Põllumajandussektoril on rütm, mida vähesed teised sektorid tunnevad. Majandusaasta ei koosne kaheteistkümnest ühesugusest kuust, vaid kasvuperioodist, saagikoristusest, puhkeperioodist. Aprillis kogutud andmed ütlevad midagi teist kui oktoobri andmed. See tähendab, et AI-valmidus selles sektoris ei ole kunagi hetkeülevaate küsimus. Organisatsioon võib paberil talvel hästi näha välja ja suvel siiski takerduda, lihtsalt seetõttu, et surve tegevusele on siis erinevalt jaotunud.
Lisaks on sektor märkimisväärselt kihiline. Ühel pool on suured ühistud ja töötlevad ettevõtted, kellel on omad IT-osakonnad ja andmemeeskonnad. Teisel pool on pereettevõtted ja üksikettevõtjad, kus ettevõtte juhtimine peitub peades, mitte süsteemides. Mõlemad vormid esinevad ühe sektorinime alla, ja see tähendab, et väide „põllumajandussektori” kohta muutub kiiresti liiga üldiseks. Nende kahe vormi suhe määrab keskmise valmiduse rohkem kui ükski tehnoloogiline arendus.
Mitmel põllumajandusettevõttel ei puudu ambitsioon, vaid puudub alus, millele AI peaks toetuma. Väljalt saadud sensorandmed, ilmateave, laoandmed ja raamatupidaja käes olev administratsioon elavad tihti lahutatud süsteemides, mis omavahel ei suhtle. See on andmehalduse küsimus, ja see on üks neist mõõtmetest, mida valmiduse mõõtmisel peetakse aluseks olevaks — mitte eelistuse pärast, vaid seetõttu, et organisatsioon, kellel puuduvad ühtselt seotud andmed, ei saa toetada AI-rakendust, mis peab neile andmetele tuginema.
Ka IT-taristu erineb suuresti. Automaatsete lüpsirobotitega piimafarmis on sensorite ja andmetöötlusega juba aastaid tegeletud, samal ajal kui teraviljakasvatusettevõte kasutab ehk vaid raamatupidamistarkvara ja ilmarakendust. See erinevus lähtepositsioonis ei ole ei õige ega vale, kuid see määrab, milline järgmine samm on loogiline. Ettevõte, mis juba kogub sensorandmeid, seisab teistsuguse küsimuse ees kui ettevõte, mis peab veel otsustama, mis andmeid ta tegelikult tahab jäädvustada.
Organisatsiooniline mõõde lisab sellele oma kihi. Pereettevõtetes on otsustusõigus tihti ühe või kahe inimese käes, mis võib otsused kiirendada, kuid tähendab samuti, et AI-valmidus on tugevalt seotud sellega, mida see inimene teab ja tahab. Ühistutes ja suuremates töötlejates on küsimus rohkem selles, kuidas otsused liikmete, juhatuse ja täitevorgani vahel jaotatakse — ja kas seal on struktuur, mille plot-vooru käigus nähtavaks saab.
Rakendused, mis kõlavad sektori jaoks huvitavalt — masinate ennustav hooldus, saagikuse ennustamine, automaatne sorteerimine — sõltuvad kõik sellest, mis nende alla jääb. Ilma taristuta, mis jäädvustab mõõtmisi usaldusväärselt, ja ilma andmeteta, mis on hooaegade lõikes järjepidevad, jääb AI-rakendus katseks, mis toimib niikaua kui tingimused soosivad. Just seepärast on alusmõõtmetel eelis: mitte poliitilise valikuna, vaid järjekorrana, mis tuleneb praktikast. Kes tahab sellest rohkem lugeda, leiab käsitluse millest tuleneb, et alusmõõtmed peavad tulema esimesena.
See järjekord ei kehti ainult põllumajanduses. Teised sektorid, kus on raske operatiivne tuum ja hajutatud otsustamine, näitavad sarnaseid mustreid, nagu on kirjas kui kaugele on energiasektor jõudnud AI-valmidusega ja kui kaugele on kinnisvarasektor jõudnud AI-valmidusega. Võrdluseks: sektorid, mille protsessid on algupäraselt digitaalsed, nagu kirjeldatud kui kaugele on IKT-sektor jõudnud AI-valmidusega, alustavad tavaliselt taristu ja andmete osas teiselt lähtepunktilt, mis näitab, kui suur võib sektorite vaheline hajuvus olla.
Põllumajandussektori tegevjuhi või operatiivjuhi jaoks ei seisne valmiduse mõõtmise väärtus selles, et see annab numbri, millega uhkeldada, vaid selles, et see teeb nähtavaks, kus organisatsiooni inimeste vahel hajuvus peitub. Näeb operatiivjuht andmeolukorda teisiti kui omanik? Arvab IT-vastutaja — kui selline olemas on — et taristu on valmis, samal ajal kui inimesed põllul põrkuvad iga päev käsitsi tehtavate ringiteedega? Plot-voor, kus mitu inimest hindavad eraldi, toob need erinevused päevavalgele enne, kui need lasevad piloodil karile joosta.
Just sektoris, kus otsustamine on tihti vähestel inimestel, on väärtuslik näha, kas need inimesed on omavahel tegelikult ühel meelel selles, kus organisatsioon seisab. Nõustajal talus, laohoidjal ja ühistu IT-kontaktisikul võib kõigil olla erinev hinnang selle kohta, kui valmis on andmehalduse valdkond. Seda hajuvust nähtavaks tegemine on esimene samm, mitte lõpp-punkt.
Niipea kui on selge, kus organisatsioon nendel mõõtmetel seisab, liigub küsimus loomulikult valmidusest sisu juurde: millist osa igapäevasest tööst saaks AI tegelikult üle võtta, arvestades seda valmidust? See on teistsugune küsimus kui see, millele see lehekülg vastab. FTE TO AI töö-skaneering arvutab ülesannete kaupa välja, milline osa tööst tuleks üle võtmiseks kõne alla, ja sobitub sellega sellega, mida valmiduse mõõtmine kõigepealt kaardistab. Kes soovib juba varakult mõelda, milline selline inventuur peaks välja näha, võib alustada lehelt mis kuulub otsuste inventuuri, ettevalmistusena hetkeks, mil alusmüürid on korras.
hybridresourcing.com valmiduse mõõtmine on ehitamisel. Kes soovib plot-voorust kasutada niipea kui see saab kättesaadavaks, võib registreeruda ootenimekirja.
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.