Ο αγροτικός τομέας έχει έναν ρυθμό που λίγοι άλλοι τομείς γνωρίζουν. Ένα οικονομικό έτος δεν αποτελείται από δώδεκα ίσους μήνες, αλλά από μια περίοδο ανάπτυξης, μια συγκομιδή, μια περίοδο ανάπαυσης. Δεδομένα που συγκεντρώνονται τον Απρίλιο λένε κάτι διαφορετικό από δεδομένα του Οκτωβρίου. Αυτό κάνει την ωριμότητα ΑΙ σε αυτόν τον τομέα να μην είναι ζήτημα μιας στιγμιαίας εικόνας. Ένας οργανισμός μπορεί να φαίνεται καλά στα χαρτιά τον χειμώνα και να παραμείνει κολλημένος το καλοκαίρι, απλά και μόνο επειδή η πίεση στη λειτουργία κατανέμεται διαφορετικά τότε.
Επιπλέον, ο τομέας είναι εντυπωσιακά πολυεπίπεδος. Από τη μία πλευρά βρίσκονται μεγάλοι συνεταιρισμοί και επιχειρήσεις επεξεργασίας με δικά τους τμήματα IT και ομάδες δεδομένων. Από την άλλη πλευρά βρίσκονται οικογενειακές επιχειρήσεις και μεμονωμένες επιχειρήσεις όπου η λειτουργία της επιχείρησης βρίσκεται στα κεφάλια των ανθρώπων, όχι σε συστήματα. Και οι δύο μορφές εμφανίζονται κάτω από μία ονομασία τομέα, και αυτό σημαίνει ότι μια δήλωση για «τον αγροτικό τομέα» γίνεται εύκολα υπερβολικά γενική. Η σχέση μεταξύ αυτών των δύο μορφών καθορίζει περισσότερο τη μέση ωριμότητα από οποιαδήποτε τεχνολογική εξέλιξη.
Σε πολλές αγροτικές επιχειρήσεις δεν λείπει η φιλοδοξία, αλλά η βάση πάνω στην οποία θα έπρεπε να στηρίζεται η ΑΙ. Δεδομένα αισθητήρων από το χωράφι, πληροφορίες καιρού, δεδομένα αποθέματος και λογιστικά στοιχεία στον λογιστή ζουν συχνά σε ξεχωριστά συστήματα που δεν επικοινωνούν μεταξύ τους. Αυτό είναι ένα ζήτημα διαχείρισης δεδομένων, και είναι μία από τις διαστάσεις που στη μέτρηση ωριμότητας θεωρείται θεμελιώδης — όχι επειδή αυτό είναι θέμα προτίμησης, αλλά επειδή ένας οργανισμός χωρίς συνεκτικά δεδομένα δεν μπορεί να στηρίξει μια εφαρμογή ΑΙ που πρέπει να βασίζεται σε αυτά τα δεδομένα.
Επίσης, η υποδομή IT ποικίλλει. Μια γαλακτοπαραγωγική εκμετάλλευση με αυτόματα ρομπότ αρμέγματος αντιμετωπίζει εδώ και χρόνια αισθητήρες και επεξεργασία δεδομένων, ενώ μια αροτριαία επιχείρηση ίσως χρησιμοποιεί μόνο ένα λογιστικό πακέτο και μια εφαρμογή καιρού. Αυτή η διαφορά στην αρχική θέση δεν είναι σωστή ή λάθος, αλλά καθορίζει ποιο βήμα είναι λογικό. Μια επιχείρηση που ήδη συγκεντρώνει δεδομένα αισθητήρων αντιμετωπίζει διαφορετικό ερώτημα από μια επιχείρηση που πρέπει ακόμα να αποφασίσει ποια δεδομένα θέλει στην ουσία να καταγράφει.
Η διάσταση της οργάνωσης προσθέτει ένα δικό της επίπεδο σε αυτό. Σε οικογενειακές επιχειρήσεις η εξουσία λήψης αποφάσεων βρίσκεται συχνά σε ένα ή δύο άτομα, κάτι που μπορεί να κάνει τις αποφάσεις γρήγορες, αλλά σημαίνει επίσης ότι η ωριμότητα ΑΙ συνδέεται στενά με το τι γνωρίζει και τι θέλει αυτό το άτομο. Σε συνεταιρισμούς και μεγαλύτερους επεξεργαστές το ζήτημα είναι μάλλον πώς κατανέμονται οι αποφάσεις μεταξύ μελών, διοίκησης και εκτέλεσης — και αν υπάρχει εκεί δομή που θα κάνει εμφανή μια γύρα σχεδιαγράμματος.
