Mengapa Peralihan Tenaga Kerja AI Pembuatan Lebih Cepat daripada yang Dijangka Oleh Sesiapa

Inilah angka yang sepatutnya menghentikan anda: pada 2024, syarikat pembuatan menyiarkan lebih banyak iklan jawatan berkaitan AI berbanding firma perkhidmatan kewangan. Bukan per kapita. Jumlah keseluruhan.

Itu bukan kesilapan taip. Industri yang paling banyak dibayangkan oleh eksekutif apabila mereka berfikir tentang "lambat berubah" (lantai kilang, mesin yang semakin tua, kontrak kesatuan, kitaran modal yang panjang) kini menjalankan salah satu transformasi tenaga kerja AI yang paling cepat dalam rekod. Dan sebab-sebab ia berlaku begitu cepat dalam pembuatan adalah sebab yang sama ia akan berlaku lebih cepat daripada yang anda fikir dalam industri anda juga.

Ini bukan kisah tentang robot menggantikan pekerja pemasangan. Naratif itu sekurang-kurangnya satu dekad lama dan sebahagian besar terlepas apa yang sebenarnya berlaku. Peralihan sebenar adalah kognitif. Ia adalah organisasi. Dan ia sedang memecut pada garis masa yang mengejutkan bahkan analis yang paling optimis.

Tiga Daya yang Menjadikan Penerimaan AI Tidak Pilihan

Pembuatan tidak memilih untuk bergerak cepat dalam transformasi tenaga kerja AI. Ia ditolak ke sana oleh tiga tekanan struktural yang bertemu dengan cara yang tidak meninggalkan kepimpinan jalan tengah yang selesa. Penyelidikan McKinsey tentang AI generatif dan masa depan kerja mengunjurkan bahawa menjelang 2030, sehingga 30% jam kerja semasa boleh diautomasikan — dan pembuatan menyaksikan pemampatan itu pada garis masa yang jauh lebih pendek daripada ramalan lebih luas yang diandaikan.

Kekurangan buruh mencecah tembok. Pekerjaan pembuatan di AS telah mengecut selama 40 tahun, tetapi pandemik mendedahkan betapa rapuhnya tenaga kerja tersebut. Kilang yang bergantung pada pengendali berpengalaman mendapati pengendali tersebut tidak kembali, sama ada telah bersara atau beralih secara kekal ke industri lain. Persatuan Pengilang Kebangsaan menganggarkan 2.1 juta pekerjaan pembuatan yang tidak diisi menjelang 2030. Itu bukan masalah saluran paip yang anda selesaikan dengan pengambilan. Ia adalah jurang struktural yang memaksa anda mengubah cara kerja dilakukan.

Apabila alternatif kepada augmentasi AI adalah sekadar tidak beroperasi pada kapasiti penuh, pengiraan ROI berubah sepenuhnya. Ia bukan lagi "bolehkah kita mewajarkan pelaburan ini?" Ia menjadi "apa kos kepada kita untuk tidak melakukan ini?" Itu adalah perbualan yang berbeza di peringkat lembaga, dan ia bergerak lebih cepat.

Data sebenarnya sudah bersedia. Ini adalah bahagian yang mengejutkan orang. Pembuatan telah menjalankan pengumpulan data berstruktur pada proses fizikal selama beberapa dekad, melalui sistem SCADA, log PLC, pangkalan data kawalan kualiti, dan penjejakan rantaian bekalan. Apabila alat AI tiba yang boleh berfungsi dengan data ini, tidak ada projek pembersihan data dua tahun yang menghalang. Data itu wujud. Ia berstruktur. Ia dilabel. Anda boleh menjatuhkan sistem AI dan mendapatkan isyarat ROI dalam beberapa minggu, bukan suku.

Bandingkan itu dengan, katakan, perkhidmatan profesional atau pentadbiran penjagaan kesihatan, di mana "data" sering terkunci dalam dokumen tidak berstruktur, urutan e-mel, dan ingatan manusia. Pembuatan mendapat ROI AI yang lebih cepat kerana data operasinya lebih hampir kepada sedia latih berbanding hampir mana-mana sektor lain. Kelajuan kemenangan awal itu mewujudkan momentum organisasi yang memampatkan garis masa penerimaan.

