Den globala digitala omvandlingen fortsätter att ta fart, både vad gäller förändringstakten och effekternas omfattning, vilket i grunden kommer att förändra hur företag och hela branscher kommer att fungera i framtiden.
En central del i en framgångsrik digital omvandling är tillgången till högkvalitativa realtidsdata som kan användas för att fatta bättre underbyggda beslut och genomföra mer avancerade former av automatisering i syfte att uppnå högre operativ effektivitet, förbättra kundupplevelsen och öka medarbetarnas produktivitet. Det är därför inte förvånande att en följd av den digitala omvandlingen har varit tillväxten inom sakernas internet (IoT). IoT-lösningar ger företag ett tillförlitligt sätt att ta emot information från en rad uppkopplade tillgångar, enheter och utrustning – vilka alla utgör kärntillgångarna i varje industriell organisation. Detta samband mellan IoT och digital omvandling framgår tydligt av Omdias undersökning ”2023 IoT Enterprise Omdia”, där 88 % av de tillfrågade uppgav att IoT implementerades inom flera områden i deras organisation eller utgjorde en nyckelkomponent i deras digitala omvandling.
Delvis pådrivet av den allt snabbare digitala omvandlingen uppskattar Omdia att den globala installerade basen av IoT-enheter kommer att uppgå till nästan 38 miljarder enheter i slutet av 2023 och att den kommer att överstiga 82 miljarder år 2030. Även om fristående IoT-applikationer kan skapa värde medför de dock också utmaningar. Den främsta utmaningen är den enorma mängd data de genererar och de därmed förknippade utmaningarna när det gäller databehandling. Vissa uppskattningar visar att den globala IoT-marknaden nu står för cirka en miljard gigabyte data dagligen.
Den här artikeln är ett utdrag ur Telenors rapport om IoT-prognoser, som tagits fram i samarbete med Omdia. Du kan ladda ner hela rapporten gratis nedan!
Resultatet blir att många företag till slut drunknar i en ”datasjö”, eftersom de inte på ett effektivt sätt kan analysera och utvinna meningsfull information som skapar affärsvärde ur de enorma datamängderna. Som man kan förvänta sig blir detta problem bara större i takt med att dessa IoT-projekt växer och antalet slutpunkter och datamängder ökar.
Det är uppenbart att det inte räcker med att bara samla in data för att utnyttja dess fulla potential. Att komplettera datainsamlingen med mänsklig intelligens för att analysera och agera utifrån den är en början, men den enorma informationsmängden gör detta opraktiskt och till och med omöjligt. Istället måste organisationer integrera analysverktyg i sina IoT-projekt som gör deras applikationer smartare, effektivare och mer hållbara.
Svaret är artificiell intelligens. När vi går in i 2024 anser vi att integrationen av AI-funktioner i IoT-implementeringar inte längre är en lyx. Istället kommer ”Artificial Intelligence of Things” att bli en operativ nödvändighet för företag som vill säkerställa sin relevans och motståndskraft i den digitala tidsåldern. På så sätt blir ”smarta enheter” en del av en ”intelligent systemlösning” – ett helhetsinriktat och transformativt sätt att leverera maximalt mervärde till organisationen. Upptäck vilka strategier företag kan använda för att dra nytta av AIoT.
AIoT eller AI4IoT är sammansmältningen av AI-teknik med en IoT-applikation, där IoT står för data och AI – en uppsättning analysverktyg som gör det möjligt att utvinna värde ur data. Detta kallas ofta även för ”Internet of Intelligent Things”, ”IoT med AI” och ”IoT-maskininlärning”. Dessa termer kan användas omväxlande, och var och en beskriver en arkitektur som integrerar båda teknikerna i en enda lösning – en kombination som kan leda till genomgripande förändringar.
Som framgår av diagrammet nedan kan integrationen av artificiell intelligens i en IoT-lösning ske antingen i edge-miljön eller i molnet. Molnbaserad databehandlings förmåga att erbjuda skalbarhet, flexibilitet och prestanda som överstiger vad traditionell lokal utrustning kan erbjuda har gjort den till den vanligaste plattformen för analys och AI, vilket underlättar hanteringen av enorma datamängder och omvandlingen av dessa till värdefulla insikter. På senare tid har dock Edge AI vunnit mark som ett sätt att tillgodose krav på låg latens, sänka kostnaderna och minska säkerhets- och integritetsriskerna.
