Η Διακυβέρνηση AI και η Edge Computing Ξανατραβούν τη Γραμμή Επιβίωσης των Τυπογραφείων

Κατά τις τελευταίες δύο ταξῶς πελατών που έκανα, το πιο συχνό ερώτημα δεν ήταν 'θα πρέπει να αλλάξουμε μηχανές' αλλά 'θα έχουμε πρόβλημα αν χρησιμοποιούμε AI έτσι;' και 'τι γίνεται αν λήξουν τα υλικά;' - αυτά τα δύο θέματα που φαίνονταν άσχετα

Είναι στην πραγματικότητα δύο πλευρές της ίδιας πίεσης

Η μία πλευρά είναι ότι η γεωπολιτική διατάρασσε τις αλυσίδες εφοδιασμού, οι χρόνοι παράδοσης για εισαγόμενες μελάνες, πλάκες εκτύπωσης και ανταλλακτικά εξοπλισμού επιμηκύνθηκαν, η αβεβαιότητα της διασυνοριακής λογιστικής αυξήθηκε και οι τιμές κυμαίνονται

Η άλλη πλευρά είναι ότι κυβερνήσεις σε διάφορες χώρες εισάγουν προοδευτικά πλαίσια ρύθμισης AI, απαιτώντας από τις επιχειρήσεις να εξηγήσουν ξεκάθαρα: πού χρησιμοποιείται το AI, ποιος είναι υπεύθυνος για σφάλματα και πώς προστατεύονται τα δεδομένα των πελατών

Στο παρελθόν, αυτά τα δύο θέματα κινούνταν ανεξάρτητα, αλλά τώρα τα αντιμετωπίζει μαζί η ίδια εβδομαδιαία έκθεση βιομηχανίας - δεν είναι σύμπτωση, είναι επειδή για ένα τυπογραφείο, το 'κάν να παραδώσει σταθερά' και 'να χρησιμοποιήσει με ασφάλεια AI' έχουν γίνει το ίδιο ζήτημα επιβίωσης

Πολλοί ιδιοκτήτες όταν ακούνε 'διακυβέρνηση' νομίζουν ότι είναι θέμα μεγάλων εταιρειών, άσχετο με ένα τυπογραφείο 20-30 ατόμων

Αυτή είναι η λανθασμένη αντίληψη που θέλω να διορθώσω περισσότερο

Στη σημερινή εκτυπωτική παραγωγή, η γενετική AI έχει ήδη διεισδύσει: γραφή κειμένων, προέλεγχος, εξυπηρέτηση πελατών, χρονοδιάγραμμα παραγωγής

Το πρόβλημα είναι ότι οι περισσότερα εργοστάσια δεν θέσπιζαν κανόνες κατά την εισαγωγή, και η διακυβέρνηση έχει να χειριστεί αυτά τα χαλαρά γκρι περιθώρια, με τα κύρια ζητήματα να είναι:

・Ταξινόμηση δεδομένων: Ποια αρχεία πελατών μπορούν να τροφοδοτηθούν στο AI και ποια δεν μπορούν, αυτή η γραμμή πρέπει να σχεδιαστεί πρώτα

・Ευθύνη μοντέλου: Εάν το AI κάνει σφάλμα στο χρονοδιάγραμμα ή ο προέλεγχος χάσει ένα τυπογραφικό λάθος, ποιος είναι υπεύθυνος, πρέπει να ξεκαθαριστεί εκ των προτέρων

・Προστασία δεδομένων πελατών: Σχέδια, προσφορές και τύποι των πελατών ετικετών - σε ποιο εργαλείο τα βάζετε και πού αποθηκεύονται

・Εκπαίδευση υπαλλήλων: Γνωρίζουν οι χρήστες τι μπορούν να ρωτήσουν το AI και τι αποτελεί διαρροή πληροφοριών

・Έλεγχος προμηθευτών: Ο σχεδιασμός και ο εκτυπωτικός εταίρος που αναθέτετε, η χρήση τους AI είναι επίσης ο δικός σας κίνδυνος

