AI救藍領：人工智能點樣幫手搞掂經濟逆風？

zero comment

創新
利用人工智能應對藍領勞動力的經濟挑戰

撰文：Jairam Ranganathan，Forbes 顧問成員。
發表於：2025年2月28日，東部標準時間上午8:45

數字科技使我們能在幾小時內送達包裹，或通過手機應用訂購幾乎任何東西，但數字創新往往忽視了實體經濟中的企業——這些企業負責生產我們的食物、鋪設互聯網電纜，並提供其他關鍵服務以維持我們的日常生活。目前，這些行業面臨著挑戰。例如，去年，成本上升、經濟不穩定和勞動力短缺導致包括卡車運輸、物流和能源等領域遭受數百萬的損失。

這些企業可以怎樣應對呢？實體經濟的領導者們正轉向人工智能（AI）尋求潛在解決方案。我們最近的研究顯示，25%的實體運營領導者每天在工作中使用AI，而71%的人希望使用生成性AI。這些解決方案如何彌補這些企業所面臨的差距呢？讓我們來看看。

計算機視覺在實體經濟中的應用
實體經濟的許多部分由手動任務組成，如收集廢物、收割食物、補貨或長途運輸貨物。挑戰在於，這些任務的實操性可能導致無法報告的問題和不可靠的數據，從而加劇了成本高昂的低效率。AI，尤其是計算機視覺（CV）技術，可以通過數字化和分析現實場景來解決這些挑戰，突出並幫助修正先前未見的問題。其中一些包括：

– 安全挑戰，例如檢測不安全的駕駛條件或行為，或識別工作場所的危險，如化學泄漏或工人缺乏防護裝備。
– 通過監控車輛和資產的功能來提高生產力，並更早地發現問題。
– 通過視覺監控和警報系統防止貨物盜竊和欺詐，無論是在集裝箱內還是在工作現場。

CV對實體經濟企業的力量在於其能夠提高工人的安全性、保護資產和利潤，同時提高效率和生產力。為此，它必須有效地執行幾個任務，包括使用合成數據、進行準確性基準測試，並具備在多種環境中部署的靈活性。

合成數據：為獨特挑戰訓練AI
像分心駕駛、轉移有毒材料或在危險工作場所導航這類情況至關重要，因為它們威脅生命，但這些情況的數據收集機會相對較少。這使得應用AI變得困難，因為模型需要大量數據。

在這裡，生成性AI可以發揮作用。它可以創建合成場景，例如溢出的垃圾桶、過路的旁觀者或危險的泄漏，以訓練模型識別這些情況。合成數據還避免了將人類置於危險情況下以進行數據訓練。這使得AI模型能夠識別工人何時處於風險中或設備何時故障，從而顯著提高工作場所的安全性和效率。

基準測試：為何數據準確性至關重要
圍繞AI的最大危險之一經常被忽視，且不容易成為科幻電影的素材：不準確的數據和數據建模對於實體經濟中的AI用戶及其運作的社區構成了非常真實的威脅。AI如果無法準確且迅速地警告工人和安全管理人員工作中的危險，可能會帶來悲劇性後果。無法識別庫存失踪的系統可能會對承運人或零售商造成重創。

這突顯了基準測試的重要性：批判性地分析所使用的模型及其產生的結果。對於CV而言，準確識別視頻影像中的元素對於自動駕駛或AI輔助駕駛、安全性和防盜、以及危險環境的監控等方面具有重大影響。

通過靈活性提高效率
在實體經濟中，最強大的AI將是那些靈活到能夠很好地執行多種功能的AI。當AI靈活且可應用於多種用例時，它推動生產力和降低成本的能力將呈指數增長。例如，設計良好的攝像頭AI模型應該不僅僅是捕捉事件，還應能提供實時安全警報。它們應能將影像分發給相關利益相關者，並自主地根據上傳數據優化其運營算法。

實體經濟中AI的未來
儘管圍繞AI和實體工作的討論集中於AI可能取代人類工人的潛力，但這一過程將比普遍報導的要長。在短期內，AI將帶來自動化，改變行業，並作為副駕駛，協助現場工人、駕駛員和後台支持人員為自己和利益相關者提供更好的結果。通過良好的模型、準確的基準測試和適當的應用，AI可以幫助實體經濟的工人和領導者為他們的企業和整個社會帶來更安全、更好的結果。

—

在當前經濟環境中，實體經濟面臨的挑戰不容小覷，AI的引入或許能成為解決方案的一部分。然而，這也引發了對於技術依賴的深思。企業在追求效率的同時，是否會忽略人文關懷？在推動技術進步的過程中，如何平衡自動化與人類工作的價值，將是未來必須面對的重要課題。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。