알림 목록

Area di analisi:  città metropolitana di Ulsan

Aree centrali:  Buk-gu, Dong-gu, Nam-gu, Ulju-gun

Ordine del giorno: Preparazione all'AX, diffusione e divari di profitto tra grandi aziende e fornitori locali

Tipo Golden Time: Rischio di polarizzazione AX della catena di approvvigionamento

Data di riferimento: 28/08/2026

Versione: Regional AX Golden Time Intelligence v3.2
 

Hyundai Motor sta espandendo le sue fabbriche definite via software che combinano intelligenza artificiale, robot e gemelli digitali, mentre HD Hyundai sta perseguendo il FOS (Factory Operations System) con l'obiettivo di migliorare la produttività dei cantieri navali del 30% e ridurre i tempi di costruzione del 30% entro il 2030. Sebbene l'unità competitiva nell'industria manifatturiera di Ulsan si sia spostata dai singoli impianti a un sistema operativo di dati e intelligenza artificiale per l'intera fabbrica, i tassi di adozione dell'IA e i livelli di connettività dei dati di processo dei fornitori non sono resi pubblici a livello regionale. Se gli standard di consegna dei contraenti principali si orienteranno verso dati in tempo reale su qualità, emissioni di carbonio e tempi di consegna tra il 2026 e il 2028, i fornitori che non saranno in grado di adattarsi si ritireranno dai rapporti commerciali, indipendentemente dalla loro capacità produttiva.  Il divario AX (Agile-Based Engineering) a Ulsan è andato oltre un semplice divario tecnologico ed è entrato in una fase in cui determina la sopravvivenza della catena di fornitura.

Il governo ha ampliato il budget per l'Industrial AX per il 2026 da 565,1 miliardi di won nel 2025 a 1.134,7 miliardi di won, e ha anche aumentato il budget per le fabbriche basate sull'IA da 158,2 miliardi di won a 220 miliardi di won. Sebbene l'attenzione della politica manifatturiera si sia spostata dalla diffusione delle fabbriche intelligenti all'espansione della produzione autonoma basata sull'IA, nel 2024 si contavano solo 26 fabbriche autonome basate sull'IA a livello nazionale. Se nei prossimi due o tre anni la diffusione continuerà a essere incentrata sulle aziende leader, rimarrà un divario tra l'ampliamento del budget e l'effettiva adozione da parte delle aziende partner locali.  Mentre gli investimenti nazionali in AX hanno subito un'accelerazione, l'espansione in loco presso le aziende partner è ancora nelle sue fasi iniziali.

Nella sua Strategia per l'IA nel settore manifatturiero del 2025, il Ministero delle PMI e delle Startup ha presentato l'obiettivo di realizzare 12.000 fabbriche intelligenti incentrate sull'IA per raggiungere un tasso di adozione dell'IA del 10% tra le piccole e medie imprese manifatturiere. L'obiettivo politico stesso rivela l'attuale basso livello di utilizzo dell'IA nel settore manifatturiero, e il tasso di adozione calcolato separatamente per le aziende partner con sede a Ulsan non è stato verificato. Se il numero di aziende che adottano l'IA rimarrà una minoranza del totale anche tra il 2026 e il 2028, il divario tra la velocità di transizione all'IA dei principali appaltatori e la velocità media di transizione della catena di fornitura si amplierà ulteriormente. Di conseguenza, l'adozione dell'IA nel  settore manifatturiero è considerata in una fase iniziale di diffusione piuttosto che in una fase di adozione di massa.

Le grandi aziende possiedono dati proprietari e personale specializzato in intelligenza artificiale che collega progettazione, approvvigionamento, produzione, logistica, prodotti e gestione. Sebbene le aziende partner si scambino informazioni su ordini e qualità attraverso il sistema dell'appaltatore principale, il loro livello di archiviazione, analisi e gestione dei modelli in modo indipendente non viene reso pubblico. Se l'intelligenza artificiale dell'appaltatore principale verrà applicata alla selezione dei partner e alla valutazione dei prezzi unitari/consegne entro due o tre anni, le aziende prive di capacità di produzione di dati saranno soggette a valutazione, ma non potranno accedere ai modelli di valutazione.  È altamente probabile che le grandi aziende agiranno come operatori di AX, mentre la maggior parte delle aziende partner rimarrà semplicemente fornitrice di dati AX.

