特殊化学品を専門とするルブリゾール・グループは、科学者、データサイエンティスト、ITチームを「融合チーム」として結集し、人工知能の導入を進めている。公開された内容によると、この組織はこれらの専門性を共通の目標に向けて調整することを目指しており、信頼構築を目的とした小規模なパイロットプロジェクトから始めている。このテキストは、MIT Technology Reviewのカスタムコンテンツサービス「Insights」がInfosysとのパートナーシップの下で制作したものであり、本誌編集部によるものではない。
補完的なスキル
科学者、データサイエンティスト、ITチームは、それぞれ実験の妥当性、モデルの性能、プラットフォームの安全性と拡張性を優先するなど、異なる視点から問題に取り組む。ルブリゾールは彼らを集結させることで、共通の目標に向かわせている。「チームメンバー間で信頼が築かれ、彼らが創出しようとしている価値を理解したら、物事ははるかに円滑に進む」とラオは述べている。
クラウドインフラはまた、自社のデータセンターを構築・維持するのに伴う多大な投資をすることなく、最新の計算リソースやツールにアクセスするために必要な柔軟性を企業に提供している。
持続可能性を視野に
これらの能力は、持続可能性の開発に特に有用である可能性がある。デジタルモデリングは、研究者がより多くの処方を評価し、デンプンやトウモロコシ由来の代替材料などの素材を探求し、製品のライフサイクル全体にわたるトレードオフを分析するのに役立つ。
しかし、実験室で材料を約束することは第一歩に過ぎない。性能への期待、規制要件、財務的制約を満たしながら量産に移行することは、依然として困難な作業である。とはいえ、AIが多くの変数をモデル化する能力は、チームがこれらの相反する要件の間でバランスを取るのに役立つ可能性がある。
よりスマートな実験室と工場へ
ラオは、AI、自動化、高度なモデリング、デジタルツイン(プロセスや設備の仮想複製)、そして接続されたデータが、実験室がより賢くなり、生産工場がより効率的になるにつれて収束していくと予想している。彼によれば、課題はこれらの能力を責任を持って大規模に統合することである。
「これは単一の技術ではありません。私は、これらすべての技術の組み合わせであり、そしてこれらのプロセスすべてを接続する能力こそが、膨大な量のデータを生み出すことになると思います。」