Εφαρμογές που ακούγονται ενδιαφέρουσες για τον τομέα — προγνωστική συντήρηση μηχανημάτων, πρόβλεψη απόδοσης, αυτοματοποιημένη διαλογή — εξαρτώνται όλες από αυτό που βρίσκεται από κάτω. Χωρίς υποδομή που καταγράφει με αξιοπιστία τις μετρήσεις και χωρίς δεδομένα που είναι συνεπή σε όλες τις εποχές, μια εφαρμογή ΑΙ παραμένει ένα πείραμα που λειτουργεί όσο οι συνθήκες συνεργάζονται. Αυτός είναι ακριβώς ο λόγος για τον οποίο οι θεμελιώδεις διαστάσεις έχουν προτεραιότητα: όχι ως επιλογή πολιτικής, αλλά ως ακολουθία που προκύπτει από την πράξη. Όποιος θέλει να διαβάσει περισσότερα για αυτό, θα βρει μια ανάλυση στο γιατί οι θεμελιώδεις διαστάσεις πρέπει να έρθουν πρώτα.
Αυτή η ακολουθία δεν ισχύει μόνο στη γεωργία. Άλλοι τομείς με βαρύ επιχειρησιακό πυρήνα και διασκορπισμένη λήψη αποφάσεων παρουσιάζουν παρόμοια μοτίβα, όπως μπορεί κανείς να διαβάσει στο πόσο προχωρημένος είναι ο ενεργειακός τομέας στην ωριμότητα ΑΙ και στο πόσο προχωρημένος είναι ο τομέας ακινήτων στην ωριμότητα ΑΙ. Για σύγκριση: τομείς με εγγενώς ψηφιακές διαδικασίες, όπως περιγράφεται στο πόσο προχωρημένος είναι ο τομέας ΤΠΕ στην ωριμότητα ΑΙ, ξεκινούν συνήθως από διαφορετική αρχική θέση για υποδομή και δεδομένα, κάτι που δείχνει πόσο μεγάλη μπορεί να είναι η διασπορά μεταξύ τομέων.
Για έναν Διευθύνοντα Σύμβουλο ή Επιχειρησιακό Διευθυντή στον αγροτικό τομέα, η αξία μιας μέτρησης ωριμότητας δεν είναι ότι παράγει ένα νούμερο για επίδειξη, αλλά ότι κάνει ορατό πού βρίσκεται η διασπορά μεταξύ των ανθρώπων στον οργανισμό. Βλέπει ο επιχειρησιακός διευθυντής την κατάσταση των δεδομένων διαφορετικά από τον ιδιοκτήτη; Πιστεύει ο υπεύθυνος IT — αν υπάρχει — ότι η υποδομή είναι έτοιμη, ενώ οι άνθρωποι στο πεδίο αντιμετωπίζουν καθημερινά χειροκίνητες παρακάμψεις; Μια γύρα σχεδιαγράμματος στην οποία περισσότεροι άνθρωποι βαθμολογούν ξεχωριστά, αποκαλύπτει αυτές τις διαφορές πριν προκαλέσουν την αποτυχία ενός πιλοτικού προγράμματος.
Ακριβώς σε έναν τομέα όπου η λήψη αποφάσεων βρίσκεται συχνά σε λίγα άτομα, είναι πολύτιμο να δούμε αν αυτοί οι άνθρωποι συμφωνούν στην ουσία μεταξύ τους για το πού βρίσκεται ο οργανισμός. Ένας σύμβουλος στο αγρόκτημα, ένας διευθυντής επιχείρησης στην αποθήκη και μια επαφή IT στον συνεταιρισμό μπορεί όλοι να έχουν διαφορετική εκτίμηση για το πόσο ωριμη είναι η πλευρά της διαχείρισης δεδομένων. Το να κάνεις αυτή τη διασπορά ορατή είναι ένα πρώτο βήμα, όχι ένα τελικό σημείο.
Μόλις γίνει σαφές πού βρίσκεται ο οργανισμός σε αυτές τις διαστάσεις, το ερώτημα μετατοπίζεται φυσικά από την ετοιμότητα στο περιεχόμενο: ποιο μέρος της καθημερινής εργασίας θα μπορούσε πραγματικά να αναλάβει η ΑΙ, δεδομένης αυτής της ετοιμότητας; Αυτό είναι διαφορετικό ερώτημα από αυτό που απαντά αυτή η σελίδα. Η σάρωση εργασίας της FTE TO AI υπολογίζει ανά καθήκον ποιο μέρος της εργασίας είναι υποψήφιο για ανάληψη, και έτσι συνδέεται με αυτό που μια μέτρηση ωριμότητας χαρτογραφεί πρώτα. Όποιος θέλει να σκεφτεί ήδη πώς πρέπει να φαίνεται μια τέτοια απογραφή, μπορεί να ξεκινήσει από το τι πρέπει να περιλαμβάνει μια απογραφή αποφάσεων, ως προετοιμασία για τη στιγμή που τα θεμέλια θα είναι σε τάξη.
Η μέτρηση ωριμότητας της hybridresourcing βρίσκεται υπό κατασκευή. Όποιος θέλει να χρησιμοποιήσει τη γύρα σχεδιαγράμματος μόλις γίνει διαθέσιμη, μπορεί να εγγραφεί στη λίστα αναμονής.
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.