La produzione automobilistica, navale e petrolchimica di Ulsan opera secondo una struttura in cui grandi stabilimenti di conglomerati e subappaltatori a più livelli condividono processi, consegne, manutenzione e logistica. Mentre la competitività dei prodotti finiti dipende dai tempi di consegna e dalla qualità dell'intera catena di fornitura, gli investimenti in intelligenza artificiale sono inizialmente guidati dai contraenti principali, dove si concentrano capitali, dati e manodopera. I livelli di AX (Average Transformation) in ogni fase della catena di subappalto e l'ubicazione delle aziende che rappresentano i colli di bottiglia non sono resi pubblici. Se le reti di subappaltatori di livello inferiore non saranno connesse entro il 2028, la crescita della produttività interna all'interno dei grandi conglomerati sarà limitata dalla volatilità degli approvvigionamenti esterni.  L'unità di misura effettiva dell'AX manifatturiero di Ulsan non è il grande stabilimento del conglomerato, bensì la catena di fornitura a più livelli, e l'attuale unità di misura è ancora più ristretta.

I ricavi delle aziende partner sono legati alle variazioni del volume di produzione, dei tipi di veicoli, dei tipi di navi e dei piani di manutenzione dell'appaltatore principale. Non esistono dati pubblici su come i guadagni di produttività derivanti dagli investimenti in AX vengano distribuiti alle aziende partner, se tramite prezzo unitario, volume o contratti a lungo termine. Se i profitti si concentrano nelle mani dell'appaltatore principale per due o tre anni, mentre i costi di investimento sono a carico delle aziende partner, aumenta il rischio di mancato recupero dell'investimento per le aziende che passano ad AX.  Il divario AX a Ulsan potrebbe ampliarsi a causa della struttura di distribuzione dei guadagni di produttività, piuttosto che per la proprietà della tecnologia.

Hyundai Motor sta integrando impianti di produzione, robot logistici, controllo qualità e gemelli digitali, ampliando al contempo i propri sistemi di produzione SDV (Software Development Vehicle) e di elettrificazione. Sebbene la competizione nel settore automobilistico si sia spostata dalla qualità dell'assemblaggio all'integrazione di software, batterie e dati di controllo elettronico, le vendite di software e i tassi di conversione all'elettrificazione per i fornitori regionali di componenti per motori a combustione interna rimangono incerti. Se la configurazione dei componenti per i nuovi modelli dovesse diventare definitiva tra il 2026 e il 2028, le opportunità di transizione per i fornitori di componenti esistenti verrebbero posticipate alla piattaforma successiva.  La fase AX (Automotive Advanced Technology) per i veicoli finiti è in fase di accelerazione, mentre la fase AX (Automotive Advanced Technology) per la catena di fornitura di componenti esistente è una fase in cui è in gioco la sopravvivenza delle singole aziende.

I veicoli elettrici e i veicoli a guida autonoma (SDV) sono accompagnati da una riduzione del numero di componenti e da un aumento della percentuale di elettronica e software. Mentre la domanda di componenti meccanici forniti dai partner esistenti è in calo e gli standard per la trasmissione dei dati, la tracciabilità e la sicurezza informatica sono aumentati, non esiste un indicatore integrato per valutare la preparazione dei fornitori di componenti di Ulsan. Se la riduzione dei componenti si sovrappone ai costi di certificazione digitale entro due o tre anni, sia il fatturato che la capacità di investimento si ridurranno, a partire dalle microimprese.  Il divario per i fornitori del settore automobilistico comprende non solo l'automazione degli impianti, ma anche il rischio che gli stessi componenti forniti diventino obsoleti.