Kelompangan demografi mewujudkan kecemasan peringkat lembaga. Purata umur pengendali pembuatan mahir di AS melebihi 50 tahun. Analisis Deloitte tentang tenaga kerja pembuatan AS yang semakin menyusut mendokumentasikan bagaimana jurang kemahiran pembuatan kini duduk pada kira-kira 400,000 peranan yang tidak diisi — angka yang akan berkembang kepada 1.9 juta menjelang 2033 jika trend semasa berterusan. Dalam satu dekad, sebahagian besar pengetahuan institusi yang memastikan garisan pengeluaran kompleks berjalan akan keluar pintu bersama pekerja yang bersara. Itu bukan masalah masa depan untuk HR bimbangkan. Itu adalah risiko peringkat lembaga yang ada dalam radar setiap CEO pembuatan sekarang.

Respons bukan hanya mengambil pekerja yang lebih muda. Ia menangkap pengetahuan tersebut sebelum ia pergi, dan menanamkannya dalam sistem yang tidak bersara. Dokumentasi proses berbantu AI, pembangunan sistem pakar, dan alat grafik pengetahuan bergerak dari "Pilot yang menarik" kepada "keperluan kesinambungan perniagaan" dalam kira-kira 18 bulan. Apabila sesuatu menjadi soalan kesinambungan perniagaan, ia berhenti menunggu kitaran belanjawan tahunan.

Rupa Peralihan Tenaga Kerja yang Sebenar

Versi popular kisah AI pembuatan adalah tentang robot menghapus pekerjaan. Kisah sebenar lebih menarik, dan lebih instruktif untuk pemimpin di sektor lain.

Di kilang pemasangan automotif utama di Tennessee, gelaran kerja "AI Maintenance Technician" tidak wujud pada 2022. Menjelang akhir 2024, terdapat empat belas daripadanya dalam kakitangan. Tugas mereka bukan untuk menggantikan pekerja penyelenggaraan yang membaiki mesin. Ia menguruskan sistem AI penyelenggaraan ramalan yang memberitahu pekerja tersebut apa yang perlu dibaiki dan bila. Mereka mentafsir output model, menandai positif palsu, melatih semula model apabila konfigurasi garisan pengeluaran berubah, dan berkhidmat sebagai lapisan terjemahan antara tingkah laku sistem AI dan membuat keputusan operasi.

Itu adalah peranan baru. Bukan penggantian. Kategori kerja baru yang tidak wujud sebelum sistem AI wujud.

Dalam pembuatan diskret (fikirkan pemasangan elektronik dan komponen kejituan), peranan "Analis Pengoptimuman Proses" telah menjadi salah satu kategori kerja yang paling pesat berkembang. Peranan ini duduk di persimpangan kejuruteraan industri dan analisis data. Mereka menggunakan alat AI untuk menjalankan simulasi berterusan parameter pengeluaran, mengenal pasti peluang pengoptimuman yang tidak akan pernah ditangkap oleh jurutera manusia yang menyemak laporan mingguan. AI tidak membuat keputusan untuk mengubah proses. Analis membuat, dimaklumkan oleh output AI yang berjalan 24/7.

Pembuatan makanan dan minuman menceritakan kisah yang sedikit berbeza. Di sini, jurutera kualiti berbantu AI telah menjadi pusat kepada operasi pematuhan dan keselamatan. Sistem penglihatan dan susunan sensor menjana jumlah besar data pemeriksaan yang tidak dapat disemak oleh pasukan manusia dengan cepat. Tugas jurutera kualiti telah beralih dari melakukan pemeriksaan kepada mereka bentuk kriteria pemeriksaan, mengaudit tingkah laku penandaan AI, dan mengurus aliran kerja eskalasi apabila sistem mengenal pasti anomali. Lebih banyak pertimbangan, kurang pengulangan. Peranan itu tidak lebih kecil. Ia berbeza. Ini mencerminkan anjakan minda alat kepada rakan sepasukan AI yang berlaku dalam persekitaran kolar putih, tetapi berlaku di lantai pengeluaran dahulu.

Apa yang dihapus? Peranan yang terutamanya tentang pengumpulan data dan semakan draf pertama. Peranan pemeriksaan manual di mana aktiviti teras adalah memerhati dan merekod. Kedudukan kemasukan data yang wujud kerana sistem tidak bercakap antara satu sama lain. Ini tidak digantikan oleh robot. Mereka digantikan oleh sistem yang bersambung yang menjana dan menghalakan data secara automatik.

