Một cuộc khảo sát gần đây của Forrester cho thấy hơn hai phần ba (67%) những người ra quyết định liên quan đến kỹ thuật cảm thấy áp lực khi phải áp dụng AI vào quy trình kỹ thuật của họ để tránh mất lợi thế cạnh tranh.
Đó là bởi vì các công cụ AI mang lại vô số lợi ích để mở khóa quá trình phát triển sản phẩm nhanh hơn và các giải pháp chất lượng cao hơn. Chúng đẩy nhanh các giai đoạn xác thực tốn nhiều thời gian và cho phép đào tạo đồng thời nhiều mô hình AI tự học. Các mô hình này sẽ cải thiện và trở nên có giá trị hơn khi được cung cấp nhiều dữ liệu hơn và được kỹ sư đưa vào ngữ cảnh phù hợp.
Ví dụ như các kỹ sư tại Tập đoàn BMW đang sử dụng phần mềm Monolith AI để dự đoán hiệu suất của xe trước khi bắt đầu thiết kế hoặc thử nghiệm.
Tuy nhiên, việc xác định dữ liệu phù hợp và cách áp dụng dữ liệu đó một cách tốt nhất trong quy trình kỹ thuật có thể tốn rất nhiều thời gian. Thực tế, các nhà khoa học dữ liệu nhiều người trong số họ không phải là chuyên gia trong lĩnh vực kỹ thuật, không hiểu rõ về các quy trình thử nghiệm để nhắm mục tiêu hiệu quả các tập dữ liệu hiện có mà AI có thể tận dụng, dẫn đến đầu tư tài nguyên và thời gian không cần thiết.
Điều này có nghĩa là các tổ chức cần củng cố hệ thống quản lý dữ liệu của mình để xác định dữ liệu hữu ích, bối cảnh thử nghiệm hoặc kỹ thuật có liên quan hoặc trang bị cho nhóm phát triển sản phẩm của họ các công cụ phù hợp để tự sử dụng dữ liệu, bối cảnh và phần mềm AI một cách hiệu quả. Chỉ khi đó, khả năng của AI trong việc cải thiện quá trình phát triển sản phẩm mới thực sự thúc đẩy hiệu quả trong suốt quy trình kỹ thuật và do đó tạo điều kiện hiệu quả cho quá trình đổi mới sản phẩm tốt hơn.
Để giải quyết thách thức này, nghiên cứu đã chỉ ra rằng mặc dù các nhân vật lãnh đạo cấp cao hiểu được tiềm năng của AI, nhưng một tỷ lệ nhỏ nhóm kỹ thuật của họ đang sử dụng máy học để thực hiện phân tích nguyên nhân gốc rễ với dữ liệu thử nghiệm lịch sử hoặc thậm chí hiện tại.
Thật vậy, các phương pháp mô phỏng dựa trên vật lý hiện đại hoặc quy trình kiểm tra phần cứng đã được chứng minh từ những năm 2000 vẫn được sử dụng trong suốt quá trình R&D. Ngay cả khi một tổ chức có chiến lược dữ liệu, các kỹ sư vẫn khó có thể xác định chính xác dữ liệu lịch sử phù hợp từ các hệ thống cũ này mà các kỹ sư có thể tận dụng mà không làm gián đoạn quy trình công việc hiện có.
Dữ liệu và bối cảnh liên quan đến sản phẩm/thử nghiệm chính xác của nó là rất quan trọng để nhận ra toàn bộ tiềm năng của AI nhằm tăng cường phát triển sản phẩm. Độ chính xác của các mô hình AI không chỉ phụ thuộc vào số lượng mà còn cả chất lượng của dữ liệu. Do đó, các nhà sản xuất sản phẩm cần dành thời gian và nỗ lực để hiểu dữ liệu họ sở hữu, xem xét mức độ phức tạp của vấn đề mà họ đang tìm cách giải quyết bằng AI và số lượng điểm dữ liệu trong quy trình mà họ sẽ cần thu thập.
Thực tế, các công cụ nâng cao như AI không nhằm mục đích thay thế các chương trình kỹ thuật truyền thống mà sử dụng dữ liệu có giá trị hiện có để tăng cường quy trình thử nghiệm và kỹ thuật, đồng thời đảm bảo kết quả chính xác, đáng tin cậy trong thời gian ngắn hơn.
Trí tuệ nhân tạo có tiềm năng to lớn trong việc giúp các doanh nghiệp ô tô dự đoán xu hướng và đạt được các giải pháp có ý nghĩa. Do đó, việc cung cấp cho các kỹ sư phương tiện để hiểu dữ liệu của họ trong tầm tay, cách tốt nhất để áp dụng dữ liệu đó vào quy trình công việc hiện tại của họ và cách đưa dữ liệu đó vào mô hình AI một cách hiệu quả, có thể mở ra lộ trình đổi mới nhanh hơn và mang lại lợi thế cạnh tranh cho tổ chức.
Vậy trí tuệ nhân tạo có đe dọa công việc của kỹ sư thiết kế ô tô? Theo các chuyên gia điều đó khó có thể khẳng định. Thay vì thay thế các kỹ sư thiết kế, AI sẽ giúp đỡ và hỗ trợ họ. Các công nghệ AI cho phép các kỹ sư làm được nhiều việc hơn, tốt hơn với những hiểu biết sâu sắc hơn và phạm vi tiếp cận rộng hơn. Các công nghệ có thể cung cấp một kho chuyên môn kỹ thuật tuyệt vời. Chuyển giao kiến thức của các kỹ sư chuyên gia cho thế hệ trẻ luôn là một thách thức. Khi các công nghệ và hệ thống trở nên phức tạp hơn bao giờ hết, trí tuệ nhân tạo có thể vạch ra một con đường mới để đào tạo và chia sẻ chuyên môn kỹ thuật tốt hơn.
Google translate