Γιατί δεν μπορούν τα μικρά εργοστάσια να κάνουν ότι δεν το έχουν δει; Γιατί η πραγματική αναγκαιότητα δεν είναι ένας κυβερνητικός έλεγχος αλλά οι πελάτες ετικετών σας που θα σας ρωτήσουν. Όταν τα μεγάλα ετικέτες κάνουν αναφορές συμμόρφωσης αλυσίδας εφοδιασμού, θα στείλουν ένα ερωτηματολόγιο και αν δεν μπορείτε να απαντήσετε σχετικά με τις κανονιστικές πρακτικές AI, η παραγγελία μπορεί να πάει σε ανταγωνιστές που μπορούν

Η ουσία της διακυβέρνησης δεν είναι να γράψετε ένα παχύ εγχειρίδιο που κανείς δεν θα διαβάσει, αλλά να μετατρέψετε τα τρία αυτά σημεία - 'ποιος μπορεί να χρησιμοποιήσει, πού χρησιμοποιείται, ποιος είναι υπεύθυνος όταν κάτι παει στραβά' - σε συνήθεια που ακολουθεί ολόκληρο το εργοστάσιο

Όλοι έχουν ακούσει για Cloud AI, αλλά Edge Computing (Edge AI) σε απλά λόγια σημαίνει: να μετακινήσετε τη δύναμη απόφασης από τα απομακρυσμένα κέντρα δεδομένων στο δικό σας τοπικό εξοπλισμό δίπλα στη γραμμή παραγωγής

Ποια είναι η διαφορά; Η εκτύπωση είναι ένας τομέας όπου κάθε δευτερόλεπτο έχει σημασία και δεν υπάρχει χώρος για λάθη

Η ανίχνευση ποιότητας εκτύπωσης, η ευθυγράμμιση χρωμάτων και η σε πραγματικό χρόνο διόρθωση μελάνης - εάν αυτές οι αποφάσεις απαιτούν αποστολή εικόνων στο Cloud, αναμονή για αποτελέσματα και στη συνέχεια επιστροφή, αυτή η καθυστέρηση σε υψηλές ταχύτητες εκτύπωσης θα σημαίνει τεράστια σπατάλη

Η τοποθέτηση των κόμβων ευφυΐας στο τοπικό άκρο έχει πολλά πραγματικά πλεονεκτήματα:

・Άμεσο: Η ανίχνευση και διόρθωση δεν χρειάζεται να περιμένουν για ανταλλαγή δεδομένων με το Cloud, μπορούν να γίνουν αμέσως

・Χωρίς διακοπές: Εάν το internet σταματήσει, η γραμμή παραγωγής συνεχίζει να λειτουργεί

・Τα δεδομένα παραμένουν στο εργοστάσιο: Σχέδια πελατών και εικόνες εκτύπωσης δεν χρειάζεται να σταλούν ομαδικά εξωτερικά, συνδέοντας απευθείας στη προστασία δεδομένων που προαναφέρθησαν

Έτσι, η Edge Computing και η AI Governance δεν είναι δύο ξεχωριστά θέματα, συγχωνεύονται - η διατήρηση της δύναμης απόφασης του AI στο δικό σας εργοστάσιο είναι η πιο απευθείας μορφή διακυβέρνησης δεδομένων

Αν κάνετε εξαγωγικές συσκευασίες ή ετικέτες, αυτή η πίεση θα σας χτυπήσει νωρίτερα και με μεγαλύτερη δύναμη από την κανονική εμπορική εκτύπωση

Ο κανονισμός PPWR (Συσκευασία και Απόρριμμα Συσκευασίας) και ο EPR (Γενική Ευθύνη Παραγωγού) της ΕΕ έχουν αυστηρές απαιτήσεις τις τελευταίες χρονιές, θέτοντας σκληρά όρια για υλικά συσκευασίας, ποσοστό ανακύκλωσης και σχέδια επαναχρησιμοποίησης

Αυτό σημαίνει: Οι ευρωπαϊκοί πελάτες ετικετών σας θα σας μεταφέρουν αυτές τις απαιτήσεις - δηλώσεις υλικών, αποτυπώματα άνθρακα, ποσοστά ανακύκλωσης - θα πρέπει να έχετε δεδομένα για όλα αυτά

