Производственият сектор не е офисна среда с машини отгоре. Това е сектор, в който физическият процес — суровина, обработка, продукт — е водещ, и в който дигиталните системи винаги следват него или трябва да гарантират, че процесът продължава да работи. Тази последователност определя какво означава AI-зрялост тук. ERP-система, MES, сензори на машина: те съществуват, за да подпомагат физическия процес, не за да функционират самостоятелно. Това е съществено различно от бизнес услугите, където самата работа вече е дигитална и данните са изходна точка, а не производна.
Това слоево устройство прави измерването на зрялостта по-сложно. Производствена компания може да има модерно приложение за планиране и все пак да няма представа какво реално прави машината на цеха, защото тези данни никога не са били извлечени. Обратно, компания със остарял софтуер може да има добра представа за своя процес, защото хората на цеха вече от години прецизно регистрират данни. Зрялостта и модерността на системите тук не съвпадат автоматично.
В рамките на седемте измерения, които се използват при измерването на зрялостта, в производствения сектор често се откроява специфичен модел. IT-инфраструктурата и управлението на данните — две от фундаменталните измерения — редовно показват голяма разлика между производството и офиса. На цеха работят системи, изградени за надеждност и непрекъснатост на работата, не за споделяне на данни. В офиса работят системи, изградени за обмен, но не винаги свързани с това, което се случва във фабриката. Тези два свята често използват различни определения за един и същ термин, и това се случва без никой да го назове като проблем, докато AI-проект не се блокира точно на това.
Организационното измерение има свой собствен модел. Решенията относно инвестициите в производствени процеси често се вземат от хора с техническо образование, докато решенията относно стратегията за данни се вземат от други. Когато тези две групи рядко сядат заедно на масата, се получава организация, която на хартия изглежда готова за AI, но на практика следва две отделни програми. Това е различен вид разсейване от онова в образованието, където разстоянието по-често е между политика и ежедневната практика на професионалиста, а не между два оперативни отдела в рамките на една и съща компания.
Кръгът на нанасяне — при който няколко хора независимо оценяват седемте измерения — често разкрива в производствения сектор ясен контраст между производственото ръководство и IT- или директорския слой. Производствен мениджър понякога оценява измерението „управление на данни“ високо, защото машината регистрира точно какво се случва. IT-мениджър оценява същото измерение ниско, защото тези данни никъде не се съхраняват структурирано или не се извличат за анализ. И двете наблюдения са правилни; те просто гледат на различна част от процеса.
Това разсейване е функционално, не е неудобно. То показва къде в организацията липсва общ образ, и точно това е информацията, необходима преди към пилот да се добави нещо. Пилот, който се основава на фундаменталните измерения — организация, инфраструктура, данни — без да е забелязано това разсейване, рискува да засядне на проблем, който никой не е назовал, защото никой не е имал пълната картина.
Тъй като физическият процес е водещ, изкушението в производствения сектор често е да се насочи AI директно към оперативен проблем: прогнозиране на поддръжка, контрол на качество, оптимизация на планирането. Това са видими, привлекателни приложения върху зависимите измерения. Но дали работят, зависи от онова, което трябва да стои преди тях: дали данните от машината са записани по начин, който е повторно използваем, дали има човек, отговорен за качеството на тези данни, и дали има организационна структура, в която производството и IT споделят едни и същи определения. Без тази основа пилотът остава изолиран експеримент, колкото и добър да е моделът.
Тази последователност не важи само тук. В транспортния сектор съществува подобно напрежение между оперативните системи и централните данни, а в аграрния сектор физическият процес — културата, животното, сезонът — по същия начин е водещ спрямо това, какво могат да регистрират и влияят дигиталните системи. Производственият сектор не е изключение в тази логика, но е сектор, в който последиците от пропусната основа бързо стават видими на цеха.
Измерването на зрялостта не дава оценка за фабрика или сектор; то дава представа за пет нива в седем измерения, попълнена от няколко хора от самата организация. Тази представа показва къде фундаменталните измерения вече са установени и къде все още липсват, и къде мненията в компанията се разминават. Това е различен разговор от въпроса дали пилотът е впечатляващ; това е разговорът за това дали организацията може да носи пилот.
Когато веднъж е ясно къде стои организацията по измеренията, които трябва да носят AI, се появява друг въпрос: коя част от самата работа е подходяща за предаване на AI. Това не е въпросът, на който отговаря това измерване. За това е предназначен работният скенер на FTE TO AI, който за всяка задача изчислява каква част от нея може да бъде поета от AI. Измерването на зрялостта и работният скенер се допълват взаимно: едното показва дали основата стои на място, другото показва какво се променя в тази работа, при дадена тази основа. Който съчетае и двата образа, знае не само дали организацията е готова, но и къде първата промяна се проявява конкретно.
Измерването на зрялостта на hybridresourcing е в процес на изграждане. Който иска да премине през кръга на нанасяне веднага щом той стане достъпен, може да се запише в списъка с чакащи.
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.