Kỷ nguyên siêu tự động hóa trong sản xuất

Mục tiêu của tự động hóa không còn là một nhiệm vụ cụ thể nữa, mà là việc khám phá và tự động hóa chính các quy trình. Ảnh: Nguồn ảnh có sử dụng AI

Tháng 5/2025, Siemens giới thiệu các tác nhân AI dành cho tự động hóa công nghiệp với mục tiêu "tự động hóa chính quá trình tự động hóa". Theo hãng, cách tiếp cận này có thể giúp khách hàng nâng năng suất lên tới 50%. Đây được xem là bước chuyển lớn so với mô hình tự động hóa truyền thống, vốn dựa trên các chương trình điều khiển được kỹ sư thiết kế, kiểm thử và vận hành theo logic cố định.

Khái niệm "siêu tự động hóa" (Hyperautomation), do Gartner đề xuất, mở rộng phạm vi tự động hóa bằng cách kết hợp AI, học máy, RPA, khai phá quy trình và các nền tảng lập trình ít mã. Thay vì chỉ tự động hóa từng công việc riêng lẻ, hệ thống có khả năng tự phân tích, phát hiện và đề xuất các quy trình cần được tự động hóa.

Xu hướng này đã bắt đầu hiện diện trong các nhà máy. Các nền tảng như Industrial Copilot của Siemens hay FactoryTalk Design Studio của Rockwell Automation cho phép AI hỗ trợ viết mã điều khiển, tối ưu hóa chương trình PLC và đề xuất cải tiến quy trình. Theo Siemens, mã do AI tạo ra chỉ cần khoảng 20% chỉnh sửa từ kỹ sư trước khi đưa vào sử dụng.

Mức độ ứng dụng AI trong sản xuất cũng đang tăng nhanh. Khảo sát của Rockwell Automation cho thấy khoảng 34% hoạt động sản xuất đã có sự hỗ trợ của AI và tỷ lệ này được kỳ vọng vượt 50% trước năm 2030. Trong khi đó, Mạng lưới Global Lighthouse Network của Diễn đàn Kinh tế Thế giới đã có 238 nhà máy tiên phong ứng dụng công nghệ số, trong đó nhiều doanh nghiệp đã tự động hóa phần lớn hoạt động nghiên cứu và phát triển.

Tuy nhiên, các chuyên gia cảnh báo rằng mức độ tự động hóa càng cao thì hệ thống càng trở nên phức tạp và khó kiểm soát. Mỗi khối mã do AI sinh ra hay mỗi tác nhân tự động phối hợp với tác nhân khác đều tạo thêm những mối tương tác mà con người không trực tiếp thiết kế. Điều này làm gia tăng nguy cơ xuất hiện các lỗi khó dự đoán trong những hệ thống có tính liên kết chặt chẽ.

Bên cạnh đó là thách thức về khả năng quan sát hệ thống. Khảo sát năm 2026 của Fortinet cho thấy chỉ khoảng 14% doanh nghiệp có khả năng giám sát đầy đủ môi trường công nghệ vận hành (OT), trong khi các nhà sản xuất mới khai thác hiệu quả khoảng 43% lượng dữ liệu thu thập được. Khoảng trống này khiến việc phát hiện sự cố và đánh giá rủi ro trở nên khó khăn hơn khi AI ngày càng tham gia sâu vào quá trình vận hành.

Nguy cơ an ninh mạng cũng gia tăng. Theo Dragos, số vụ tấn công ransomware nhằm vào các tổ chức công nghiệp đã tăng 64%, trong đó ngành sản xuất chiếm hơn hai phần ba số nạn nhân. Tuy nhiên, những doanh nghiệp có hệ thống giám sát OT toàn diện chỉ mất trung bình 5 ngày để phát hiện và xử lý sự cố, trong khi các đơn vị còn lại mất tới 42 ngày.

Một thách thức khác nằm ở nguồn nhân lực. AI có thể giúp giảm áp lực thiếu kỹ sư trong bối cảnh ngành sản xuất dự kiến thiếu hàng triệu lao động trong thập kỷ tới. Tuy nhiên, AI không loại bỏ nhu cầu về chuyên gia mà chỉ chuyển yêu cầu kỹ năng sang cấp độ cao hơn. Thay vì lập trình từ đầu, kỹ sư sẽ phải kiểm tra, xác thực và bảo trì những đoạn mã do AI tạo ra trong suốt vòng đời nhiều năm của hệ thống.

Các chuyên gia khuyến nghị doanh nghiệp cần quản lý chặt chẽ mã nguồn do AI sinh ra như đối với phần mềm truyền thống; đầu tư vào các nền tảng giám sát OT trước khi mở rộng quyền tự chủ cho AI; đồng thời duy trì vai trò của con người ở các khâu ra quyết định quan trọng nhằm bảo đảm hệ thống luôn minh bạch và có thể kiểm soát.

Trong kỷ nguyên siêu tự động hóa, lợi thế cạnh tranh sẽ không chỉ thuộc về những doanh nghiệp ứng dụng AI nhiều nhất, mà còn là những đơn vị duy trì được khả năng kiểm soát, giám sát và hiểu rõ cách hệ thống của mình vận hành. Đây sẽ là yếu tố quyết định để khai thác hiệu quả AI mà vẫn bảo đảm an toàn và tính bền vững trong sản xuất.

Theo automation.com