Վենչուրային կապիտալի աշխարհը հայտնի է իր անկայունությամբ, սակայն յուրաքանչյուր մի քանի տարին մեկ հայտնվում է մի ընկերություն, որը ստիպում է նույնիսկ շուկայի ամենափորձառու դիտորդներին կանգ առնել և մտածել։ Ներկայումս մենք ականատես ենք լինում այդպիսի հազվադեպ բեկումնային պահերից մեկին՝ XDOF ընկերության շնորհիվ, որը նորեկ է ռոբոտատեխնիկական ինտելեկտի և տվյալների ոլորտում։ Ընդամենը 90 օր առաջ «գաղտնի» ռեժիմից դուրս եկած այս ընկերությունը, ըստ հաղորդագրությունների, արդեն բանակցությունների խոր փուլում է՝ B սերիայի ֆինանսավորման համար, ինչը նրա գնահատումը կհասցնի «միաեղջյուր» ընկերություններին բնորոշ 1,2 միլիարդ դոլարի նշաձողին։

Նրանց համար, ովքեր հետևում են ֆիզիկական ավտոմատացման և մեքենայական ուսուցման հատման կետին, սա պարզապես հերթական հոդվածը չէ ուռճացված գնահատումների մասին։ Սա ազդանշան է՝ հստակ և աներկբա ցուցիչ այն բանի, որ ներդրումային հանրությունը շեղել է իր ուշադրությունը ընդհանուր նշանակության լեզվական մոդելներից (LLM) դեպի արդյունաբերական ավտոմատացմանը «աչքեր և ուղեղ» հաղորդելու բարձրարժեք և բարդ խնդիրը։

Տվյալների ամրոցը. ինչո՞ւ է ռոբոտաշինությանը անհրաժեշտ նոր հիմք

Հասկանալու համար, թե ինչու են ներդրողները հոսում դեպի XDOF, պետք է դիտարկել արդյունաբերական ռոբոտաշինության ներկայիս խոչընդոտները։ Տասնամյակներ շարունակ ավտոմատացումը սահմանվել է դետերմինիստական ծրագրավորմամբ. ռոբոտի թևը շարժվել է A կետից B կետ՝ մարդու հրահանգով։ Այսօր մենք գտնվում ենք հավանականային ավտոմատացման դարաշրջանում, որտեղ մեքենաները պետք է իրական ժամանակում մեկնաբանեն չկառուցվածքավորված տվյալները՝ տեսողական մուտքը, տարածական կողմնորոշումը և շրջակա միջավայրի փոփոխականները։

XDOF-ն իրեն դիրքավորում է որպես այս փոխակերպման միջնորդ ծրագրային ապահովում (middleware): Կենտրոնանալով ռոբոտներին հատուկ տվյալների հավաքագրման և համադրման վրա՝ նրանք արդյունավետորեն կառուցում են «ուսումնական հարթակ» ինքնավար գործակալների հաջորդ սերնդի համար։ Այստեղ բիզնես արժեքը հսկայական է։ Ընկերությունները, որոնք կարող են կամրջել գործարանային հարկի ստատիկ տվյալների և արհեստական բանականությամբ ղեկավարվող դինամիկ որոշումների միջև եղած բացը, կտեսնեն հետևյալը.

  • Ներդրման ցիկլերի արագացում. ռոբոտները նոր առաջադրանքների համար կարգաբերելու ժամանակի կրճատում շաբաթներից մինչև ժամեր։
  • Edge-to-Cloud արդյունավետություն. ավելի թեթև մոդելների ստեղծում, որոնք պարզ ֆիզիկական մանևրները մեկնաբանելու համար հսկայական սերվերային ֆերմաների կարիք չունեն։
  • Մարդու միջամտության կրճատում. փորձագետ ինժեներներից կախվածության նվազեցում՝ գործառնական չնչին շեղումները շտկելու համար։

