Inga produkter i varukorgen.
AI i industrin bromsas av gamla system – trots skenande förväntningar
INDUSTRIELL AI Tillverkningsindustrin står inför ett växande glapp mellan AI-ambitioner och faktisk leverans. Samtidigt som bolagen räknar med kraftigt ökad avkastning från AI till 2030, hålls utvecklingen tillbaka av äldre system, bristande datakvalitet och låg teknisk mognad. Det visar en undersökning från Schneider Electric.
Foto: Adobe Stock
Undersökningen är baserad på intervjuer med 1 453 beslutsfattare. Rapporten visar att de största hindren för att skala AI inte är tekniken i sig – utan snarare infrastrukturen runt den.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Techtidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
De främsta utmaningarna är:
- kompetensbrist inom AI och data (43 procent)
- äldre automationssystem (37,5 procent)
- brist på kontextualiserad operativ data (36,3 procent)
- organisatoriskt motstånd (25,7 procent)
Dessa faktorer väger tyngre än både cybersäkerhet och regelverk, vilket pekar på att många verksamheter saknar grundläggande förutsättningar för datadriven produktion.
Trots ett snabbt växande intresse för industriell AI är den faktiska avkastningen fortsatt låg. 70 procent uppger att deras AI-investeringar ger under 20 procent i avkastning, samtidigt som 28,4 procent ser en ROI på 5 procent eller lägre.
Det kan jämföras med förväntningarna framåt där 32,7 procent räknar med 50–74 procent ROI till 2030. 7,9 procent av de tillfrågade tror på över 100 procent avkastning.
Samtidigt är det bara 13 procent som i dag har AI fullt integrerat i verksamheten. Till 2030 väntas den andelen öka till 37 procent.
Data och automation avgör när kostnaderna ökar
Bakgrunden är ett växande kostnadstryck i produktionen, där ineffektivitet redan i dag har stor påverkan.
20,3 procent av tillverkningskostnaden per produkt kopplas till ineffektivitet. 15,2 procent av intäkterna förloras till följd av bland annat stillestånd och kvalitetsbrister
Förlusterna väntas öka till 29,1 procent till 2030.
I Sverige ligger nivåerna över det nordiska snittet. Här motsvarar ineffektiviteten 12,7 procent av intäkterna i dag och väntas stiga till 19,1 procent vid decenniets slut.
– För svenska tillverkare blir det allt viktigare att minska ineffektivitet och förväntade produktionsbortfall, och där kan industriell AI spela en avgörande roll för att stärka konkurrenskraften. Det handlar ytterst om att använda data och automation bättre för att fatta snabbare och mer träffsäkra beslut i produktionen, säger Susanne Dahl, Vice President för industriell automation i Norden och Baltikum på Schneider Electric.
Det här är nästa steg
Enligt rapporten handlar nästa steg inte bara om att införa AI-modeller, utan om att bygga en sammanhängande teknisk arkitektur där data, automation och analys integreras.
Det omfattar bland annat:
- modernisering av automationslager
- bättre datainsamling och datakvalitet
- realtidsintegration mellan system
- standardisering av processer och plattformar
Först när dessa delar samverkar kan AI användas för att fatta operativa beslut i realtid och skala upp effekten i produktionen.
Sammantaget pekar undersökningen på ett tydligt teknikskifte där AI ses som en förutsättning för konkurrenskraft – men där många bolag fortfarande befinner sig i tidiga faser. Det växande gapet mellan förväntad och faktisk effekt lyfts som en av de mest kritiska utmaningarna för industrin inför 2030.
Vill du läsa rapporten i sin helhet kan du göra det här.
