Det finns en rapport som kom förra veckan som egentligen borde läsas av alla som jobbar med tillverkningsindustrin i Sverige. Fictiv och MISUMI har gjort sin elfte årliga genomlysning av branschen – 300+ ledare på direktörsnivå och uppåt, inom allt från EV till medtech till robotik. Och siffrorna är ganska tydliga om var branschen befinner sig just nu.
AI-adoptionen i tillverkning hoppade från 87% till 93% på ett enda år.
(Källa: BitcoinEthereumNews.com)
Det är inte en trend längre. Det är en ny baseline.
Vad ”embedded” faktiskt betyder
97% av de tillfrågade ledarna säger att AI redan är inbyggt i kärnprocesser inom produktion och supply chain, och 95% betraktar AI som ett krav snarare än ett alternativ.
(Källa: The Robot Report)
Det är en intressant formulering – ”krav snarare än alternativ.” För ett par år sedan pratade samma bransch om AI som ett experiment. Nu är det hygienfaktor.
Men den verkliga frågan är inte om man använder AI. Det är vad man gör med den.
Rapporten pekar på ett konkret flaskhalsproblem som är rätt talande:
83% av ingenjörer spenderar fyra timmar eller mer per vecka på inköpsrelaterade arbetsflöden
– administrativt arbete som i teorin är perfekt för automatisering.
93% av ledarna säger att produktiviteten förbättras när administrativa uppgifter tas bort.
(Källa: The Robot Report)
Alla vet det. Ändå händer det inte tillräckligt snabbt. Det är det gapet som är intressant. Inte huruvida AI fungerar – utan varför implementeringen fortfarande går i steg.
Infrastruktur är flaskhalsen, inte viljan
Min bild, och den stämmer ganska väl med vad vi ser hos kunderna, är att problemet sällan är ambition. Det är infrastruktur och datakontroll.
Att sätta upp ett AI-system för prediktivt underhåll på en produktionslinje är inte komplicerat i teorin. Men det kräver att sensordata faktiskt är tillgänglig, strukturerad och ligger i en miljö där du kan köra modeller mot den. Det kräver att du äger din data ordentligt – inte har den utspridd i tre olika molnleverantörers silos med oklara villkor.
Tillverkningsindustrin har generellt sett mogna OT-miljöer och rigorösa krav på driftsäkerhet. Det är styrkor. Men det gör också att man inte bara kan ”peka på molnet” och hoppas att det funkar. Man behöver tänka igenom var beräkningarna sker, vem som äger modellerna och hur man säkerställer att systemen faktiskt levererar i produktionskritiska miljöer.
Vad det innebär för svenska tillverkare
Sverige har en stark tillverkningssektor – Volvo, SKF, Sandvik, Atlas Copco, och ett brett ekosystem av underleverantörer. Den typen av industriell tyngd är en tillgång i AI-omvandlingen, men bara om man börjar med rätt grund.
Det innebär konkret: GPU-kapacitet för att träna och köra egna modeller, MLOps-infrastruktur som ger reproducerbarhet och kontroll, och datamiljöer som faktiskt kan hantera produktionsdata på ett säkert sätt.
Det är inte en konversation om ”vilken AI-modell ska vi använda?” Det är en konversation om arkitektur.
Vi har de samtalen med kunder i den här industrin. Om du är på väg in i dem – hör av dig.
––––
Hela rapporten från Fictiv och MISUMI
Petter Ahlén
Försäljnings- och marknadschef, Aixia AB
