Строителството работи от десетилетия с многослойна верига: възложител, главен изпълнител, подизпълнители, доставчици. Тази верига е свикнала да разпределя отговорност и да предава работа на етапи. Това прави сектора в определени отношения по-добре подготвен за AI от други сектори — има дисциплина в планирането, в контрола на качеството, в документирането на договорености. Но същата тази верига прави данните крехки. Чертежи, калкулации, планове и отчети за напредъка се създават от различни страни, в различни системи, с различни версии на истината. Едно AI приложение, което трябва да работи с тези данни, работи с нещо, което често не е пълно, не е актуално или не е централизирано.
Тази разлика между организационна дисциплина и зрелост на данните е точно там, където много AI-пилоти в строителството засядат. Ръководител на проект се опитва да използва AI-инструмент за оптимизация на планирането, но входните данни идват от три системи, които не се съгласуват помежду си. Технически подготвител иска да автоматизира проверката на калкулации, но историческите данни са разпръснати в отделни Excel-файлове по проект. Пилотният проект се блокира не защото технологията не работи, а защото организацията все още не е подготвена за нея.
AI-зрелостта не измерва само дали организацията използва инструменти, а дали основата под тях стои стабилно. Това започва със самата организация: има ли ясен собственик на дигитализацията, споделят ли се знания между проекти, или всеки проект остава изолиран остров. След това следва IT-инфраструктурата: свързани ли са системите помежду си, има ли основа, върху която нови приложения могат да работят, без да се налага всичко да се препечатва ръчно. Само след това идва управлението на данни: надеждни ли са наличните данни, актуални и достъпни за тези, които трябва да работят с тях.
Този ред не е предпочитание, а начинът, по който нещата функционират. Организация, която иска да подобри управлението на данни без IT-инфраструктурата да го поддържа, строи върху пясък. Организация, която иска да внедри AI-приложения, без самата организация да знае кой е собственик на кой процес, получава инструмент, който никой не поддържа. В строителството този модел е видим: секторът често има организационната воля, но инфраструктурата и данните изостават. Това обяснява защо пилотните проекти често успяват на ниво проект и се провалят на ниво организация — фундаментните измерения не са се развивали заедно с амбицията.
Измерването на зрелостта на hybridresourcing разглежда седем измерения, от организация и инфраструктура до по-зависимите слоеве като автоматизация на процеси и вземане на решения. За всяко измерение важи едно от пет нива: baseline, foundation, activation, insight или intelligence. В строителството картината често е неравномерно разпределена между тези измерения. Компания може да стои напред на организационно ниво — ясни роли, дигитализационна програма, подкрепа от ръководството — и все пак да е на baseline по управление на данни, защото проектните данни никога не са били централизирани.
Тази неравномерност става видима в кръга на индивидуалните оценки, при който няколко хора в организацията оценяват поотделно. Директор и изпълнител могат да оценят една и съща компания много различно, и това разпределение само по себе си е информация. Ако CIO смята, че данните са в ред, а техническият подготвител всекидневно се бори с разпръснати файлове, там се крие проблем, който един-единствен разговор не би разкрил. В сектор, където работата се разпределя между проекти и страни, това разпределение често е по-голямо от средното — и следователно по-информативно.
Това измерване не казва нищо за кои задачи AI може да поеме или колко време това би спестило. Става въпрос за въпроса дали организацията може да носи AI: стои ли основата, готова ли е инфраструктурата, достатъчно надеждни ли са данните, за да се строи върху тях. Този въпрос е по-релевантен за строителството, отколкото в сектори, където данните по природа вече се записват централизирано. Сравнете това с инсталационния бранш, където проектната работа и разпръснатите данни създават сходни затруднения, или с производствената индустрия, където производствените данни и организационната структура показват друг баланс. Също и транспортният сектор познава сходно напрежение между оперативната дисциплина и цифровата основа, което показва, че този модел не е уникален за строителството, но проявява собствена интензивност поради структурата на верижния процес.
Инструментът, с който се извършва това измерване, е в процес на изграждане. Който иска да премине измерването веднага щом то стане достъпно, може да се запише в списъка на чакащите. Тук не се предлага нищо, което още не работи, и не се обещава нищо относно резултата — само честна картина на това къде организацията стои в момента, измерение по измерение.
Ако се окаже, че фундаментните измерения са в ред, или на път да бъдат, се появява друг релевантен въпрос: коя част от самата работа е подходяща за поемане от AI. Това е различно измерване от настоящото. Докато hybridresourcing разглежда дали организацията може да носи AI, работният скенер на FTE TO AI изчислява за всяка задача коя част от работата може да бъде поета — не като приблизителна оценка, а като резултат от анализ на задачите. За строителна компания, която знае къде стои основата, това е логичната следваща стъпка: първо фундаментът, след това въпросът какво може да се изгради върху него.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.