Zpracovatelský průmysl není kancelářské prostředí se stroji navíc. Je to sektor, ve kterém je vedoucí fyzický proces — surovina, zpracování, produkt — a ve kterém digitální systémy za ním vždy poklusávají nebo musí zajišťovat, aby proces dál běžel. Toto pořadí určuje, co zde AI-vyspělost znamená. Systém ERP, MES, senzory na stroji: existují proto, aby podporovaly fyzický proces, ne aby fungovaly samostatně. To je podstatně jiné než v obchodních službách, kde je samotná práce už digitální a data jsou výchozím bodem, ne odvozeninou.
Tato vrstevnatost komplikuje měření vyspělosti. Výrobní podnik může mít moderní plánovací aplikaci a přitom netušit, co stroj na hale skutečně dělá, protože tato data nikdy nebyla zpřístupněna. A naopak, podnik se zastaralým softwarem může mít přesto dobrý přehled o svém procesu, protože lidé na hale už léta pečlivě zaznamenávají údaje. Vyspělost a modernost systémů se zde automaticky nekryjí.
V rámci sedmi dimenzí, které měření vyspělosti používá, se ve zpracovatelském průmyslu často objevuje specifický vzorec. IT infrastruktura a řízení dat — dvě ze základních dimenzí — pravidelně ukazují velkou vzdálenost mezi výrobou a kanceláří. Na hale běží systémy postavené na spolehlivosti a dostupnosti, ne na sdílení dat. V kanceláři běží systémy, které jsou naopak stavěny pro výměnu dat, ale ne vždy jsou napojeny na to, co se děje v továrně. Tyto dva světy často používají odlišné definice stejného pojmu, a to se děje bez toho, aby to kdokoli označil za problém, dokud na tom neztroskotá projekt AI.
Organizační dimenze má svůj vlastní vzorec. Rozhodnutí o investicích do výrobních procesů často leží na lidech s technickým zázemím, zatímco rozhodnutí o datové strategii leží na jiných. Když tyto dvě skupiny zřídka sedí u jednoho stolu, vzniká organizace, která na papíře vypadá připravená na AI, ale v praxi sleduje dvě oddělené agendy. To je jiný rozptyl než ve vzdělávání, kde vzdálenost bývá častěji mezi politikou a denní praxí profesionála, ne mezi dvěma provozními sloupy uvnitř téže firmy.
Kolo plotování — při kterém více lidí nezávisle na sobě hodnotí sedm dimenzí — odhaluje ve zpracovatelském průmyslu často výrazný kontrast mezi vedením výroby a vrstvou IT nebo vedení podniku. Výrobní manažer někdy hodnotí dimenzi řízení dat vysoko, protože stroj přesně zaznamenává, co se děje. IT manažer hodnotí tutéž dimenzi nízko, protože tato data se nikde strukturovaně neukládají ani nezpřístupňují pro analýzu. Obě pozorování jsou správná; dívají se jen na jinou část procesu.
Tento rozptyl je funkční, ne nepříjemný. Ukazuje, kde v organizaci chybí sdílený obraz, a to je přesně informace potřebná dříve, než se k pilotnímu projektu něco přidá. Pilotní projekt, který stojí na základních dimenzích — organizace, infrastruktura, data — aniž by byl tento rozptyl zaznamenán, riskuje, že ztroskotá na problému, který nikdo nepojmenoval, protože nikdo neměl úplný obraz.
Protože je vedoucím fyzický proces, je ve zpracovatelském průmyslu často pokušení zaměřit AI přímo na provozní problém: předvídat údržbu, kontrolovat kvalitu, optimalizovat plánování. Jsou to viditelné, atraktivní aplikace na závislých dimenzích. Ale zda fungují, závisí na tom, co musí stát před nimi: jsou data ze stroje zaznamenávána způsobem, který je znovu využitelný, existuje někdo odpovědný za kvalitu těchto dat, a existuje organizační struktura, ve které výroba a IT sdílí stejné definice. Bez tohoto základu zůstává pilotní projekt izolovaným experimentem, ať je model jakkoli dobrý.
Toto pořadí neplatí jen zde. V odvětví dopravy hraje podobné napětí mezi provozními systémy a centrálními daty a v zemědělském sektoru je fyzický proces — plodina, zvíře, sezóna — stejně vedoucí nad tím, co digitální systémy mohou zaznamenávat a ovlivňovat. Zpracovatelský průmysl není výjimkou v této logice, je však sektorem, ve kterém se důsledky vynechaného základu rychle stávají viditelnými na hale.
Měření vyspělosti nedává soud o továrně nebo sektoru; poskytuje obraz pěti úrovní napříč sedmi dimenzemi, vyplněný více lidmi ze samotné organizace. Tento obraz ukazuje, kde už základní dimenze stojí a kde ještě chybí, a kde se názory uvnitř podniku rozcházejí. To je jiný rozhovor než to, zda je pilotní projekt impozantní; je to rozhovor o tom, zda organizace pilotní projekt unese.
Jakmile je jasné, kde organizace stojí v dimenzích, které musí AI unést, vzniká jiná otázka: která část samotné práce připadá v úvahu pro předání AI. To není to, na co toto měření odpovídá. K tomu je určen skener práce od FTE TO AI, který u každé úlohy vypočítá, jakou její část lze převést na AI. Měření vyspělosti a skener práce na sebe navazují: jedno ukazuje, zda základ stojí, druhé ukazuje, co se, za předpokladu tohoto základu, na dané práci mění. Kdo obě obrazy zkombinuje, ví nejen to, zda je organizace připravena, ale i to, kde se první změna konkrétně projeví.
Měření vyspělosti od hybridresourcing se připravuje. Kdo chce absolvovat kolo plotování, jakmile bude k dispozici, může se přihlásit na čekací listinu.
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.