![Augmented Engineering w sektorze A&D: wyścig o przewagę technologiczną właśnie przyspieszył [raport]](https://prowly-prod.s3.eu-west-1.amazonaws.com/uploads/landing_page/template_background/470215/7e2eb475a9a644caa8e2c786db805662.jpg)
Geopolityczna niepewność, kruche łańcuchy dostaw oraz dotkliwy deficyt kadr zmuszają globalny sektor lotniczy i obronny (A&D) do przewartościowania dotychczasowych modeli operacyjnych. Jak wynika z badania Capgemini Research Institute przedstawionego w raporcie „Realizing augmented engineering: the role of AI and digital continuity in aerospace and defense transformation”, aż 81% organizacji w tej branży postrzega brak talentów jako krytyczne zagrożenie dla swojej działalności. Odpowiedzią na rosnącą presję staje się Augmented Engineering – koncepcja łącząca sztuczną inteligencję z cyfrową ciągłością danych. Choć potrzeba innowacji jest pilna, zaledwie 10% przedsiębiorstw osiągnęło poziom dojrzałości pozwalający w pełni zdyskontować potencjał tego rozwiązania.
Presja rynkowa wyznacza nowe reguły gry
Tradycyjne metody projektowania i produkcji w branży aerospace & defense zderzają się z niespotykanym dotąd nagromadzeniem ryzyk. Prawie cztery piąte podmiotów (79%) wskazuje na narastające zagrożenia cyberbezpieczeństwa, a 71% obawia się utraty kontroli nad suwerennością własnych łańcuchów dostaw oraz wiedzą inżynieryjną. Co istotne, poziom gotowości do stawienia czoła tym wyzwaniom pozostaje niski – odpowiednio 52% i 51%. Konsekwencje ewentualnej bezczynności wykraczają jednak daleko poza same zakłócenia operacyjne. Aż 65% przedstawicieli sektora przyznaje, że bez szybkiej adaptacji ryzykują utratę pozycji w przyszłych programach, zmniejszenie udziału w pracach oraz odpływ kluczowych specjalistów na rzecz bardziej elastycznych konkurentów.
Ciągłość cyfrowa główną barierą w skalowaniu sztucznej inteligencji
Głównym motorem napędowym nowej ery inżynierii są dwa wzajemnie napędzające się elementy: digital continuity oraz algorytmy sztucznej inteligencji wspierające procesy inżynieryjne. Pierwsza zapewnia zaufany, zweryfikowany kontekst dla danych w całym cyklu życia produktu – od wymagań, przez produkcję, po utrzymanie – podczas gdy AI umożliwia szybsze podejmowanie decyzji. Rzeczywistość okazuje się jednak wymagająca. Obecnie zaledwie 6% organizacji z sektora A&D dysponuje kompletną, cyfrową strukturą opartą na pojedynczym źródle prawdy (single source of truth). Większość podmiotów wciąż zmaga się z pofragmentowanymi systemami, co sprawia, że wdrożenia sztucznej inteligencji pozostają ograniczone do odizolowanych epizodów, takich jak predykcyjne utrzymanie ruchu czy automatyczna interpretacja wyników symulacji.
Poważną barierą pozostaje zachowanie ciągłości danych w środowiskach wielodostawczych (multi-vendor). Poszczególne elementy rozwiązania pochodzą bowiem od różnych producentów i funkcjonują w odmiennych ekosystemach narzędziowych oraz na różnych platformach chmurowych. Bez ujednolicenia przepływu danych pomiędzy tymi obszarami nawet najbardziej zaawansowane modele sztucznej inteligencji nie wygenerują oczekiwanej wartości biznesowej.
Z tego powodu w wielu przypadkach łatwiejsze i efektywniejsze okazuje się zaprojektowanie wybranych procesów produkcyjnych od nowa. Jest to często lepsze rozwiązanie niż kosztowna adaptacja i „łatanie” istniejących, przestarzałych środowisk pod wymagania cyfrowej ciągłości. Ponadto, aby opanować ryzyka związane z ochroną wiedzy inżynieryjnej, organizacje coraz częściej decydują się na budowę wewnętrznych, prywatnych algorytmów działających wyłącznie w obrębie przedsiębiorstwa. Kluczowe staje się przy tym wdrożenie dojrzałych ram nadzoru (governance), dbałość o jakość danych, rygorystyczna kontrola dostępu, zgodność regulacyjna oraz jasne określenie odpowiedzialności za decyzje podejmowane przez autonomiczne systemy.
