工业AI规模化部署面临的关键挑战是人员协作而非技术问题

工业人工智能已从概念转向实践应用。思科系统公司对1000名行业领导者的调研显示，制造业、运输业和公用事业中61%的组织正在部署AI来提升生产力、降低成本并增强运营韧性。

尽管发展势头良好，但只有20%的组织真正实现了规模化、成熟的AI应用。技术发展迅速，但AI从试点转向生产环境后，进展往往放缓。缺乏必要基础设施、网络安全风险和系统复杂性是最常见的原因，但在这些技术挑战背后，存在着一个更根本的制约因素，即人员协作方式的问题。

工业AI需要团队合作

工业AI处于两个具有不同历史背景学科的交汇点。信息技术团队接受的训练是管理网络、数据、安全和数字平台。运营技术团队则是工业流程、安全、可靠性和实时操作方面的专家。两个团队都具备重要能力，但任何一方都无法独自实现AI规模化。

AI并未取代这种专业分工，而是将其放大。随着AI系统连接更多资产、将决策更贴近操作层面并增加对数据的依赖，协调需求也在增长。当IT和OT部门各自为政时，无论技术多么先进，组织都难以在生产环境中自信地部署AI。

思科的调研发现，虽然57%的组织报告存在某种程度的IT/OT协作，但仍有43%的组织协作有限或根本没有有意义的合作。完全融合的团队仍然罕见。这不是因为领导者不认识到其价值，而是因为在个人身上建立IT/OT综合技能既困难又往往不现实。

协作而非融合

期望个人掌握IT和OT两个学科通常不现实，这种综合技能集很少见。更重要的是促进协作，创造能让IT和OT团队充分发挥专业知识并朝着共同目标努力的环境。

能够实现这种协作的组织对其AI规模化能力表现出更高的信心。他们还体验到更好的网络稳定性，并将网络安全作为基础要求而非事后考虑给予更强的重视。相比之下，团队分离的组织更可能遇到不稳定、部署缓慢和风险升高的问题。

这既是人员挑战也是技术挑战。它需要信任、共同语言和一致的激励机制。还需要领导层将AI定位为联合运营能力，而不是IT项目或OT实验。

应对风险

随着AI扩展连接性和数据流，网络安全担忧急剧上升：40%的组织将其视为工业AI规模化的最大障碍，48%将安全和分段识别为其最大的网络挑战。IT/OT协作更强的组织更可能早期识别这些风险并集体解决。

在孤立状态持续存在的地方，风险往往是分散的。OT团队可能优先考虑可用性和安全性，而IT团队专注于安全控制和合规性。没有协作，权衡更难管理，AI部署仍限制在低风险环境中。通过合作，团队可以设计平衡安全与运营连续性的系统，这是在不容失败的生产环境中部署AI的先决条件。

问责制建立信心

在AI规模化方面遇到困难的组织通常犹豫不决，不是因为技术未得到验证，而是因为所有权不明确。当AI驱动的系统影响运营时，谁负责？当性能下降或出现安全警报时，谁来响应？

在AI应用方面走得更远的组织通常通过IT和OT之间的共同治理和更清晰的问责制来解决这些问题。这不需要结构性改革，而是需要在共同目标上达成一致：正常运行时间、安全、韧性和性能。

随着时间推移，这种协作还支持员工准备度。技能短缺仍然是障碍，整体有34%的组织提及此问题，但在更成熟的AI采用者中，这一比例降至27%，表明经验和协作有助于随时间缩小技能差距。

最终，实现工业AI的全部潜力需要打破孤岛，使IT和OT团队能够将其独特能力带到共同平台上。目标不是培养罕见的混合型超级员工，而是建立真正连接的团队。通过无缝结合数字敏捷性与运营严谨性，这些统一团队将AI的承诺转化为持续的日常影响。

Q&A

Q1：为什么工业AI规模化部署困难？

A：虽然61%的组织在部署AI，但只有20%实现了真正规模化应用。主要原因是IT和OT团队缺乏有效协作，43%的组织协作有限或没有合作，导致技术虽然先进但无法在生产环境中自信部署。

Q2：IT和OT团队应该如何协作来推进工业AI？

A：不需要期望个人掌握IT和OT全部技能，而是要促进团队间协作，创造环境让双方充分发挥专业知识。需要建立信任、共同语言和一致激励，通过共同治理和明确问责制来管理AI系统。

Q3：网络安全如何影响工业AI部署？

A：40%的组织将网络安全视为AI规模化的最大障碍，48%认为安全和分段是最大网络挑战。IT/OT协作强的组织能更好地平衡安全与运营连续性，而孤立团队往往风险分散，难以有效应对安全威胁。