根據(jù)預(yù)測(cè)，物聯(lián)網(wǎng)將產(chǎn)生大量的傳感器數(shù)據(jù)，再結(jié)合人工智能，可以將人類的潛能提升到新的水平。
如今，很少有像物聯(lián)網(wǎng)這樣的技術(shù)能夠受到全球IT領(lǐng)袖的熱切及廣泛關(guān)注。但這項(xiàng)技術(shù)對(duì)人類的潛能有何影響？一方面，IT主管們預(yù)見(jiàn)到，通過(guò)利用幾乎無(wú)處不在的物聯(lián)網(wǎng)傳感器的海量數(shù)據(jù)，改善客戶體驗(yàn)的潛力幾乎是無(wú)限的；另一方面，業(yè)務(wù)主管對(duì)如何管理這些數(shù)據(jù)以及如何確保所有這些新終端的安全表示擔(dān)憂。
物聯(lián)網(wǎng)浪潮的規(guī)模毋庸置疑。據(jù)全球管理咨詢公司貝恩（Bain＆Company）稱，盡管物聯(lián)網(wǎng)的增長(zhǎng)預(yù)測(cè)各不相同，但實(shí)際上所有這些都預(yù)見(jiàn)到了非?？焖俚脑鲩L(zhǎng)，在未來(lái)幾年中，每年的增長(zhǎng)幅度約為25％，三年內(nèi)全球?qū)⑦_(dá)到5200億美元。另一份報(bào)告預(yù)測(cè)，到2020年，全球物聯(lián)網(wǎng)設(shè)備數(shù)量將增長(zhǎng)到200億臺(tái)，是全球人口的兩倍多。
物聯(lián)網(wǎng)和人類潛能
然而，物聯(lián)網(wǎng)爆發(fā)的另一個(gè)好處正在顯現(xiàn)，就是物聯(lián)網(wǎng)設(shè)備提升人類潛能的能力，前提是隨著物聯(lián)網(wǎng)數(shù)量的激增，組織愿意改變一些業(yè)務(wù)流程和操作。
例如，一家金屬工廠部署物聯(lián)網(wǎng)傳感器以解決產(chǎn)能限制的情況。事實(shí)證明，部署傳感器和收集數(shù)據(jù)很容易，但是工廠車間的員工并沒(méi)有使用這些數(shù)據(jù)，原因是許多數(shù)據(jù)太復(fù)雜。
因此，IT部門簡(jiǎn)化了一些復(fù)雜的分析輸出，使一線操作員能夠識(shí)別生產(chǎn)瓶頸何時(shí)形成。這些操作員進(jìn)行日常生產(chǎn)操作，并被給予更大的自由度來(lái)改變生產(chǎn)線，以避免他們預(yù)見(jiàn)到的瓶頸。其結(jié)果是生產(chǎn)設(shè)備效率提高了50%，下游資本支出節(jié)省了50%——這些都是由于物聯(lián)網(wǎng)推動(dòng)了一線工人的潛能增長(zhǎng)。
然而，數(shù)十億個(gè)新的連網(wǎng)終端只是物聯(lián)網(wǎng)方程式的一部分。這類似于1990年代初開(kāi)始的互聯(lián)網(wǎng)革命，但如果沒(méi)有瀏覽器和相對(duì)低成本的網(wǎng)絡(luò)以及個(gè)人計(jì)算的消費(fèi)化，互聯(lián)網(wǎng)就成了一個(gè)主要用于國(guó)防目的全球網(wǎng)絡(luò)。
混合物聯(lián)網(wǎng)和人工智能
物聯(lián)網(wǎng)也是如此。盡管傳感器將產(chǎn)生和傳輸前所未有的大量數(shù)據(jù)，但復(fù)雜的平臺(tái)將需要管理、分析并最終從所有數(shù)據(jù)中產(chǎn)生業(yè)務(wù)見(jiàn)解。換句話說(shuō)，這樣的平臺(tái)將需要通過(guò)將物聯(lián)網(wǎng)數(shù)據(jù)與其他來(lái)源（如事務(wù)性）數(shù)據(jù)混合，以帶來(lái)更深層次的上下文內(nèi)容，然后將其建模到具有一致指標(biāo)的框架中，在某些情況下，這可能會(huì)改變工作的本質(zhì)，例如在上述金屬工廠的示例中。
