Basato sui dati di un sondaggio condotto su 300 intervistati e su interviste approfondite con dirigenti senior del settore tecnologico e altri esperti, questo rapporto esamina come i team di ingegneria del prodotto stanno scalando l’intelligenza artificiale, cosa sta limitando un’adozione più ampia e quali capacità specifiche stanno modellando l’adozione oggi e in futuro con risultati reali o potenzialmente misurabili.
I principali risultati della ricerca includono:
La verifica, la governance e una chiara responsabilità umana sono essenziali in un ambiente in cui i risultati sono materiali e i rischi sono elevati. Laddove gli ingegneri di prodotto utilizzano l’intelligenza artificiale per informare direttamente la progettazione fisica, i sistemi integrati e le decisioni di produzione prese al momento del rilascio, i guasti dei prodotti possono creare rischi reali che non possono essere annullati. Pertanto gli ingegneri di prodotto stanno adottando sistemi di intelligenza artificiale a più livelli con diverse soglie di attendibilità anziché implementazioni generiche.
L’analisi predittiva e i prodotti di simulazione e verifica basati sull’intelligenza artificiale rappresentano le principali priorità di investimento a breve termine per i leader dell’ingegneria. Scelte dalla maggior parte degli intervistati, queste funzionalità forniscono chiari cicli di feedback, consentendo alle aziende di verificare le prestazioni, ottenere approvazioni normative e dimostrare il ritorno sull’investimento (ROI). È fondamentale costruire una fiducia graduale negli strumenti di intelligenza artificiale.
Nove leader su dieci nell’ingegneria di prodotto prevedono di aumentare gli investimenti nell’intelligenza artificiale nei prossimi uno o due anni, ma l’aumento è modesto. La percentuale più alta degli intervistati (45%) prevede di aumentare gli investimenti del 25%, mentre quasi un terzo è favorevole ad un aumento dal 26% al 50%. E solo il 15% prevede di apportare cambiamenti importanti, tra il 51% e il 100%. L’attenzione degli ingegneri di prodotto è rivolta all’ottimizzazione piuttosto che all’innovazione, con prove scalabili e ROI a breve termine che rappresentano l’approccio dominante all’adozione dell’intelligenza artificiale, in contrapposizione alla trasformazione pluriennale.
La sostenibilità e la qualità del prodotto sono i principali risultati misurabili dell’intelligenza artificiale nell’ingegneria del prodotto. Questi risultati, visibili a clienti, autorità di regolamentazione e investitori, hanno la priorità rispetto a parametri competitivi come time-to-market e innovazione – valutati di moderata importanza – e vantaggi operativi interni come la riduzione dei costi e la soddisfazione della forza lavoro, a un livello inferiore. Ciò che conta di più sono i segnali del mondo reale come i tassi di difettosità e i profili di emissioni, piuttosto che i cruscotti tecnici interni.
Questo contenuto è stato prodotto da Insights, il ramo dei contenuti personalizzati di MIT Technology Review. Non è stato scritto dalla redazione del MIT Technology Review. È stato ricercato, progettato e scritto da scrittori, editori, analisti e illustratori umani. Ciò include la scrittura di sondaggi e la raccolta di dati per i sondaggi. Gli strumenti di intelligenza artificiale che potrebbero essere stati utilizzati erano limitati ai processi di produzione secondari sottoposti a un’accurata revisione umana.
