Транспортът и логистиката не са сектор, който трябва да пусне AI отвън. Софтуер за планиране, track-and-trace, оптимизация на маршрути и системи за управление на складове работят тук вече десетилетия. Това създава привидно предимство: има данни, има системи, има култура на измерване и оптимизация. Но измерването на зрелостта на hybridresourcing показва, че това е нещо различно от готовността за AI. Организация може да бъде отлична в оперативните системи и въпреки това по фундаменталните измерения — организация, IT-инфраструктура, управление на данни — да се намира все още на ниво baseline или foundation. Въпросът не е дали има системи, а дали тези системи си „говорят“ помежду си и дали организацията около тях е устроена така, че върху нея да може да се изгради нещо ново.
В рамките на транспорта и логистиката съотношението между компаниите варира силно според типа дейност. Играч, който се занимава основно с планиране и координация, със собствена разработка на софтуер и IT-отдел, който може да свързва системи помежду им, обикновено е по-близо до activation или insight. Играч, който основно изпълнява — кара, товари, разтоварва — и работи със съвкупност от отделни системи от различни доставчици, обикновено все още е на foundation. По-голямата част от сектора се намира някъде между тези две позиции, с фундаментален слой, който е по-добре изграден в сравнение с много други сектори, но с управление на данни, което изостава: данните често се намират в силози по системи, по локации, по клиенти, без някой да е собственик на цялостната картина.
Това поставя транспорта в отделна позиция спрямо секторите, при които именно организационната структура е препятствието. При бизнес услугите често самото събиране на данни е проблемът, защото работата в голяма степен се състои от неструктурирана комуникация. В транспорта, обратно, има много структурирани данни — местоположения, времена, тегла, температури — но тези данни са разпръснати из системи, които не са изградени да общуват помежду си. Това е различен вид изоставане от липсата на данни; то е липса на съгласуваност.
В кръг от оценки, при който различни хора оценяват независимо един от друг, в транспортните компании често се забелязва разпознаваем модел. Оперативното ръководство оценява IT-инфраструктурата високо, защото системите, които използват ежедневно, работят добре за собствения им процес. IT-отдел или CIO оценяват същото измерение по-ниско, защото те знаят колко ръчна работа е необходима, за да се пренасят данни между системите. Това разсейване не е грешка при измерването. То е разликата между система, която работи за задачата, за която е изградена, и инфраструктура, която е подходяща за изграждане на нова функционалност. За AI-приложенията релевантен е предимно този втори въпрос, а той рядко се поставя по време на ежедневната операция.
Седемте измерения се надграждат едно върху друго, и в транспорта тази надстройка се вижда добре. Без слой за управление на данни, който събира информация от системи за планиране, телематика и клиентски портали, AI-приложение няма нищо консистентно, върху което да се обучи или да реагира. Компании, които пропускат тази стъпка и стартират директно AI-пилот върху един подпроцес — например предиктивна поддръжка за един тип камиони — често забелязват, че резултатът не се разраства към останалата част от автопарка, просто защото основните данни не са записвани по еднакъв начин. Това не е технически дефект на AI, а знак, че фундаменталният слой все още не е завършен.
Този ред не важи само за транспорта. При агарния сектор съществува подобен проблем със сензорни данни, които се записват по различен начин според културата или предприятието, а при търговията на дребно това се проявява в данни за наличности и продажби, които стоят отделно по верига магазини или канал. Транспортът се отличава по мащаба на структурираните данни, които вече съществуват, което прави фундаменталната стъпка едновременно по-лесна и по-изкушаваща за пропускане — по-лесна, защото градивните елементи вече са налице, по-изкушаваща, защото усещането е, че вече сте далеко напред.
Измерването на зрелостта на hybridresourcing поставя този модел на пет нива, от baseline до intelligence, разпределени по седемте измерения. За транспортна компания това обикновено дава профил със силен оперативен слой и по-слаб слой на данни и организация, с разлики, които могат да бъдат значителни в зависимост от бизнес-единицата или локацията. Този профил не показва нищо за дали AI ще работи или не, и нищо за времева рамка. Той показва кое измерение в момента задържа останалите, и точно тази информация е необходима преди организацията да реши откъде да започне. Инструментът, който извършва това измерване, е в процес на разработка; желаещите да работят с него веднага след като стане достъпен, могат да се запишат в списъка на чакащите.
Тази страница разглежда въпроса дали организацията може да носи AI — дали основите на организацията, инфраструктурата и данните са в ред, преди да се изгради нещо върху тях. Това е различен въпрос от този, коя част от самата работа може да бъде поета от AI. За този въпрос, на нивото на отделните задачи в планирането, транспорта и логистичната администрация, съществува работният скенер на FTE TO AI: той изчислява за всяка задача каква част от нея може да поеме AI, независимо на какво ниво се намира организацията около нея. Който иска да знае къде стои организацията, започва с това измерване; който иска да знае какво се случва със самата работа, ще намери отговора в работния скенер.
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.