El sector energético no es un solo entorno. Está el lado de la infraestructura física — gestión de redes, producción, mantenimiento de instalaciones que duran décadas — y está el lado del mercado: comercialización, contacto con clientes, procesamiento de datos en torno al consumo y el suministro. Estos dos lados tienen una relación distinta con la IA. El lado de la infraestructura está sujeto a normas de seguridad, regulación y equipamiento que no se sustituye rápidamente. El lado del mercado se mueve más rápido, trabaja con procesos digitales que existen desde hace más tiempo, y tiene menos limitaciones físicas.
Esa división es el núcleo de dónde se encuentra el sector. No como un retraso, sino como una relación entre dos partes de la misma organización que se desarrollan a un ritmo distinto. Una empresa energética que mide su madurez de IA, mide en realidad dos organizaciones a la vez — y ahí es precisamente donde muchas iniciativas se estancan: la suposición de que lo que funciona en el lado del mercado se traduce sin esfuerzo al lado de la infraestructura física.
En un sector con muchos sistemas heredados, flujos de datos separados entre la gestión de redes y el suministro, y requisitos de cumplimiento estrictos, las dimensiones fundamentales — organización, infraestructura de TI, gestión de datos — determinan una parte mayor de lo que es posible que en sectores con menos regulación. Una aplicación de IA que quiera apoyar el mantenimiento predictivo depende de datos de sensores que se registran de forma consistente, de sistemas que se comunican entre sí, y de una organización que sabe quién es responsable del resultado. Si falta una de esas capas, la aplicación se queda en un piloto, sin importar cuán bueno sea el modelo.
La razón por la que las dimensiones fundamentales preceden a las dependientes está explicada aquí: no se trata de hacer primero lo fácil, sino del orden en el que las dimensiones se hacen posibles unas a otras. En el sector energético esto es más visible que en otros lugares, porque la distancia entre el fundamento y la aplicación es mayor que en sectores con infraestructura menos regulada.
En una dispersión entre las puntuaciones de varios encuestados de una empresa energética, a menudo destaca un patrón específico: las personas del lado del mercado puntúan la organización más alto en gestión de datos e infraestructura de TI que las personas que trabajan en gestión de redes o producción. Ambos grupos tienen razón sobre su propio entorno — el problema es que la organización en su conjunto se evalúa basándose en solo uno de los dos.
Esa dispersión es más valiosa que un promedio. Un promedio oculta qué mitad de la organización está bajando el promedio. La ronda de gráficos hace visible dónde la conversación sobre madurez es en realidad dos conversaciones, y esa es precisamente la información necesaria para determinar por dónde empezar.
El sector energético comparte gran parte de esta dinámica con otros sectores que dependen fuertemente de activos físicos y regulación. En la comparación con cómo aborda la construcción la madurez de IA destaca que ambos sectores tienen que ver con proyectos que se extienden durante años y con datos fragmentados entre múltiples partes. El sector de instalaciones conoce una tensión comparable entre el trabajo físico en el terreno y los procesos digitales en la oficina — una tensión que en el sector energético se produce entre la gestión de redes y el lado del mercado.
Lo que distingue al sector energético es la escala de la regulación. Mientras que el sector inmobiliario tiene que ver principalmente con relaciones de propiedad y normas de tasación, la energía opera dentro de un marco de normas de seguridad y obligaciones de servicio público que deja poco margen para experimentar sin aprobación. Esto hace que la dimensión de organización — quién puede tomar qué decisión, y sobre la base de qué datos — pese más que en sectores donde esa aprobación tiene menos capas.
Una empresa energética que mide su madurez hace bien en investigar si las decisiones que la IA debe apoyar están registradas con suficiente precisión. Lo que debe incluirse en dicho inventario — quién decide, sobre la base de qué información, y con qué mandato — se describe en qué debe incluirse en un inventario de decisiones. Para un sector donde las decisiones sobre mantenimiento, capacidad y suministro a menudo están repartidas entre departamentos que no se comunican a diario, ese inventario es una de las primeras cosas que aportan claridad sobre dónde la IA tiene, y dónde no tiene, un punto de apoyo.
Esta medición muestra si la organización tiene los fundamentos para sostener la IA — si los datos, los sistemas y la estructura de decisiones están preparados para ello. Esa es una pregunta distinta de qué trabajo puede realmente asumir la IA. Para esa pregunta existe el escáner de trabajo de FTE TO AI: este analiza, por tarea, dentro de la gestión de redes, el contacto con clientes o la planificación, qué parte de ella puede ser asumida, y qué parte sigue dependiendo de personas. La medición de madurez y el escáner de trabajo responden, por tanto, preguntas distintas — una sobre la capacidad de carga de la organización, la otra sobre el contenido del trabajo mismo — y solo juntas se vuelven completas.
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.