HD Hyundai sta promuovendo FOS, che include progettazione basata sull'intelligenza artificiale, gemelli digitali, robot e agenti specializzati. Sebbene la produzione cantieristica si sia spostata dal coordinamento in loco da parte di operai specializzati alla previsione basata sui dati e al funzionamento autonomo, non vi è alcuna esperienza comprovata di operazioni indipendenti basate sull'intelligenza artificiale da parte di subappaltatori nei settori della costruzione di blocchi, tubazioni, saldatura e verniciatura. Se entro il 2028 solo i processi dell'appaltatore principale saranno intelligentizzati, le variazioni di qualità derivanti dal lavoro manuale dei subappaltatori rimarranno un collo di bottiglia nell'intero periodo di costruzione.  I portafogli AX delle principali aziende cantieristiche sono completi, mentre l'AX delle reti di cooperazione regionale è solo parzialmente connesso.

L'industria cantieristica sta integrando la propria forza lavoro produttiva attraverso l'espansione della manodopera estera e la formazione locale. Sebbene la struttura della forza lavoro si sia spostata verso team di lavoro multinazionali, la percentuale di subappaltatori che utilizzano standard di lavoro, video e dati di qualità in un sistema digitale multilingue non è ancora confermata. Se l'abbandono di lavoratori qualificati coincide con un elevato turnover della forza lavoro nell'arco di due o tre anni, i rischi relativi a rilavorazioni, sicurezza e tempi di consegna aumentano, in primo luogo per le aziende prive di una base di conoscenze digitali.  Il divario AX tra i subappaltatori del settore cantieristico è il risultato della combinazione tra carenza di manodopera e incapacità di replicare le competenze.

Le grandi aziende petrolchimiche di Ulsan utilizzano da tempo sistemi di controllo distribuito, ottimizzazione dei processi e tecnologie di manutenzione predittiva. Sebbene Process AX abbia raggiunto un livello di integrazione che comprende rendimento, energia e manutenzione, la portata della connettività dei dati per i subappaltatori coinvolti in manutenzione, ispezione, logistica e gestione ambientale rimane sconosciuta. Con la riduzione degli impianti e la ristrutturazione aziendale previste tra il 2026 e il 2028, i subappaltatori che dipendono dal sistema dell'appaltatore principale si troveranno ad affrontare contemporaneamente una riduzione della clientela e l'impossibilità di recuperare gli investimenti in Process AX. Il problema per i subappaltatori del settore petrolchimico non risiede nell'adozione della tecnologia, bensì nella mancanza di visibilità dei dati relativi alla ristrutturazione dell'appaltatore principale.

Gli standard competitivi per i prodotti chimici si sono ampliati, passando dal prezzo e dalla qualità a includere l'impronta di carbonio e la tracciabilità delle materie prime. Sebbene le grandi aziende abbiano la capacità di raccogliere informazioni sul carbonio a livello di prodotto, la verifica dell'intera catena di approvvigionamento non può essere completata senza l'integrazione dei dati sulle emissioni provenienti dalle aziende di trasporto, manutenzione e trattamento dei rifiuti. Se gli standard di verifica dei clienti dovessero essere inaspriti entro due o tre anni, i fornitori sprovvisti di dati saranno classificati come rischi per la catena di approvvigionamento, indipendentemente dalle loro emissioni effettive.  Il divario nei dati sul carbonio si sta trasformando da valutazione ambientale in una disparità nella qualificazione al commercio.

Il progetto di implementazione della smart factory ha esteso la gestione della produzione, la connettività delle apparecchiature e la raccolta dei dati di qualità anche alle piccole e medie imprese manifatturiere. Tuttavia, l'intelligenza artificiale applicata alla produzione presuppone la qualità dei dati raccolti, periodi di accumulo sufficientemente lunghi e la standardizzazione dei processi, e la previsione autonoma non può essere realizzata unicamente attraverso la connettività delle apparecchiature. I dati disponibili al pubblico non distinguono tra il tasso di utilizzo effettivo delle smart factory di Ulsan e il tasso di funzionamento del modello di intelligenza artificiale. Se la digitalizzazione di base e le operazioni basate sull'intelligenza artificiale vengono considerate come un unico risultato per il periodo 2026-2028, la discrepanza in questo campo scompare dalle statistiche.  I dati sull'implementazione della smart factory testimoniano la preparazione all'automazione industriale, ma non la sua effettiva operatività.