Όσον αφορά την αλυσίδα εφοδιασμού, είναι πιο πραγματικό - βλέπω πολλά εργοστάσια που ξεκινούν να κάνουν σοβαρό έλεγχο: υπάρχει εναλλακτική πηγή για κρίσιμα υλικά, τι γίνεται αν συμβεί διακοπή εφοδιασμού ανταλλακτικών εξοπλισμού, θα πρέπει να έχετε τοπικά αποθέματα έκτακτης ανάγκης;

Όταν συνδυάσετε αυτά τα τρία πράγματα, είναι σαφές: πρέπει να παραδώσετε συμμόρφωση δεδομένων, πρέπει να έχετε αποθέματα αλυσίδας εφοδιασμού, και πρέπει να έχετε κανονισμούς για το AI - αυτό δεν είναι τρία ξεχωριστά τεστ, είναι ένα μεγάλο τεστ ανθεκτικότητας αλυσίδας εφοδιασμού

・Η ανθεκτικότητα της αλυσίδας εφοδιασμού και η συμμόρφωση AI δεν είναι πλέον δύο ξεχωριστά θέματα - είναι το ίδιο ζήτημα επιβίωσης

・Το πραγματικό εμπόδιο για τη διακυβέρνηση AI δεν είναι κυβερνητικός έλεγχος αλλά ερωτηματολόγια αλυσίδας εφοδιασμού από πελάτες ετικετών

・Η Edge Computing διατηρεί τις αποφάσεις στο εργοστάσιό σας - είναι απαραίτητη για την παραγωγή σε πραγματικό χρόνο και η πιο άμεση μορφή διακυβέρνησης δεδομένων

・Για εξαγωγικά τυπογραφεία συσκευασίας που αντιμετωπίζουν PPWR και EPR, η ικανότητα συμμόρφωσης δεδομένων είναι ίση με την ικανότητα λήψης παραγγελιών

・Τα μικρά εργοστάσια δεν μπορούν να χρησιμοποιήσουν το μέγεθος ως δικαιολογία - το κόστος της αναμονής είναι ότι οι παραγγελίες θα πάνε αθόρυβα σε ανταγωνιστές που είναι έτοιμοι

Μην το δείτε ως ένα σημαντικό έργο μετασχηματισμού που κοστίζει πολλά - ξεκινήστε με ένα χαμηλού κόστους, άμεσο έλεγχο: κάντε έναν κατάλογο όλων των περιοχών όπου χρησιμοποιείτε AI στο εργοστάσιό σας (αντιγραφή, προέλεγχος, εξυπηρέτηση πελατών, χρονοδιάγραμμα παραγωγής), σημειώστε ποιές έχουν πρόσβαση σε δεδομένα πελατών, και στη συνέχεια θέστε τρεις απλούς κανόνες: ποια δεδομένα δεν μπορούν να περάσουν, ποιος είναι υπεύθυνος για σφάλματα και ποιά εργαλεία χρησιμοποιείτε. Αυτή η μία σελίδα κανονισμών θα ικανοποιήσει το 80% των ερωτηματολογίων συμμόρφωσης από πελάτες ετικετών

Οι συνάδελφοι στο σχέδιο και το SaaS μπορούν να σκεφτούν το αντίστροφο: ο πόνος των τυπογραφείων είναι 'θέλουμε να χρησιμοποιούμε AI χωρίς τα δεδομένα να εγκαταλείψουν το εργοστάσιό μας' - τα εργαλεία που θέτουν τα μοντέλα στο edge computing και κάνουν τη διακυβέρνηση ένα προκαθορισμένο χαρακτηριστικό είναι ακριβώς αυτό που λείπει σε αυτόν τον κλάδο

Πρώτα κάντε τον έλεγχο, ορίστε τους κανόνες, μετά μιλήστε για την εισαγωγή - με τη σωστή σειρά, η πίεση γίνεται πλεονέκτημα

・Εβδομαδιαία Έκθεση Βιομηχανίας: AI Governance and Edge Computing