco董事总经理Jonathan Gross表示，“制造商需要自问：‘我如何更好地服务客户？’”

另一个关键指标是销售利润率——即生产成本与产品售价的分解。要全面了解情况，还需理解影响成本与售价的力量，例如供应链问题。

执行层面

调查显示，略超过80%的受访者表示创新举措在稳步推进（尽管有时缓慢），31%表示从试点到规模化进展迅速。92%的公司表示，评估创新工具有效性的时间周期为一年或更短；超过一半的公司会在六个月内确定有效性。

然而，确定有效性并将创新工具与系统在全公司范围内整合可能既艰巨又昂贵。组织的思维方式可能是识别和采用创新工具与系统的最大障碍——而非技术本身。这种转变往往更多是关于将文化从被动转为主动，而非新技术。同时，“劳动力准备度”和“AI素养”至关重要，需要通过结构化技能提升来实现，否则举措注定失败。

“减轻压力；不要将此视为一项庞大的技术举措。”Baker Newman Noyes董事总经理Paige Ricci建议，“更多地从如何利用和发挥你的业务模式来支持AI的角度来看待它。”

在内部，诸如“我们如何在自己擅长的领域做得更好？”以及“我们如何从优秀走向卓越？”等问题的答案，可以成为探索、测试和整合创新的指南。

Michael Dillon
Corning Data
+1 518-542-8717
[email protected]
在社交媒体上关注我们：LinkedIn

###

关于Corning Data

Corning Data是一家专注于IFS和JD Edwards支持、实施与战略的高级ERP咨询公司。凭借超过40年的技术经验和1,300多个成功的ERP项目，Corning Data帮助中端市场和企业级公司降低风险、优化绩效并扩展其ERP投资价值。该公司是IFS的长期渠道合作伙伴，在多个行业拥有深厚专业知识，并提供符合ITAR合规的高级支持。了解更多信息，请访问https://corningdata.com。