Il Ministero delle PMI e delle Startup ha proposto un tasso di utilizzo delle fabbriche intelligenti dell'85% e l'espansione delle fabbriche intelligenti basate sull'intelligenza artificiale per il Progetto di Innovazione nella Produzione Intelligente 2026. Sebbene gli standard politici si siano spostati dal numero di implementazioni ai tassi di utilizzo e alle prestazioni dell'IA, i sistemi non operativi, la perdita di dati e la dipendenza dalla manutenzione dei fornitori per le aziende di Ulsan rimangono questioni irrisolte. Se l'utilizzo del sistema rimane basso per due o tre anni, ulteriori investimenti nell'IA amplificano gli errori nei dati esistenti.  Per l'azienda partner di Ulsan AX, il divario principale risiede nel livello di utilizzo effettivo della fabbrica intelligente esistente, piuttosto che nel modello di IA.

Le grandi aziende possiedono dati di progettazione, produzione, qualità e clienti relativi a veicoli, navi e prodotti chimici finiti, per l'intero ciclo di vita. Sebbene sia comune per i fornitori possedere solo i dati relativi ai processi di cui sono responsabili o inserirli nel sistema dell'appaltatore principale senza assicurarsi il diritto di riutilizzarli, i diritti sui dati per contratto non vengono divulgati. Se un'intelligenza artificiale addestrata sui dati dell'appaltatore principale per due o tre anni sostituisce il processo decisionale in ambito produttivo, i fornitori perdono le basi di apprendimento necessarie per costruire i propri modelli. Il problema principale di Ulsan AX risiede nell'accesso ai dati industriali, piuttosto che nel volume dei server posseduti.

Gli appaltatori principali possono selezionare il fornitore ottimale confrontando i dati relativi alla qualità e alle consegne di più subappaltatori. I singoli subappaltatori, tuttavia, non hanno accesso ai dati comparativi e alle previsioni della domanda in possesso degli appaltatori principali e si basano sugli ordini passati per gli investimenti in impianti e l'allocazione della forza lavoro. Se l'asimmetria informativa persisterà fino al 2028, l'accuratezza delle previsioni degli appaltatori principali aumenterà, mentre cresceranno i rischi associati alle scorte e agli impianti inattivi per i subappaltatori.  È stato confermato che l'intelligenza artificiale nella catena di approvvigionamento ha il potenziale di esacerbare l'asimmetria del potere contrattuale anziché facilitare l'ottimizzazione congiunta.

Grandi gruppi industriali a Ulsan stanno investendo in progettazione basata sull'intelligenza artificiale, gemelli digitali, robotica e manutenzione predittiva nei settori automobilistico, cantieristico e petrolchimico. Sebbene l'ambito di applicazione della tecnologia si sia esteso a tutti gli aspetti dell'attività aziendale, i tassi di adozione e utilizzo dell'IA, nonché l'entità degli investimenti delle aziende partner, non sono verificati dalle statistiche regionali. Se questo divario non verrà colmato entro due o tre anni, sarà impossibile stabilire se gli obiettivi di supporto siano in linea con le criticità della catena di approvvigionamento.  Il livello di preparazione dei grandi gruppi industriali è classificato come "avanzato", mentre quello delle aziende partner è "parzialmente digitalizzato" o "non confermato".

