In che modo il BMW Group ha adottato l’IA per casi d’uso positivi e per migliorare la sostenibilità | AWS re:Invent
L’intelligenza artificiale (AI) sta aiutando molti settori diversi e sta avendo un impatto particolarmente forte nell’industria automobilistica . Tra i casi d’uso più entusiasmanti c’è quello dei veicoli completamente autonomi, ma non è l’unica area in cui l’IA sta avendo un impatto. Ad esempio, Microsoft e Mercedes-Benz stanno collaborando per migliorare l’efficienza della produzione automobilistica.
Alla conferenza sul cloud AWS re:Invent di questa settimana, il BMW Group ha delineato l’impatto che l’IA ha avuto sulla sua organizzazione e ha dettagliato i casi d’uso emergenti in cui l’IA produrrà futuri risultati aziendali positivi.
Creare app aziendali e automatizzare i flussi di lavoro rapidamente, ma con successo, Low-Code/No-Code Summit
In una sessione, Marco Görgmaier, GM, trasformazione dei dati e intelligenza artificiale, BMW Group, ha affermato che il suo team ha creato una libreria di migliaia di risorse di dati in tutta l’azienda che possono essere riutilizzate per l’analisi e l’intelligenza artificiale. Dal 2019, ha affermato che il suo team è stato in grado di fornire più di 800 casi d’uso che hanno fruttato oltre 1 miliardo di dollari di valore in dollari USA. I casi d’uso comprendono ricerca e sviluppo, logistica, vendite, qualità e rete di fornitori.
“La visione e la missione del nostro team è guidare e ridimensionare la creazione di valore aziendale attraverso l’uso dell’intelligenza artificiale lungo la nostra catena del valore”, ha affermato Görgmaier.
BMW guida verso un futuro sostenibile con l’aiuto dell’intelligenza artificiale
Un’area emergente in cui BMW sta ora investendo risorse è quella di aiutare a migliorare la sostenibilità.
Görgmaier ha commentato che il 60% della popolazione mondiale vive nelle città e nelle aree urbane ed è lì che si genera anche il 70% delle emissioni di gas serra. Ciò che la BMW sta ora cercando di fare è aiutare gli urbanisti a risolvere i problemi per contribuire a ridurre le emissioni.
BMW sta già aiutando con modelli di apprendimento automatico in grado di prevedere in che modo le normative sul traffico possono potenzialmente aiutare a ridurre sia il traffico che le emissioni di benzina. I modelli ML vengono utilizzati anche per aiutare a identificare dove non esiste ancora un’infrastruttura di ricarica per veicoli elettrici sufficiente. Görgmaier ha affermato che la mancanza di infrastrutture di ricarica impedisce alle persone di passare a un veicolo elettrico, il che a sua volta ha un impatto sulla sostenibilità.
C’è anche uno sforzo di BMW ML per aiutare a prevedere l’impatto della disponibilità di parcheggi e dei prezzi sui modelli di guida. Tali modelli includono percorsi e traffico pendolari, che avranno anche un impatto sulle emissioni.
Görgmaier ha affermato che molti dei problemi di sostenibilità urbana che BMW sta cercando di aiutare a risolvere possono trarre vantaggio dalle informazioni geospaziali. È qui che BMW sta iniziando a utilizzare le nuove funzionalità geospaziali nella suite di strumenti Amazon SageMaker ML che sono state appena rivelate pubblicamente questa settimana.
Un’area in cui BMW sta cercando di trarre vantaggio dal ML geospaziale è aiutare a prevedere quando un’organizzazione con una flotta di veicoli sarà in grado di passare ai veicoli elettrici.
“Abbiamo stabilito l’obiettivo di addestrare modelli di apprendimento automatico per apprendere le correlazioni tra il tipo di motore e i profili di guida”, ha affermato. “La logica alla base di ciò era che se esistesse una tale correlazione, il modello potrebbe imparare a prevedere l’affinità di determinati conducenti per un veicolo elettrico in base ai loro profili”.
Poiché BMW stava lavorando con dati completamente anonimi a livello di flotta, ha dovuto utilizzare tracce GPS e dati geospaziali per effettuare le correlazioni.
“Al termine della formazione, il modello è stato in grado di prevedere la probabilità che flotte specifiche si convertissero in veicoli elettrici con una precisione superiore all’80%”, ha affermato Görgmaier.
