Doprava a logistika není odvětví, které musí AI vpustit odněkud z venku. Plánovací software, sledování zásilek (track-and-trace), optimalizace tras a systémy pro řízení skladu tu už desítky let běží. To dává zdání náskoku: existují data, existují systémy, existuje kultura měření a optimalizace. Ale měření vyspělosti od hybridresourcing.com ukazuje, že jde o něco jiného než připravenost na AI. Organizace může být vynikající v operačních systémech a přesto se v základních dimenzích – organizace, IT infrastruktura, správa dat – nacházet ještě na úrovni baseline nebo foundation. Otázka nezní, zda systémy existují, ale zda tyto systémy spolu komunikují a zda je organizace kolem nich uspořádána tak, aby na nich bylo možné postavit něco nového.
V rámci dopravy a logistiky se poměr mezi firmami výrazně liší podle typu činnosti. Firma, která se zabývá především plánováním a řízením, s vlastním vývojem softwaru a IT oddělením schopným systémy vzájemně propojit, se často blíží úrovni activation nebo insight. Firma, která se zabývá především samotným provozem – jízdou, nakládkou, vykládkou – a pracuje se souborem dílčích systémů od různých dodavatelů, se často stále nachází na úrovni foundation. Většina odvětví se pohybuje někde mezi těmito dvěma pozicemi, se základní vrstvou, která je vybudována lépe než v řadě jiných odvětví, ale se správou dat, která zaostává: data jsou často uzavřena v silech podle systému, podle pobočky, podle klienta, aniž by kdokoli byl vlastníkem celku.
To staví dopravu do jiné pozice než odvětví, kde je hlavním úzkým místem právě organizační struktura. U komerčních služeb je často problémem samotný sběr dat, protože práce z velké části sestává z nestrukturované komunikace. V dopravě je naopak velké množství strukturovaných dat – místa, časy, hmotnosti, teploty – ale tato data jsou rozptýlena po systémech, které nejsou postaveny tak, aby spolu komunikovaly. To je jiný typ zpoždění než nedostatek dat; jde o nedostatek souvislosti.
V kole hodnocení, kde různí lidé skórují nezávisle na sobě, se v dopravních firmách často objevuje rozpoznatelný vzorec. Provozní management hodnotí IT infrastrukturu vysoko, protože systémy, které denně používají, dobře funguju pro jejich vlastní proces. IT oddělení nebo CIO hodnotí tutéž dimenzi níže, protože ví, kolik manuální práce je potřeba k přenosu dat mezi systémy. Tento rozptyl není chyba měření. Je to rozdíl mezi systémem, který funguje pro úkol, pro který byl postaven, a infrastrukturou, která je vhodná pro budování nové funkcionality. Pro aplikace AI je relevantní právě druhá otázka, a ta je během běžného provozu jen zřídka pokládána.
Sedm dimenzí na sebe navazuje, a v dopravě je tato návaznost dobře patrná. Bez vrstvy správy dat, která shromažďuje informace z plánovacích systémů, telematiky a klientských portálů, nemá aplikace AI nic konzistentního, na čem by se mohla trénovat nebo na co by mohla reagovat. Firmy, které tento krok vynechají a přímo spustí pilotní projekt AI na jednom dílčím procesu – například predikční údržbu na jednom typu nákladního vozidla – často zjistí, že se výsledek nedá rozšířit na zbytek vozového parku, jednoduše proto, že podkladová data nejsou zaznamenávána stejným způsobem. To není technická vada AI, ale znak toho, že základní vrstva ještě není dokončena.
Toto pořadí neplatí jen pro dopravu. U zemědělského sektoru se objevuje stejný problém se senzorovými daty, která se zaznamenávají odlišně podle plodiny nebo podniku, a u maloobchodu se to projevuje v datech o zásobách a prodejích, která jsou oddělená podle obchodního řetězce nebo kanálu. Doprava se odlišuje rozsahem strukturovaných dat, která už existují, což základní krok zároveň usnadňuje i svádí k jeho vynechání – usnadňuje, protože stavební kameny existují, svádí, protože to působí dojmem, že už jste daleko.
Měření vyspělosti od hybridresourcing.com řadí tento vzorec do pěti úrovní, od baseline po intelligence, rozdělených do sedmi dimenzí. Pro dopravní firmu z toho obvykle vyplyne profil se silnou operační vrstvou a slabší datovou a organizační vrstvou, přičemž rozdíly mezi jednotlivými částmi firmy nebo pobočkami mohou být velké. Tento profil nic nevypovídá o tom, zda AI bude, nebo nebude fungovat, ani o žádném časovém plánu. Ukazuje, která dimenze v tuto chvíli brzdí ostatní, a to je právě informace potřebná předtím, než organizace rozhodne, kde začít. Nástroj, který toto měření provádí, se právě vyvíjí; kdo s ním chce pracovat, jakmile bude dostupný, může se přihlásit na čekací listinu.
Tato stránka se zabývá otázkou, zda organizace unese AI – zda jsou základy organizace, infrastruktury a dat v pořádku předtím, než se na nich něco postaví. To je jiná otázka než to, jakou část samotné práce může AI převzít. Pro tuto otázku, na úrovni jednotlivých úkolů v rámci plánování, dopravy a logistické administrativy, existuje pracovní skener od FTE TO AI: ten pro každý úkol vypočítá, jakou jeho část může AI převzít, bez ohledu na to, na jaké úrovni se nachází organizace kolem něj. Kdo chce vědět, kde organizace stojí, začíná tímto měřením; kdo chce vědět, co se stane se samotnou prací, najde to v pracovním skeneru.
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.