Faktor Kelajuan: Dari 5-7 Tahun kepada 2-3 Tahun

Analis industri meramalkan garis masa transformasi 5-7 tahun untuk penerimaan AI pembuatan seawal 2022. Anggaran itu sudah lapuk. Transformasi aktif berlaku pada kitaran 2-3 tahun di pengilang terkemuka, dan terdapat tiga sebab khusus masa jam dimampatkan.

Pertama, tekanan buruh yang kami huraikan tidak memberi eksekutif kemewahan pendekatan Pilot berperingkat. Apabila anda beroperasi pada kapasiti 70% kerana anda tidak dapat mengisi peranan, anda tidak menjalankan Pilot 12 bulan. Anda menggunakan apa yang berfungsi dan berulang dalam pengeluaran.

Kedua, alat AI sendiri bertambah baik lebih cepat daripada yang diunjurkan oleh ramalan teknologi. Gabungan model asas dan platform AI industri bertujuan khusus bermakna pengilang tidak perlu membina AI tersuai dari awal. Mereka boleh mengkonfigurasi dan menggunakan. Itu meruntuhkan garis masa pelaksanaan dari 18 bulan kepada 3-4 bulan untuk banyak aplikasi.

Ketiga, tekanan rakan sebaya dalam rangkaian industri bergerak lebih cepat daripada yang dijangkakan oleh ramalan analis. Apabila pesaing menjalankan penggunaan AI yang kelihatan dan membincangkannya di persidangan industri, CEO setiap kilang bersaing ada dalam panggilan dengan pasukan operasi mereka minggu berikutnya. Pembuatan mempunyai rangkaian industri yang rapat. Kisah kejayaan bergerak cepat dan mewujudkan kecemasan di peringkat eksekutif dengan cara yang tidak berlaku dalam industri yang lebih berpecah.

Inilah perbandingan kasar kelajuan penerimaan AI mengikut sektor, diukur dari "perhatian eksekutif yang signifikan" kepada "perubahan peranan tenaga kerja yang bermakna":

Industri Garis Masa Penerimaan Pemacu Utama
Pembuatan 2-3 tahun Kekurangan buruh + data berstruktur
Perkhidmatan Kewangan 3-4 tahun Kehati-hatian kawal selia + sistem warisan
Penjagaan Kesihatan 4-6 tahun Kerumitan pematuhan + silo data
Perkhidmatan Profesional 3-5 tahun Data tidak berstruktur + tentangan bakat

Pembuatan bukan hanya cepat. Ia cepat atas sebab struktural yang mula muncul dalam sektor lain.

Apa yang Industri Lain Boleh Pelajari

Pembuatan mempunyai daya memaksa yang tidak wujud di mana-mana. Kekurangan buruh fizikal adalah akut dengan cara yang belum dialami oleh sektor kolar putih. Kelebihan kesediaan data adalah nyata dan khusus kepada operasi industri.

Tetapi beberapa daya memaksa itu memang boleh dipindahkan.

Masalah "kelompangan demografi" bukan unik kepada pembuatan. Firma undang-undang, amalan perakaunan, dan syarikat perundingan sedang menonton rakan kongsi kanan menghampiri persaraan dengan pengetahuan institusi yang tidak pernah didokumentasikan. Pembingkaian kesinambungan perniagaan yang mendorong kecemasan dalam pembuatan tersedia kepada mana-mana sektor yang sanggup menamakan risiko dengan jujur.

Dinamik "ROI dalam minggu, bukan suku" mula muncul dalam sektor lain apabila alat AI matang. Penggunaan AI awal dalam perkhidmatan profesional adalah lambat kerana data tidak bersedia. Itu berubah. Syarikat yang telah melabur dalam infrastruktur data mendapati penggunaan AI memberikan ROI yang boleh diukur pada garis masa yang dimampatkan, dan apabila eksekutif melihat itu, keputusan penerimaan mempercepatkan.

Kesan rangkaian rakan sebaya adalah universal. Setelah pesaing yang kelihatan dalam mana-mana sektor membuat perubahan tenaga kerja AI yang bermakna, kalkulus kecemasan di setiap pesaing berubah. Titik infleksi tersebut belum mengenai kebanyakan sektor seperti yang mengenai pembuatan pada 2023 dan 2024. Tetapi ia akan berlaku.