Firmy, które staną się liderami nadchodzącej ery inżynierii, nie ograniczają się do zwykłej cyfryzacji istniejących procesów – one na nowo projektują sposób wykonywania pracy. Ciągłość cyfrowa tworzy fundament, AI przyspiesza podejmowanie decyzji, a ludzka wiedza i doświadczenie pozostają kluczowym czynnikiem wyróżniającym. Połączone razem tworzą system inżynieryjny, który stale się uczy, adaptuje i skaluje daleko poza tradycyjnie rozumianą produktywność
– wskazuje Rafał Kurman, Lead Connectivity & Network Engineer w Capgemini Polska.
Inżynierowie przyszłości: zmiana roli i wyzwanie kompetencyjne
Wdrożenie Augmented Engineering fundamentalnie zmienia codzienną rutynę zespołów technicznych. Szacuje się, że inżynierowie będą spędzać o 70% mniej czasu na powtarzalnych, odtwórczych zadaniach konfiguracyjnych czy analitycznych. Przesunięcie ciężaru pracy nastąpi w stronę definiowania założeń dla systemów AI (65%), weryfikacji generowanych przez nie wyników (63%) oraz podejmowania strategicznych decyzji architektonicznych i projektowych na poziomie całych układów (61%). Rozwój sztucznej inteligencji nie eliminuje więc roli inżynierów, lecz przenosi ją na wyższy poziom decyzyjności i odpowiedzialności.
Co ciekawe, branża A&D nie traktuje wzrostu efektywności jako narzędzia do redukcji zatrudnienia – aż 78% organizacji reinwestuje zyski z produktywności w badania i rozwój (R&D), a 70% przeznacza je na przyspieszenie tworzenia nowych produktów i ich wariantów. Głównym hamulcem pozostaje jednak luka umiejętności: 68% kadry inżynieryjnej wymaga przekwalifikowania, a największe braki dotyczą znajomości zasad zarządzania i zgodności algorytmów z wymogami prawnymi.
Od izolowanych pilotaży do zintegrowanego ekosystemu
Z przeprowadzonej analizy wynika, że rynek wyraźnie dzieli się na grupy o różnej dojrzałości technologicznej. Tylko 10% firm zalicza się do grona liderów (Augmented Leaders), którzy sprawnie łączą spójny ekosystem danych ze skalowalnym wdrożeniem AI. Prawie połowa podmiotów (49%) to nadal podmioty o rozproszonej strukturze operacyjnej (Fragmented Operators), charakteryzujące się silnym poszatkowaniem systemów i brakiem ciągłości procesowej. Różnica w wynikach biznesowych jest jednak uderzająca – liderzy osiągają ponad dwukrotnie wyższą poprawę w zakresie redukcji kosztów inżynieryjnych (14% vs 7%) i wydajności procesów certyfikacji (13% vs 7%), a także odnotowują znacznie wyższą elastyczność w zarządzaniu łańcuchem dostaw.
Przejście do tej najwyższej grupy wymaga głębokiej transformacji organizacyjnej, w której paradoksalnie największym wsparciem okazują się same narzędzia sztucznej inteligencji dostępne już teraz, pomagając w porządkowaniu struktur danych i budowaniu relacji cyfrowych.
Przez lata organizacje inżynieryjne skupiały się na optymalizacji poszczególnych funkcji w odosobnieniu. Kolejna przewaga konkurencyjna będzie wynikać z usprawnienia połączeń między nimi. Gdy etap projektowania, produkcja, oprogramowanie, łańcuch dostaw oraz serwis działają we wspólnym kontekście inżynieryjnym, sztuczna inteligencja przestaje być tylko kolejnym narzędziem usprawniającym pracę. Staje się katalizatorem trafniejszych decyzji w całym cyklu życia produktu, skracając czas wprowadzenia rozwiązań na rynek przy zachowaniu najwyższej jakości
– podsumowuje Rafał Kurman, Lead Connectivity & Network Engineer w Capgemini Polska.
