PL EN


Journal
2019 | 15 | 3 | 363-376
Article title

Striving for excellence in ai implementation: AI maturity model framework and preliminary research results

Selected contents from this journal
Title variants
PL
Dążenie do perfekcji we wdrażaniu sztucznej inteligencji: ramy modelu dojrzałości sztucznej inteligencji oraz wyniki badań wstępnych
Languages of publication
EN
Abstracts
EN
Background: In hereby article authors try to summarize how AI can be use by companies within production and warehousing. On the basis of previously developed Logistics 4.0 maturity model authors also propose Artificial intelligence maturity levels and on its basis a survey has been conducted in selected Polish and Norwegian companies and actual AI state of development and maturity levels has been recognized. However authors present preliminary stage of research as a multi case study which will be further developed and extended in order to identify branches and areas with a hugest potential to enhance AI utilization. Furthermore paper presents potential directions of Artificial intelligence implementation as well as tools that can be useful to deal with big data and optimization problems predicted not only for big companies but also SMEs. Authors propose term Artificial Intelligence 4.0 to point out the actual trends in the scope of Industry 4.0 and Logistics 4.0 and revolution with respect to AI. Without doubt AI is a big challenge for manufacturing companies as well as Transport and Logistics Industry and its application should be increased and extended in solving practical problems. Methods: Methodology applied by authors of hereby paper can be divided on following stages: literature analysis, enlargement of AI maturity model, development of a questionnaire, multi-case studies in Norway and Poland. Results: The literature search showed a cognitive gap due to fact there is a little of literature dealing with problem of Artificial intelligence maturity models as well as Logistics 4.0 and Artificial Intelligence. Artificial intelligence maturity levels can be combined with Logistics 4.0 maturity models thus relations between actual level of logistics maturity and AI readiness in companies will be recognized. Due to such analysis it will be possible to develop complex roadmap with the organization’s strategic guidelines how to deal with Logistics 4.0 and AI. All the companies investigated in this preliminary study could be classified as AI Novices: Companies that have not taken proactive steps on the AI journey and are at best in assessment mode. Even the bigger companies with more automated solutions cannot visualize the benefits AI can bring. Conclusions: Authors see potential to apply aforementioned model to investigate AI maturity levels in logistics companies and combine obtained results with previously developed Logistics 4.0 maturity model. Authors propose to introduce term Artificial Intelligence 4.0 to emphasize the importance of artificial intelligence with respect to Logistics 4.0 and Industry 4.0.
PL
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.
Journal
Year
Volume
15
Issue
3
Pages
363-376
Physical description
Contributors
References
Document Type
Publication order reference
Identifiers
YADDA identifier
bwmeta1.element.desklight-7fb3c453-15f3-45b1-baae-86d50306fd76
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.