Un tasso di adozione dell'IA del 10% tra le piccole e medie imprese manifatturiere è stato fissato come obiettivo politico futuro, e nel 2024 si contavano 26 stabilimenti produttivi autonomi basati sull'IA a livello nazionale. Sebbene ciò indichi che l'infrastruttura attuale sia incentrata su poche aziende leader, la distribuzione delle aziende partner di Ulsan per settore e dimensione non è stata resa pubblica. Se l'adozione dell'IA rimarrà concentrata tra i partner di primo livello entro il 2028, il livello di preparazione della rete di livello inferiore rimarrà invariato.  Si stima che il livello medio di preparazione della catena di fornitura sia significativamente inferiore a quello delle principali grandi aziende.

Le applicazioni dell'intelligenza artificiale e della robotica da parte delle grandi aziende si osservano nella produzione, nell'ispezione, nella logistica e nella progettazione. Sebbene l'applicazione si sia estesa dai singoli processi ai sistemi operativi di fabbrica, non è ancora chiaro in che misura la stessa tecnologia si sia diffusa agli stabilimenti dei partner. Se la diffusione dovesse limitarsi agli stabilimenti dei principali appaltatori per due o tre anni, le differenze nella velocità di elaborazione della catena di approvvigionamento creerebbero colli di bottiglia nelle consegne. Nonostante  la diffusione interna alle grandi aziende sia progredita, la diffusione tra le aziende rimane ancora da confermare.

Il governo si era prefissato l'obiettivo di oltre 500 fabbriche autonome basate sull'intelligenza artificiale entro il 2030, ma al 2024 se ne contavano solo 26. Esiste un divario di circa 19 volte tra l'obiettivo di espansione e l'infrastruttura attuale, e il volume assegnato e selezionato per Ulsan non è ancora stato confermato. Poiché i prossimi due o tre anni rappresenteranno la fase iniziale di espansione per il raggiungimento dell'obiettivo, il divario per le aziende escluse dai progetti principali si amplierà per prime. Sebbene l'espansione delle fabbriche basate sull'intelligenza artificiale sia iniziata, non ha ancora raggiunto una fase tale da coinvolgere l'intera rete di cooperazione di Ulsan.

Le grandi aziende possiedono organizzazioni dedicate all'IA e reti di collaborazione con società tecnologiche esterne, università e piattaforme globali. Sebbene un'indagine della National Information Society Agency (NIA) abbia confermato che le PMI faticano ad acquisire le tecnologie più recenti, ad assumere personale specializzato e a integrarle nel settore produttivo, il numero di dipendenti dedicati all'IA presso le aziende partner di Ulsan non è stato reso pubblico. Se questa carenza di personale dovesse persistere per due o tre anni, la velocità di miglioramento dei modelli e di risposta agli errori varierà anche adottando la stessa soluzione.  La carenza di personale a Ulsan deriva dalla mancanza di un'organizzazione in grado di gestire l'IA in modo continuativo, piuttosto che dai costi di implementazione.

Il know-how acquisito sul campo dalle aziende partner è concentrato tra CEO, direttori di stabilimento e operai specializzati. Sebbene l'invecchiamento della forza lavoro e l'espansione della manodopera straniera siano in atto, la percentuale di aziende che hanno accumulato know-how lavorativo in dati, regole e modelli rimane da definire. Se entro il 2028 la perdita di operai specializzati supererà la formazione di organizzazioni AX, la fonte di know-how necessaria per la digitalizzazione andrà persa per prima.  Il rischio temporale AX per le aziende partner è strutturato in modo tale che la carenza di talenti nel campo dell'IA e l'estinzione del know-how produttivo si verifichino simultaneamente.

Le grandi aziende possiedono la scala e i dati necessari per ottenere riduzioni integrate dei costi in termini di produttività, qualità, scorte ed energia grazie all'intelligenza artificiale. Sebbene i fornitori si facciano carico dei costi di implementazione, a livello regionale non si riscontrano casi in cui i guadagni di produttività si riflettano su prezzi unitari, volumi o durata dei contratti. Se non viene stabilita una struttura di condivisione degli utili entro due o tre anni, la fattibilità economica degli investimenti in tecnologie AX varia tra appaltatori principali e fornitori. Di conseguenza,  la diffusione dei profitti derivanti dalle tecnologie AX lungo la catena di fornitura è considerata a uno stadio inferiore rispetto alla diffusione della tecnologia stessa.

