這項名為《工程領域中的人工智能現狀》的最新研究，對美國和歐洲跨國汽車、航空航天和工業/制造業企業的163名高級工程領導者進行了調查，全面深入地揭示了AI在工程產品開發中的應用現狀和觀點。
該研究是工程產品開發領域的首例，闡明了工程領導者在開發工作流程的驗證和驗證階段面臨的挑戰和關鍵優先事項，以及智能AI解決方案如何支持他們更快速地獲得更好的結果。
"工程領域正在醞釀一場風暴，因為圍繞可持續性和數字化的市場趨勢正在產生更多棘手的物理問題，而當前的驗證和測試方法可能無法解決。"Monolith首席執行官兼創始人Richard Ahlfeld博士說，正如這項研究的數據顯示的那樣，隨著保持盈利和競爭力的壓力增加，工程領導者正處于以新方式創新的道路岔路口。
在一個快速開發創新、有效的解決方案至關重要的行業中，工程師們感受到了更快地將產品推向市場的壓力。事實上，這項新研究的數據顯示，71%的受訪工程領導者表示，他們需要找到加速產品開發以保持競爭力的方法。
調查數據顯示，許多工程領導者感到沒有能力實現變革，超過一半(55%)的受訪者表示他們缺乏所需的有效工具，現有的虛擬驗證和仿真工具也不足。
對于工程決策者來說，這些缺陷對業務成功影響的嚴重性是顯而易見的，82%的受訪者指出，產品發布延遲一個月會使他們的業務損失數百萬甚至數十億美元。
雖然現有的物理測試和仿真方法無法滿足工程師對產品設計通過驗證的需求，但行業領導者認為AI是一個理想的工具，可以增強他們為市場生產高效解決方案并取得商業成功的努力。
根據這項研究，與尚未實施AI的企業相比，已經實施AI的工程團隊獲得收入、盈利能力和競爭力增長的可能性要高出43%。
盡管AI有能力為工程領域的企業帶來有意義的結果，但許多工程組織卻錯過了先進AI技術的全部潛力；不到19%的工程領導者表示使用無監督學習算法來分析歷史或當前測試數據，不到一半的人使用了他們的工程測試數據。
Monolith通過其定制的SaaS平臺將AI民主化，它使用無代碼的機器學習軟件，使領域專家能夠利用現有的寶貴測試數據集進行產品開發。該平臺從這些信息中進行分析和學習，使用它來生成準確、可靠的預測，使工程團隊能夠減少昂貴、耗時的原型測試程序，并在原有一半的時間內開發出更高質量的產品。
Ahlfeld博士補充說："借助人工智能，工程領域的專家可以快速理解并即時預測復雜的物理學，使他們能夠減少測試，了解更多，更快地進入市場。"通過這項調查發現的新見解，突顯了AI等先進技術的廣泛實施正變得多么重要。該行業現在需要采取必要措施，為數據驅動的未來做好準備。
