مک گریوی در مورد فرآیند مداوم هوش مصنوعی خودگردان می گوید: «تصحیحات بسیار بیشتر، نکات اثباتی بسیار بیشتر، آزمایش و اعتبارسنجی مورد نیاز است. در آینده نزدیک، مک گریوی انتظار دارد که عامل هوش مصنوعی مسیری را که در سایر فناوری‌های صنعتی مانند سیستم‌های اسکادا دیده می‌شود، دنبال کند. او می گوید: “S” در SCADA مخفف نظارت است و نظارت به معنای وجود یک انسان در وسط است. او می‌بیند که هوش مصنوعی عمدتاً در این حالت مشاوره برای آینده قابل پیش‌بینی عمل می‌کند، با استقلال کامل محدود به وظایف باریک و بسیار تکراری.
در مورد نقش اپراتورهای انسانی، زندگی روزمره در حال تحول است. کارگرانی که زمانی در یک خط تولید یا کار تعمیر و نگهداری تخصص داشتند، اکنون می توانند چندین رشته را بپذیرند. آنها می‌توانند زمان و تلاش کمتری را صرف تأیید اقدامات معمول یک به یک و بیشتر برای تعیین محدودیت‌های عملیاتی قابل قبول کنند. از آنجایی که هوش مصنوعی می‌تواند الگوها را در داده‌هایی که دریافت می‌کند تقویت کند، تشخیص زودهنگام اشتباهات بخش عمده‌ای از کار است. دانش و تخصص انسان در تفسیر آنچه که هوش مصنوعی می بیند و انجام می دهد بسیار مهم است.
مدیریت در مقیاس شرکت و صنعت نیز باید خود را با زمان تطبیق دهد. سازمان‌ها باید برای تصمیم‌هایی که هوش مصنوعی می‌تواند به تنهایی اتخاذ کند و نحوه نظارت و ممیزی اقداماتش را تضمین کنند. با این حال، بسیاری هنوز پادمان های جامع ایجاد نکرده اند: در یک مطالعه اخیر توسط AVEVA و IMD (در برگه جدید باز می شود)43 درصد از سازمان ها می گویند هوش مصنوعی تصمیم گیری و مسئولیت پذیری در شرکای اکوسیستم را فقط اندکی تغییر داده یا اصلاً تغییر نداده است، در حالی که تنها 23 درصد یک تغییر اساسی یا اساسی را گزارش می دهند. (فقط 27 درصد گزارش داده‌اند که داده‌ها را به طور قابل توجهی یا گسترده با شرکا به اشتراک گذاشته‌اند.)
در این میان، تنظیم کننده ها شروع به وضع برخی از قوانین کرده اند. قانون هوش مصنوعی اتحادیه اروپا برخی از اجزای ایمنی هوش مصنوعی مورد استفاده در زیرساخت های حیاتی را به عنوان پرخطر طبقه بندی می کند و الزامات نظارت انسانی را تحمیل می کند. شرکت ها نیز ساختارهای خود را ایجاد می کنند. به عنوان مثال، AVEVA دارای یک هیئت مدیریتی مسئول هوش مصنوعی و مجموعه ای از اصول منتشر شده برای چگونگی توسعه و استقرار هوش مصنوعی است.
در داخل سیستم های نیمه مستقلی که قبلاً در حال کار هستند، به نظر می رسد که این نظارت از یک پیاده سازی به اجرا دیگر متفاوت است. در برخی موارد، یک اپراتور هر عمل را تایید می کند. در برخی دیگر، هوش مصنوعی به تنهایی عمل می کند در حالی که انسان ها محدودیت هایی را که می تواند در آن کار کند را رعایت کرده و تعیین می کند. مک گریوی چندین مثال از اینکه استقلال ماشین و همکاری انسان و ماشین در میان مشتریان AVEVA چگونه به نظر می رسد را ذکر کرد:
- در پالایشگاه یانبع عربستان سعودی، الگوریتم‌های بهینه‌سازی تولید را در یک حلقه بسته تنظیم می‌کنند و اپراتورها در صورت لزوم نظارت می‌کنند. در پالایشگاه Ras Tanura، الگوریتم‌ها تغییرات را توصیه می‌کنند و اپراتورها تصمیم می‌گیرند که آیا آنها را اجرا کنند یا خیر.
