Logforum. 2019. 15(3), artykuł 5, 363-376; DOI: https://doi.org/10.17270/J.LOG.2019.354
DĄūENIE DO PERFEKCJI WE WDRAūANIU SZTUCZNEJ INTELIGENCJI: RAMY MODELU DOJRZAŁOŚCI SZTUCZNEJ INTELIGENCJI ORAZ WYNIKI BADAŃ WSTĘPNYCH
Anna Paula Tanajura Ellefsen1, Joanna Oleśków-Szłapka2, Grzegorz Pawłowski3, Adrianna Toboła4
1Telenor, Oslo, Norway
2Poznan University of Technology, Poznań, Poland
3WSB University in Poznan, Poznań, Poland
4Poznań School of Logistics, Poznań, Poland
Wstęp: W niniejszym artykule autorzy starają się podsumować, w jaki sposób sztuczna inteligencja może być wykorzystywana przez firmy w produkcji i magazynowaniu. Na podstawie wcześniej opracowanych modeli dojrzałości logistyki 4.0 autorzy proponują również poziomy dojrzałości sztucznej inteligencji (AI) i na jej podstawie przeprowadzono badanie w wybranych polskich i norweskich firmach oraz rozpoznano rzeczywisty stan rozwoju i poziom dojrzałości AI. Autorzy przedstawiają jednak wstępny etap badań jako studium przypadku, które będzie dalej rozwijane i rozszerzane w celu zidentyfikowania gałęzi i obszarów o największym potencjale do zwiększenia wykorzystania sztucznej inteligencji. Ponadto w artykule przedstawiono potencjalne kierunki wdrażania sztucznej inteligencji, a także narzędzia, które mogą być przydatne w rozwiązywaniu problemów związanych z dużymi danymi i optymalizacją przewidywanych nie tylko dla dużych firm, ale także małych i średnich przedsiębiorstw. Autorzy proponują termin Artificial Intelligence 4.0 (Sztuczna Inteligencja 4.0), aby wskazać rzeczywiste trendy w zakresie Przemysłu 4.0 i Logistyki 4.0 oraz rewolucji w odniesieniu do sztucznej inteligencji. Bez wątpienia sztuczna inteligencja jest dużym wyzwaniem dla firm produkcyjnych, jak również branży transportowej i logistycznej, a jej zastosowanie powinno zostać zwiększone i rozszerzone w rozwiązywaniu praktycznych problemów.
Metody: Metodologia zastosowana przez autorów niniejszego opracowania może być podzielona na następujące etapy: analiza literatury, rozszerzenie modelu dojrzałości sztucznej inteligencji, opracowanie kwestionariusza, studia przypadków w Norwegii i Polsce.
Wyniki: Analiza literatury wykazała lukę poznawczą z powodu faktu, że istnieje bardzo niewiele literatury dotyczącej problemu modeli dojrzałości sztucznej inteligencji, a także logistyki 4.0 i sztucznej inteligencji. Poziomy dojrzałości sztucznej inteligencji można łączyć z modelami dojrzałości logistyki 4.0, dzięki czemu zostaną rozpoznane relacje między rzeczywistym poziomem dojrzałości logistycznej a gotowością sztucznej inteligencji w przedsiębiorstwach. Dzięki takiej analizie możliwe będzie opracowanie złożonej mapy drogowej ze strategicznymi wytycznymi organizacji, jak radzić sobie z logistyką 4.0 i sztuczną inteligencją. Wszystkie firmy badane w tym wstępnym badaniu można zaklasyfikować jako nowicjuszy sztucznej inteligencji: firmy, które nie podjęły aktywnych kroków w podróży sztucznej inteligencji i są w najlepszym razie w trybie oceny. Nawet większe firmy z bardziej zautomatyzowanymi rozwiązaniami nie potrafią wyobrazić sobie korzyści, jakie może przynieść sztuczna inteligencja.
Wnioski: Autorzy widzą możliwość zastosowania wspomnianego modelu do badania poziomów dojrzałości sztucznej inteligencji w firmach logistycznych i łączenia uzyskanych wyników z wcześniej opracowanym modelem dojrzałości Logistyki 4.0. Autorzy proponują wprowadzenie terminu Sztuczna Inteligencja 4.0, aby podkreślić znaczenie sztucznej inteligencji w odniesieniu do Logistyki 4.0 i Przemysłu 4.0.
Słowa kluczowe: Industry 4.0, Logistics 4.0, sztuczna inteligencja 4.0, sztuczna inteligencja, poziomy dojrzałości
Adobe Acrobat
Abstract in English.
MLA | Ellefsen, Anna Paula Tanajura, et al. "Striving for excellence in AI implementation: AI Maturity Model framework and preliminary research results." Logforum 15.3 (2019): 5. DOI: https://doi.org/10.17270/J.LOG.2019.354 |
APA | Anna Paula Tanajura Ellefsen, Joanna Oleśków-Szłapka, Grzegorz Pawłowski, Adrianna Toboła (2019). Striving for excellence in AI implementation: AI Maturity Model framework and preliminary research results. Logforum 15 (3), 5. DOI: https://doi.org/10.17270/J.LOG.2019.354 |
ISO 690 | ELLEFSEN, Anna Paula Tanajura, et al. Striving for excellence in AI implementation: AI Maturity Model framework and preliminary research results. Logforum, 2019, 15.3: 5. DOI: https://doi.org/10.17270/J.LOG.2019.354 |