I båda fallen är det främsta syftet med att använda artificiell intelligens att hitta mönster i data och genomföra analyser för att utvinna meningsfulla insikter för verksamheten eller automatisera uppgifter, vilket i sin tur förbättrar beslutsprocesserna. Enkelt uttryckt möjliggör AI4IoT omvandlingen av rådata till kraftfulla åtgärder med konkret affärsvärde. Om vi gör detta på rätt sätt kan vi uppnå en snabbare, mer robust och hållbar användning av IoT-data för värdeskapande när vi implementerar de modernaste data- och AI-teknikerna, såsom generativ AI.
Med andra ord: IoT tillhandahåller data, medan AI ger kraften att hitta lösningar. En enkel analogi för AI4IoT är människokroppen. I detta scenario är IoT det centrala nervsystemet, som ansvarar för att samla in data och överföra denna information via sitt nätverk. AI skulle vara hjärnan; den tar emot den insamlade informationen, analyserar den för att avgöra dess betydelse och beslutar hur man ska reagera. Även om varje system har specifika funktioner är de alla sammankopplade och beroende av varandra, och deras samverkan gör det andra mer effektivt.
Med Edge AI avses implementering av AI på de fysiska enheterna där data genereras, istället för att dessa funktioner ska finnas i molnet. Detta kallas även Intelligent Edge, Edge IoT eller Edge AI och väcker ett växande intresse nu när vi går in i 2024. I takt med att enheterna börjar generera mer data implementerar OEM-tillverkare och halvledartillverkare AI-modeller och AI-inferenschipset för att möjliggöra denna utökade analys och beslutsfattande vid slutpunkten, samt för att säkerställa lägre latens, dataintegritet och uppfylla applikationernas säkerhetskrav. Detta trots att många edge-enheter vanligtvis begränsas av låg energikapacitet.
Den mest uppenbara drivkraften bakom tillväxten inom Intelligent Edge är applikationer som kräver extremt korta svarstider, eller där fördröjningen är avgörande för leveransen (t.ex. AR- och VR-baserade spel). Den tid det tar för data att samlas in, skickas till ett centraliserat datacenter och tillbaka igen är helt enkelt för lång. Förutom fördelen med låg latens möjliggör Edge AI förbättrad säkerhet och integritet eftersom all data lagras lokalt, samt minskar kostnaderna för dataöverföring och efterföljande lagring i molnet. Hållbarhetsfördelarna med relativt lägre beräkningskostnader är också betydande.
Se detta 17 minuter långa samtal med David Green, konsultchef på Omdia, Martin Whitlock, teknikchef på Telenor IoT, och Ieva Martinkenaite, senior vice president och chef för forskning och innovation inom Telenor-koncernen.
Omdia anser att flera faktorer kommer att samverka under 2024, vilket tyder på att detta blir ett avgörande år för IoT i samband med införandet av AI. Den snabba utvecklingen av generativ AI-teknik och den därmed förknippade känslan av brådska i styrelserummen hos många företag visar att AI/ML prioriteras i IoT-implementeringar, vilket förebådar en omfattande spridning av AIoT. Dessutom bidrar framsteg inom hårdvaran – med kraftfullare, mindre och mer energieffektiva enheter – genombrott inom AI-modeller samt kommande AI-lagstiftning som ställer krav på en mer ansvarsfull och hållbar användning av digital teknik till denna utveckling. Tillsammans understryker dessa förutsättningar hur brådskande det är och vilka möjligheter som finns för företag att integrera AI-teknik i sina IoT-applikationer för att behålla sitt försprång.
I Omdias IoT Enterprise Survey uppgav över 48 % av de tillfrågade företagen att AI/ML var en prioritet för deras framtida IoT-implementeringar – det var det främsta valet. Omdia anser att detta tyder på en bredare användning av AIoT under 2024. Företagen måste ta detta steg, annars riskerar de att hamna på efterkälken.