- نستله از بهینه‌سازی هوش مصنوعی در کارخانه‌های Nesquik برای تنظیم دقیق خشک‌کن‌های صنعتی مورد استفاده برای تولید مواد پودری نوشیدنی استفاده می‌کند. در یک آزمایش قابل توجه، این تنظیم مصرف برق را تا 16 درصد کاهش داد و در عین حال کیفیت و بازده را بهبود بخشید.
- در SCG Chemicals در تایلند، یک دوقلو دیجیتالی مجهز به هوش مصنوعی که مهندسی، عملیات و نگهداری را پوشش می‌دهد، سلامت دارایی‌ها را نظارت می‌کند و خرابی‌های احتمالی را نشان می‌دهد. این شرکت 99% قابلیت اطمینان نصب و بازگشت سرمایه 9 برابری در عرض شش ماه را گزارش می دهد.
- آزمایشگاه ملی کوه راکی در ایالات متحده یک مدل هوش مصنوعی مولد برای اتاق های کنترل شبکه ساخته است تا نظارت در مقیاس را فراهم کند. این مدل به اپراتورها در پیش‌بینی انرژی‌های تجدیدپذیر و ارزیابی وضعیت شبکه کمک می‌کند.
همان هماهنگ‌سازی که زمانی در سیستم‌های فرآیندی گیاهان منفرد وجود نداشت، در مقیاس بزرگتر نیز وجود ندارد. مک گریوی می گوید: «تولید و زیرساخت های حیاتی در 50 سال گذشته به عنوان سیستم های ایزوله عمل کرده اند. اما او پیشنهاد می‌کند که برخی از فناوری‌های نوظهور فرصت‌هایی را برای هماهنگی جامع‌تر ایجاد می‌کنند.
در سطح سازمانی، این می‌تواند شامل ادغام هوش مصنوعی فیزیکی باشد: سیستم‌هایی که فناوری‌های روباتیک و حسگر را با تصمیم‌گیری مبتنی بر هوش مصنوعی ترکیب می‌کنند. برای مثال، پهپادهایی که بر فراز خطوط لوله و خطوط برق پرواز می‌کنند، می‌توانند داده‌های بازرسی بصری را به الگوریتم‌هایی که نشت گاز و سایر خطرات را تشخیص می‌دهند، تغذیه کنند. این نه تنها یک جریان اطلاعات دقیق تر و مرتبط تر ایجاد می کند، بلکه افراد را از نیاز به ورود فیزیکی به محیط های بالقوه خطرناک نجات می دهد. مک گریوی پیش‌بینی می‌کند: «همگرایی روباتیک و نرم‌افزار به معنای تصادفات کمتر، خاموشی‌های کمتر و روش کار پایدارتر خواهد بود».
نسخه با تصویر بزرگتر فراتر از هر کارخانه یا فرآیندی به کل شبکه های صنعتی گسترش می یابد، چیزی که مک گریوی آن را “زنجیره ارزش یکپارچه” می نامد. او می‌گوید: «دوقلوهای دیجیتالی زنده، جلوه‌های دیجیتالی کل زنجیره ارزش را ممکن می‌سازند. این به شرکت ها اجازه می دهد تا به تغییرات در زنجیره تامین، تغییرات در تقاضا، نرخ ها و در دسترس بودن مواد واکنش سریع نشان دهند.
مک گریوی می‌افزاید، در برابر واقعیت‌های امروزی ژئوپلیتیک متلاطم و الزامات نظارتی در حال تغییر، چنین انعطاف‌پذیری «یک ضرورت مطلق» خواهد بود. بدون آن، اداره یک تجارت کارآمد بسیار دشوار خواهد بود.»