隨著人工智能（AI）的發(fā)展以及與物聯(lián)網(wǎng)的融合，這些平臺(tái)也將越來(lái)越多地利用人工智能。事實(shí)上，專家認(rèn)為人工智能很快將成為物聯(lián)網(wǎng)解決方案不可或缺的一部分。普華永道稱，原因是物聯(lián)網(wǎng)的主要特征，如連接性和傳感器數(shù)據(jù)，導(dǎo)致從對(duì)“啞”設(shè)備的需求轉(zhuǎn)變?yōu)閷?duì)智能設(shè)備的需求。普華永道認(rèn)為：
物聯(lián)網(wǎng)需要智能機(jī)器，因此需要人工智能。
考慮一個(gè)人工智能（AI）和物聯(lián)網(wǎng)的物流/運(yùn)輸用例，比如車隊(duì)運(yùn)營(yíng)。從歷史上看，車隊(duì)經(jīng)理很難深刻了解資產(chǎn)的狀況，比如卡車。管理者需要追蹤太多的歷史、當(dāng)前和未來(lái)數(shù)據(jù)。對(duì)于卡車，這意味著需要將歷史資產(chǎn)管理、工作管理、可靠性和可持續(xù)性數(shù)據(jù)與第三方來(lái)源數(shù)據(jù)（運(yùn)營(yíng)統(tǒng)計(jì)、氣候條件、折舊、車載數(shù)據(jù)等）進(jìn)行疊加。
目前可用的人工智能平臺(tái)可以從這些和許多其他看似不同的傳感器數(shù)據(jù)源中收集數(shù)據(jù)，從而為車隊(duì)經(jīng)理提供寶貴見(jiàn)解，并使他們能夠跟蹤單輛卡車或整個(gè)車隊(duì)。然后，他們可以更好地做出獨(dú)立決策，以提高運(yùn)營(yíng)效率，確保符合安全法規(guī)，并更好地協(xié)調(diào)車隊(duì)運(yùn)營(yíng)與銷售和營(yíng)銷工作。
更好的獨(dú)立決策和更好的數(shù)據(jù)
因此，物聯(lián)網(wǎng)和人工智能的關(guān)系將增強(qiáng)一線經(jīng)理和員工的潛力，他們將有權(quán)做出明智的，對(duì)業(yè)務(wù)至關(guān)重要的決定，而不必征求高層許可或指示。工人們將通過(guò)確定一臺(tái)主要機(jī)器何時(shí)會(huì)發(fā)生故障來(lái)更好地進(jìn)行預(yù)測(cè)分析，并通過(guò)主動(dòng)維護(hù)來(lái)預(yù)防該故障。他們還將熟練地處理更多常規(guī)性任務(wù)。（來(lái)自物聯(lián)之家）物聯(lián)網(wǎng)傳感器可以產(chǎn)生數(shù)據(jù)，并建議在操作邊緣（比如在遠(yuǎn)程鉆井平臺(tái)）立即采取行動(dòng)，從而有助于避免停工甚至災(zāi)難。隨著人工智能與物聯(lián)網(wǎng)和“學(xué)習(xí)”的協(xié)同工作，以及越來(lái)越多的數(shù)據(jù)涌入復(fù)雜的機(jī)器學(xué)習(xí)算法，基于人工智能的物聯(lián)網(wǎng)平臺(tái)最終可以學(xué)會(huì)自主采取行動(dòng)，從而使工作人員可以騰出精力來(lái)完成更重要的任務(wù)。
人工智能—物聯(lián)網(wǎng)浪潮是不可避免的。這些技術(shù)能否在工作場(chǎng)所提升員工潛能，將取決于IT和業(yè)務(wù)團(tuán)隊(duì)今天在浪潮來(lái)臨之前所做的努力和計(jì)劃。
圖片來(lái)源：https://pixabay.com/images/id-4395768/
編譯：iothome
參考：diginomca