Hårdvaruutveckling: Att integrera funktioner för artificiell intelligens i Edge-IoT-lösningar kräver större datorkraft. Traditionellt har en av de största utmaningarna vid denna implementering varit att hitta hårdvara med rätt kombination av pris, strömförbrukning, prestanda och formfaktor. Den hårda konkurrensen på halvledarmarknaden har dock lett till enorma framsteg inom vart och ett av dessa områden under de senaste åren. Ett stort antal halvledartillverkare erbjuder redan AI-acceleration i prisklasser som sträcker sig ända ner till mikrokontroller, och de som inte gör det försöker fylla denna lucka. Omdia förutspår att leveranserna av AI Edge-processorer kommer att öka från 2,3 miljarder år 2023 till nästan 4 miljarder år 2028.
Genombrott inom forskning och utveckling av AI: FoU-insatser för att minimera storleken på AI-modeller kommer att vara en avgörande faktor för skalbarheten hos AI-baserade IoT-applikationer, särskilt för de som körs i edge-miljöer. Modellkomprimering – i huvudsak omvandlingen av en stor och komplex modell till mer resurssnåla modeller – gör det möjligt att köra maskininlärningsalgoritmer på enheter med begränsat minne och begränsad strömförsörjning. Denna utveckling, som ibland kallas TinyML, kommer att möjliggöra en ökad användning av AI i IoT-applikationer under 2024 och framöver.
Generativ AI: Varje diskussion om AI år 2024 kommer att omfatta generativ AI (GenAI). Omdias enkla definition av GenAI är att utnyttja AI-teknik för att ”skapa något nytt”. Det innehåll som skapas av GenAI kan variera och omfatta bland annat generering av konversationstext eller längre texter, skapande av programkod, bildsyntes och till och med musikkomposition.
En undersökning från Omdia visar att företagen har tagit emot generativ AI med stor entusiasm: 38 % av de tillfrågade i Omdias rapport ”IT Enterprise Insights 2024” uppgav att de antingen redan hade infört generativ AI fullt ut eller var i färd med att införa den. Endast 10 % uppgav att de inte hade något intresse för generativ AI.
I detta tidiga skede är det svårt att bedöma exakt hur GenAI kommer att påverka maskininlärning inom IoT. En kortsiktig effekt kan vara automatiserad generering av programkod. GenAI:s förmåga att påskynda kodningsprocessen skulle kunna tillämpas och underlätta utvecklingen av IoT-applikationer, vilket bidrar till att förkorta tiden till marknadslansering. En annan potentiell konvergens mellan dessa tekniker kan vara generering av syntetiska data.
Externa faktorer: En rad andra faktorer förväntas också driva på företagens övergång till IoT med AI under 2024. Arbetskraftsbrist i länder med höga kostnader kommer att få fler företag att använda automatiserade lösningar där så är möjligt. En annan intressant utveckling under 2024 kommer att vara AI-regleringen, där olika myndigheter förväntas ta itu med konsekvenserna av artificiell intelligens och skapa ansvarsfulla styrningsramar för AI för att skydda mot dess potentiella skadeverkningar (t.ex. integritetsintrång, desinformation, partiskhet och diskriminering). Även om detta vid första anblicken kan verka som en hämmande faktor för marknaden, visar Omdias undersökningar att en överväldigande majoritet av företagen anser att statliga regleringar är viktiga för den långsiktiga styrningen av området. I en Omdia-undersökning ansåg 65 % av de som arbetar med AI inom företagen att AI bör regleras.
Sammantaget pekar dessa faktorer på att 2024 kommer att bli ett avgörande år för AIoT inom företagen. Men precis som med all teknik kommer den avgörande faktorn för framtida framgång att vara den avkastning på investeringen som AIoT-projekten ger.
Följande användningsområden illustrerar några av de områden där vi tror att AIoT kommer att ge – eller redan ger – en praktisk och konkret avkastning på investeringen.
IoT-uppkoppling med samlad hantering för företag som är verksamma på flera marknader och har storskaliga IoT-implementeringar, med inbyggd driftsövervakning och stöd under hela livscykeln.
Global fordonsuppkoppling med inbyggd regelefterlevnad och stöd för programvarudefinierade fordon, vilket hjälper biltillverkare att tillhandahålla uppkopplade tjänster i stor skala.
Enheter, SIM-kort och datahantering i en och samma tjänst som hjälper er att ta uppkopplade produkter från lansering till fullskalig utrullning utan att behöva bygga upp en egen IoT-stack.