Sebbene il supporto per le fabbriche intelligenti e l'intelligenza artificiale applicata alla produzione riduca alcuni costi di implementazione, i costi di manutenzione, di perfezionamento dei dati e di aggiornamento dei modelli sono ricorrenti. Mancano dati pubblicamente disponibili sui tassi di operatività indipendente e sui tempi di ammortamento dopo la fine del supporto. Con l'accumulo dei costi di sostituzione dei sistemi e di abbonamento tra il 2026 e il 2028, i fornitori con margini ridotti saranno costretti a scegliere tra la cessazione delle attività o la dipendenza da fornitori esterni.  Supplier AX è vulnerabile in termini di strutture di ricavo in grado di coprire i costi ricorrenti, piuttosto che quelli iniziali di adozione.

La trasformazione del settore automobilistico (SDV) e l'elettrificazione, la riorganizzazione della flotta (FOS) per la cantieristica navale e la ristrutturazione del settore petrolchimico sono tutte incluse nel programma di modifica delle configurazioni della catena di fornitura tra il 2026 e il 2028. Sebbene le transizioni di prodotto e di processo degli appaltatori principali precedano quelle degli investimenti e del personale dei subappaltatori, i tempi di risposta per ciascuna azienda non sono stati resi noti. Una volta finalizzata la ristrutturazione delle tipologie di veicoli, delle tipologie di navi e degli impianti, non ci sarà tempo sufficiente per la certificazione dei nuovi fornitori e il recupero degli investimenti.  Il "periodo d'oro" per i subappaltatori di Ulsan non termina con il completamento del progetto AX dell'appaltatore principale, ma prima della ri-selezione della catena di fornitura.

Sebbene il budget governativo per l'AX sia stato ampliato, il supporto per le fabbriche di intelligenza artificiale e il loro sviluppo è concentrato su un numero ristretto di aziende, selezionate attraverso un processo di screening e selezione. Se le aziende leader vengono selezionate ripetutamente per due o tre anni, i dati e le informazioni sulle prestazioni si accumulano presso queste aziende, e il divario per le aziende che non adottano le nuove tecnologie si allarga esponenzialmente. Al termine del progetto, le aziende arrivate in ritardo dovranno ripartire da un livello tecnologico superiore. Il rischio temporale associato al supporto dell'AX risiede nel fatto che il periodo stesso di mancata selezione si accumula, creando un divario competitivo.

L'accuratezza dei modelli di intelligenza artificiale migliora con l'accumularsi dei dati relativi a produzione, difetti e manutenzione. Se le grandi aziende e i fornitori leader instaurano per primi un sistema di scambio dati, le aziende che arriveranno in ritardo si troveranno a dover affrontare un divario nei dati di addestramento che si protrarrà per diversi anni, oltre al costo di adozione delle apparecchiature. Se l'accumulo di dati non inizierà entro il 2028, sarà difficile recuperare il divario prestazionale dei modelli delle aziende leader attraverso i soli investimenti di capitale.  Il divario nell'intelligenza artificiale applicata al settore manifatturiero rappresenta un rischio irreversibile, alimentato dall'accumulo di dati che si amplia nel tempo.

La catena di fornitura digitale dell'appaltatore principale valuta in tempo reale qualità, tempi di consegna, emissioni di carbonio e sicurezza, integrando questi risultati nella selezione dei fornitori. Quando un'azienda esce dalla catena di fornitura, perde la capacità di investire in AX a causa del calo dei ricavi e non riesce ad accumulare i dati necessari per la ricertificazione. Se l'uscita avviene entro due o tre anni, il divario tecnologico e quello transazionale si rafforzano a vicenda.  Il fallimento di un'azienda partner nell'implementazione di AX non è semplicemente dovuto alla mancata adozione del sistema; ha un'irreversibilità tale da comportarne l'uscita definitiva dalla catena di fornitura.