Pelajaran dari pembuatan bukan "anda perlu bergerak secepat yang mereka lakukan." Ia adalah "syarat yang menjadikan pembuatan bergerak cepat sedang membina dalam sektor anda, dan garis masanya akan dimampatkan lebih cepat daripada yang diasumsikan oleh ramalan semasa anda."

Menerapkan Model Kecemasan Pembuatan kepada Perancangan Tenaga Kerja Anda

Jika anda adalah CEO, COO, atau CHRO di luar pembuatan yang melihat ini dan tertanya-tanya apa maknanya untuk perancangan anda, inilah rangka kerjanya:

Kenal pasti padanan anda dengan tekanan kekurangan buruh. Pembuatan mempunyai satu yang jelas. Di mana kapasiti operasi anda dihadkan oleh bilangan pekerja? Di mana anda beroperasi pada kurang daripada keberkesanan penuh kerana anda tidak dapat mencari atau mengekalkan orang untuk peranan tertentu? Itu adalah sauh kecemasan anda. Pelaburan tenaga kerja AI yang dibingkai di sekitar kekangan tersebut mendapat perhatian lembaga dan kelulusan belanjawan lebih cepat daripada naratif "transformasi" umum.

Audit kesediaan data anda dengan jujur. Pembuatan mendapat ROI cepat kerana datanya lebih bersih daripada yang disedari oleh kebanyakan sektor. Di mana data operasi anda sebenarnya berstruktur dan boleh diakses? Itulah bidang di mana AI boleh memberikan kemenangan cepat yang boleh diukur. Mulakan di sana. Bina momentum. Jangan pimpin dengan masalah data yang paling tidak kemas. Bina keyakinan organisasi dahulu.

Namakan risiko pengekalan pengetahuan. Setiap organisasi mempunyai orang berpengalaman yang membawa pengetahuan institusi yang tidak didokumentasikan di mana-mana. Itu adalah risiko kesinambungan perniagaan, dan lembaga bertindak balas kepadanya. Membingkai pelaburan tenaga kerja AI sebagai infrastruktur tangkapan dan pengekalan pengetahuan mengubah cara ia dinilai di bahagian atas rumah.

Tetapkan horizon 2-3 tahun, bukan 5. Pengalaman pembuatan sepatutnya mengkalibrasi semula tingkap perancangan anda. Ramalan transformasi 5-7 tahun adalah salah untuk pembuatan. Ia mungkin salah untuk sektor anda juga. Rancang untuk perubahan peranan tenaga kerja yang bermakna dalam tempoh 24-36 bulan, bukan sebagai senario horizon yang jauh.

Garis Asas Persaingan Sedang Ditetapkan Sekarang

Transformasi tenaga kerja AI pembuatan sedang melakukan sesuatu yang kebanyakan eksekutif dalam sektor lain belum sepenuhnya memproses: ia menetapkan garis asas persaingan baru untuk kecekapan operasi.

Apabila pengilang berprestasi terbaik menjalankan operasi beraugmentasi AI dengan keperluan bilangan pekerja 20-30% lebih sedikit untuk output yang sama, itu menjadi struktur kos yang semua orang lain bersaing. Tidak kira jika anda berada dalam industri yang berbeza. Jika rakan kongsi rantaian bekalan, pelanggan, atau pesaing anda mempunyai pendedahan kepada struktur kos tersebut, ia mempengaruhi kedudukan persaingan anda.

Industri yang bergerak pada kelajuan pembuatan dalam tiga tahun akan datang akan menetapkan garis asas yang semua orang lain perlu tandingi dalam lima tahun selepas itu. Dan industri yang menunggu jam transformasi 5-7 tahun akan mendapati diri mereka membina semula perancangan tenaga kerja yang mereka perlu mulakan dua tahun lalu.

Pembuatan bukan ditulis sebagai mundur. Ia diremehkan kerana kisah AI yang orang tonton adalah kisah yang salah. Transformasi kognitif dan organisasi yang berlaku di dalam kilang-kilang tersebut adalah kisah sebenar, dan ia tiba dalam sektor anda lebih cepat daripada yang diandaikan oleh Roadmap semasa anda.

Baca Lebih Lanjut