Ներդրումների եկամտաբերության (ROI) տեսանկյունից՝ ձեռնարկությունների թվային փոխակերպման հետևանքները խորն են։ Երբ ընկերությունը կարող է ռոբոտային պարկը դիտարկել որպես մասշտաբային, սովորող ծրագրային ակտիվ, այլ ոչ թե մաշվող սարքավորման կոշտ կտոր, սեփականության ընդհանուր արժեքը (TCO) փոխվում է։ Մենք անցում ենք կատարում մեքենաներ գնելու՝ կապիտալ ծախսերով (CAPEX) ծանրաբեռնված մոդելից դեպի գործառնական ծախսերի (OPEX) վրա հիմնված՝ խելացի հնարավորություններ բաժանորդագրվելու մոդելի։

Ավտոմատացումը և ֆիզիկական AI գործակալների վերելքը

Մենք հաճախ խոսում ենք AI գործակալների մասին որպես զուտ թվային սուբյեկտների՝ գործիքներ, որոնք կառավարում են մեր օրացույցները, նամակներ են գրում կամ օպտիմալացնում են CRM աշխատանքային հոսքերը։ Այնուամենայնիվ, AI հեղափոխության իրական սահմանը այդ գործակալների ինտեգրումն է ֆիզիկական աշխատանքային հոսքերին։ XDOF-ի գնահատման հետագիծը հուշում է, որ շուկան վերջապես գին է սահմանում այս կոնվերգենցիայի համար։

Այստեղ է, որ բիզնեսի ղեկավարների ավելի լայն ռազմավարությունը պետք է շրջադարձ կատարի։ Եթե դուք CXO եք և դիտարկում եք ձեր ավտոմատացման ճանապարհային քարտեզը, պետք է դադարեք ձեր CRM-ը, մատակարարման շղթայի կառավարման ծրագրակազմը և ռոբոտային սարքավորումները դիտարկել որպես առանձին «սիլոսներ»։ Դրանք գնալով դառնում են մեկ միասնական, տվյալների վրա հիմնված էկոհամակարգ։ AI գործակալը, որը գտնվում է ձեր CRM-ում և հասկանում է հաճախորդների պահանջարկը, տեսական ապագայում կարող է ուղղակիորեն շփվել տվյալների շերտի՝ XDOF-ատիպ ենթակառուցվածքի հետ՝ արտադրական գծի արագությունը կամ լոգիստիկ հոսքը կարգավորելու համար՝ առանց մարդկային մեկ հպումի։

Ընդունման միտումները պարզ են. ծրագրային ավտոմատացման «հեշտ հասանելի մրգերը» սպառվում են: Արտադրողականության հաջորդ հսկայական աճը կլինի «կեղտոտ» աշխատանքներում՝ պահեստավորման, լոգիստիկայի և արտադրության մեջ, որտեղ ֆիզիկական իրականությունը դեռևս ամենամեծ խոչընդոտն է արդյունավետության համար:

Ինչի՞ վրա պետք է առաջնահերթություն դնեն ղեկավարները

Այս զարգացումներին հետևող բիզնես ղեկավարի համար դասն այն չէ, որ գնա և այսօր գնի ամենավերջին ռոբոտային սարքավորումը, այլ այն, որ համոզվի՝ իր ներկայիս տվյալների ճարտարապետությունը «պատրաստ է ռոբոտներին»։ Եթե ձեր ներքին տվյալները մասնատված են, մեկուսացված կամ չունեն ապագա գործակալներին վերապատրաստելու համար անհրաժեշտ որակ, դուք չեք կարողանա օգտվել այս նոր առաջընթացներից, երբ դրանք հասնեն զանգվածային շուկա։

Հաջորդ 18 ամիսների համար գործնական քայլերը ներառում են.

  • Տվյալների ամբողջականության աուդիտ. գնահատեք, թե արդյոք ձեր ներկայիս