Energiasektor ei ole üks keskkond. On füüsilise infrastruktuuri pool — võrgu haldamine, tootmine, aastakümneid kasutuses olevate rajatiste hooldus — ja on turu pool: kauplemine, kliendisuhtlus, tarbimise ja tarnega seotud andmete töötlus. Neil kahel poolel on erinev suhe AI-ga. Infrastruktuuri pool on seotud ohutusnormide, regulatsiooni ja seadmetega, mida ei asendata kiiresti. Turu pool liigub kiiremini, töötab juba kauem olemasolevate digitaalsete protsessidega ja seal on vähem füüsilisi piiranguid.
See kaheks jagunemine on sektori praeguse seisu tuum. Mitte mahajäämusena, vaid kui suhtena kahe osa vahel, mis kuuluvad samasse organisatsiooni, kuid arenevad erineva tempoga. Energiaettevõte, kes mõõdab oma AI-valmidust, mõõdab tegelikult kahte organisatsiooni korraga — ja just seal jäävad paljud algatused toppama: eeldus, et see, mis toimib turu poolel, laseb end vaevata üle kanda füüsilise infrastruktuuri poolele.
Sektoris, kus on palju vananenud süsteeme, lahutatud andmevoogusid võrguhalduse ja tarne vahel ning ranged vastavusnõuded, määravad alusdimensioonid — organisatsioon, IT-infrastruktuur, andmehaldus — suurema osa võimalikust kui sektorites, kus regulatsiooni on vähem. AI-rakendus, mis peab toetama ennustavat hooldust, sõltub sensoriandmetest, mida kogutakse järjepidevalt, süsteemidest, mis omavahel suhtlevad, ja organisatsioonist, mis teab, kes vastutab tulemuse eest. Kui üks neist kihtidest puudub, jääb rakendus pilootiks, ükskõik kui hea mudel ka on.
Põhjus, miks alusdimensioonid eelnevad sõltuvatele dimensioonidele, on lahti kirjutatud siin: see ei ole küsimus sellest, et enne tehakse lihtne ära, vaid järjekorrast, milles dimensioonid teineteist üldse võimalikuks teevad. Energiasektoris on see nähtavam kui mujal, kuna vahemaa aluse ja rakenduse vahel on suurem kui vähem reguleeritud infrastruktuuriga sektorites.
Kui vaadata mitme respondendi hinnete hajuvust energiaettevõttes, tuleb sageli esile konkreetne mustter: turu poolel töötavad inimesed hindavad organisatsiooni andmehalduses ja IT-infrastruktuuris kõrgemalt kui inimesed, kes tegelevad võrguhalduse või tootmisega. Mõlemal rühmal on õigus oma keskkonna kohta — probleem on selles, et organisatsiooni tervikuna hinnatakse ainult ühe neist kahest lähtudes.
See hajuvus on väärtuslikum kui keskmine. Keskmine varjab, kumb organisatsiooni pool tõmbab keskmist alla. Mitme vastajaga graafik toob nähtavale, kus valmidusest räägitakse tegelikult kahes eraldi vestluses, ja just seda infot on vaja, et otsustada, kust alustada.
Energiasektor jagab palju sellest dünaamikast teiste sektoritega, mis toetuvad tugevalt füüsilistele varadele ja regulatsioonile. Võrdlusest sellega, kuidas ehitussektor AI-valmidusega toime tuleb, tuleb esile, et mõlemas sektoris on tegemist projektidega, mis kestavad aastaid, ja andmetega, mis on killustunud mitme osapoole vahel. Paigaldussektor tunneb sarnast pinget füüsilise välitöö ja kontoris toimuvate digitaalsete protsesside vahel — pinge, mis energiasektoris tekib võrguhalduse ja turu poole vahel.
Energiasektorit eristab regulatsiooni ulatus. Kui kinnisvarasektor puutub peamiselt kokku omandisuhete ja hindamisreeglitega, tegutseb energiasektor ohutusnormide ja avalike teenuste kohustuste raamistikus, mis jätab vähe ruumi katsetamiseks heakskiitmiseta. Seetõttu kaalub organisatsiooni dimensioon — kes tohib teha mis otsuse ja mille alusel — rohkem kui sektorites, kus heakskiitmisel on vähem etappe.
Energiaettevõttel, kes mõõdab oma valmidust, on kasulik uurida, kas otsused, mida AI peab toetama, on üldse piisavalt selgelt kirja pandud. See, mida selline inventuur peaks sisaldama — kes otsustab, mille alusel ja millise mandaadiga — on kirjeldatud siin. Sektoris, kus otsused hoolduse, mahu ja tarne kohta on tihti laiali osakondade vahel, kes ei suhtle igapäevaselt, on see inventuur üks esimesi asju, mis annab selgust, kus AI-l on tuge ja kus ei ole.
See mõõtmine näitab, kas organisatsioonil on olemas alus AI kandmiseks — kas andmed, süsteemid ja otsustusstruktuur on selleks valmis. See on teine küsimus kui see, millist tööd AI tegelikult üle võtta suudab. Sellele küsimusele vastab FTE TO AI töö-skaneering: see vaatab ülesannete kaupa, olgu see võrguhalduses, kliendisuhtluses või planeerimises, milline osa neist laseb end üle võtta ja milline osa jääb sõltuma inimestest. Valmidusmõõtmine ja töö-skaneering vastavad seega erinevatele küsimustele — üks organisatsiooni kandevõimest, teine töö sisust — ja need saavad täielikuks alles koos.
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.