自动化可以改进流程的运作。通过对劳动力和先行指标进行检验可以提高生产力。通过分析可以深入了解事情运作的方式。但是在人工智能领域却不是这样的，除非你了解类似机器学习和语义学方面的知识。

　　在工业物联网领域，机器和设备的预见性维护是第一种被证明可以进行广泛商业运用的应用。“可以运用传统回归和预测性分析完成这项任务。但是，当你拥有了人工智能后，你可以超越结构化的确定性从而实现模糊化的随机性。”Infosys公司的副主席Jeff Kavanaugh说道，运用机器学习基于输入的信号，例如声音信号，通过像人类一样运作的电脑学习分辨设备健康和异常时候的声音，就可以了解异常情况。

　　最近Infosys公司针对智能自动化运用进行了一次全球性调查。这次调查的核心观点表明人工智能技术正在成为一种主流，并且表现出积极的一面。同时，发现不同地区人工智能的使用率大不相同，需要更多分析来确定根本原因。

　　经常被问到的一个问题是企业是否有足够的数据进行机器学习，以及数据是否以合适的形式进行运用。人们拥有超出他们想象的数据，但是这些数据量低于他们的预期，而且很多数据并没有在机器学习上得到运用，有些情况下根本不需要大量数据。企业可以更好地利用已经积累的数据。工业企业可以从简单数据中获得重要的宝藏。同时，这些简单的数据可以被更进一步地分析和运用。

　　与80年代引入PLC、DCS、SCADA、CAD和ERP的时候相比，当今的技术革新带来的变化有所不同。Kavanaugh认为， 20世纪80年代新技术的引进带来了重大意义的变化，但是那只是行和列之间的自动化，更适用于车间和现场。现在更强调结合经验，从多属性的角度来看待实际发生的事情。“我们正在讨论事情是内在可认知的，换句话说，这些事情是模糊的。早些时候转型是从完整的模拟到计算机操作，现在的趋势是更加普遍、连接更加紧密、更智能化——最终也将更加深刻。”

　　人工智能是充满希望的。一些技术专家认为，得益于边缘控制的发展，ERP或将成为未来所有数据最具潜力的聚合点，绕开传统的自动化控制系统。这种影响可能将是深远的。

　　例如，作为一种内存数据ERP系统，SAP的HANA最新引入了地理信息系统的能力，但不仅仅是作为应用程序功能。集成将这种能力扩展到独立产品中。一个数据库运行着这个业务应用程序和地理信息系统。在一个案例中，一家公司已经将来自于SAP ERP中心组件带有地理数据的交易数据和来自涡轮机的其他数据整合在一起。