Průmyslová AI získává autonomii, dohled lidí zůstává

V kostce

• 66 % výrobců využívá nebo plánuje agentní AI v provozu
• 40 % očekává do roku 2030 určitou míru autonomie továren
• Nestlé snížilo spotřebu energie sušiček o 16 %

Průmyslové podniky propojují živá digitální dvojčata s agentní AI, která už umí nejen analyzovat provoz, ale v omezeném rozsahu i samostatně zasahovat, dohled člověka však podle popisu zůstává určující. Podle průzkumu Manufacturing Leadership Council z roku 2026 využívá nebo plánuje využívat agentní AI v provozu 66 % výrobců a 40 % očekává do roku 2030 určitou míru autonomie továren. Zároveň 65 % vedoucích pracovníků v průzkumu společnosti Deloitte z roku 2025 řadí provozní rizika včetně možného narušení podnikání mezi hlavní obavy.

Živé digitální dvojče je v článku popsáno jako dynamická a věrná digitální reprezentace složitých provozů spojená se schopností zasahovat do fyzického světa prostřednictvím provozních a řídicích systémů. Na rozdíl od dřívějších řešení zaměřených na simulaci, pozorování a plánování scénářů má držet krok s aktuálními podmínkami a propojovat dříve oddělené systémy. Rob McGreevy, produktový ředitel společnosti AVEVA, je přirovnává k organismům, které rostou a vyvíjejí se. Agentní AI pak má umožnit přechod od diagnostiky a doporučení k samostatným úkonům a drobným průběžným úpravám, jež udržují provoz ve stabilním stavu.

Technickým základem je podle textu digitální vlákno, tedy propojený záznam o zařízení napříč jeho životním cyklem, který spojuje konstrukční a projekční informace s provozními daty v reálném čase. K jeho vzniku přispěly dostupnější senzory streamující telemetrii ze zařízení internetu věcí a průmyslového řízení a softwarové platformy, které data převádějí do přehledných rozhraní. Prediktivní modely a modely založené na fyzice pak poskytují pohled obohacený o AI na možné chování strojů a procesů. Operátoři mohou dvojče posuzovat různými pohledy, například z hlediska emisí, stavu zařízení nebo plnění výkonových ukazatelů.

Rozsah autonomie má zatím zůstat ohraničený. McGreevy očekává, že agentní AI bude v dohledné době působit převážně v poradním režimu a plná autonomie se omezí na úzké a vysoce opakované úkoly, podobně jako u řídicích systémů SCADA, kde písmeno S znamená dohledovou roli s člověkem uprostřed. Organizace mají stanovit jasná pravidla, o čem smí AI rozhodovat sama a jak se její kroky sledují a auditují. Podle společné studie společností AVEVA a IMD však pouze 23 % organizací uvedlo, že AI výrazně či zásadně změnila rozhodování a odpovědnost napříč ekosystémem partnerů, 43 % hlásí jen mírnou či žádnou změnu a podstatně či rozsáhle sdílí data s partnery 27 % z nich.

Do pravidel vstupuje i regulace. Zákon EU o AI klasifikuje některé bezpečnostní součásti AI používané v kritické infrastruktuře jako vysoce rizikové a ukládá požadavky na lidský dohled. Společnost AVEVA podle článku zřídila radu pro odpovědní správu AI a zveřejnila zásady pro vývoj a nasazování AI. Míra lidského schvalování se v praxi liší podle nasazení, od potvrzení každého kroku operátorem po samostatné jednání AI v mezích, které lidé vymezují a kontrolují.

Článek uvádí několik příkladů z praxe u zákazníků společnosti AVEVA, jde tedy o tvrzení dodavatele a jeho zákazníků, nikoli o nezávislé ověření. V rafinérii Yanbu společnosti Saudi Aramco upravují optimalizační algoritmy výrobu v uzavřené smyčce pod dohledem operátorů podle potřeby, zatímco v rafinérii Ras Tanura algoritmy změny doporučují a o zavedení rozhodují operátoři. Společnost Nestlé využívá optimalizaci pomocí AI v závodech Nesquik k ladění průmyslových sušiček pro výrobu práškových nápojových směsí, přičemž test snížil spotřebu energie o 16 % a zároveň zlepšil kvalitu a výtěžnost. Thajská společnost SCG Chemicals nasadila digitální dvojče podporované AI napříč konstrukcí, provozem a údržbou ke sledování stavu zařízení a hlášení možných poruch, přičemž hlásí spolehlivost závodu 99 % a devítinásobnou návratnost investice do šesti měsíců.

Dalším příkladem je Národní laboratoř Skalistých hor v USA, která vytvořila generativní model AI pro velíny elektrizační soustavy na podporu dohledu ve velkém měřítku, včetně předpovědi výroby energie z obnovitelných zdrojů a odhadu stavu sítě. Výhledově text zmiňuje fyzickou AI spojující robotiku a senzory s rozhodováním pomocí AI, například drony nad potrubím a elektrickým vedením, jež předávají vizuální data algoritmům pro odhalování úniků plynu a dalších nebezpečí. McGreevy tento širší celek označuje jako integrovaný hodnotový řetězec, v němž digitální reprezentace celého řetězce umožňuje rychle reagovat na změny v dodávkách, poptávce, clech a dostupnosti materiálu.

Zdroje

1. MIT Tech Review AItechnologyreview.com