Valutazione della compressione: il punto di svolta di Ulsan Supply Chain AX è se le aziende partner riusciranno ad andare oltre la semplice fornitura di dati all'intelligenza artificiale dell'appaltatore principale e, al contempo, a garantire i diritti di riutilizzo dei dati, capacità operative indipendenti e vantaggi in termini di produttività.

Si ritiene che l'adozione dell'AX da parte delle grandi aziende di Ulsan sia in fase avanzata in termini di investimenti, dati, personale e applicazione sul campo , mentre l'adozione dell'AX da parte delle aziende partner locali è in fase iniziale e non ancora definita, escludendo la digitalizzazione di base e alcune aziende leader .

Il divario attuale non è dovuto semplicemente a una differenza di livello tecnologico. Si tratta di una struttura asimmetrica in cui le grandi aziende agiscono come entità predittive e valutative della catena di approvvigionamento, mentre le aziende partner forniscono i propri dati ma non hanno accesso a informazioni comparative e previsioni della domanda.

Se questo divario persisterà fino al 2028, è molto probabile che Ulsan perda il valore aggiunto e il numero di aziende presenti nel suo ecosistema di cooperazione regionale, anziché garantire la competitività AX delle grandi fabbriche aziendali.

Giudizio del momento d'oro: accelerazione AX aziendale + rischio di polarizzazione della catena di fornitura

Fonti di prova

• Ministero del Commercio, dell'Industria e dell'Energia, Bilancio e obiettivi di costruzione dello stabilimento industriale AX·AI per il 2026
• Ministero delle PMI e delle Startup, Strategia per l'innovazione nella produzione intelligente basata sull'intelligenza artificiale 3.0
• Ministero delle PMI e delle Startup, Progetto di sostegno all'innovazione nella produzione intelligente 2026
• La NIA analizza lo stato attuale e le sfide dell'utilizzo dell'IA nelle aziende.
• La NIA adotta misure per utilizzare l'intelligenza artificiale fisica al fine di rafforzare la competitività della produzione manifatturiera nazionale.
• Sistema di gestione aziendale per fabbriche intelligenti
• HD Hyundai fonda il futuro cantiere navale FOS
• Ministero del Commercio, dell'Industria e dell'Energia, Sottocomitato per il Complesso Industriale AX e Cluster M.AX

Analisi strutturale: con il successo della grande azienda AX, l'indipendenza dei suoi fornitori potrebbe indebolirsi.

Nelle grandi aziende, l'intelligenza artificiale apprende simultaneamente dati relativi a prezzi, qualità, tempi di consegna e difetti da più fornitori. Con l'accumularsi dei dati, gli appaltatori principali sono in grado di prevedere l'intera catena di fornitura con maggiore precisione e di sostituire i fornitori più rapidamente. Al contrario, i fornitori dispongono solo dei propri dati o non possono utilizzare autonomamente nemmeno i dati che inseriscono nel sistema dell'appaltatore principale.

In questa asimmetria, la connettività digitale di un partner non si traduce automaticamente in capacità AX. Le aziende connesse alla piattaforma dell'appaltatore principale partecipano alla generazione dei dati, ma non possono partecipare alla proprietà dei modelli, alle informazioni comparative o al processo decisionale. Ciò crea un paradosso in cui la dipendenza dall'appaltatore principale aumenta con l'aumentare del grado di connettività.

Se l'intelligenza artificiale dell'appaltatore principale aumenta la produttività, diventa economicamente vantaggioso gestire un sistema di fornitura con un numero inferiore di fornitori e un sistema di consegna più preciso. Se il supporto AX da parte delle aziende partner non porta a una competitività indipendente, l'IA funziona come un meccanismo per selezionare solo le aziende eccellenti anziché espandere l'intera catena di fornitura.

Pertanto, il rischio strutturale a Ulsan non risiede solo nel ritardo con cui le aziende partner adottano l'IA.  Un rischio maggiore è rappresentato dal consolidamento di una struttura in cui le aziende partner, partecipando ad AX, forniscono più dati, ma il loro potere predittivo e contrattuale non aumenta.