Toitlustussektor on ehitatud saali, mitte armatuurlaua ümber. Kui teised sektorid on aastaid investeerinud ERP-süsteemidesse, andmelaoladesse ja standardiseeritud protsessidesse, siis toitlustus toimib kogemuse, improvisatsiooni ja otsese kontakti peal. See ei ole puudus, see on ameti loomus. Kuid see tähendab, et AI-aluspõhi — organiseeritud andmed, kindlad protsessid, IT-taristu, mis salvestab asju, selle asemel et need lasta aurustuda — on paljudes toitlustusettevõtetes kunagi rajamata jäänud. Ei sellepärast, et selle peale ei mõeldud, vaid sellepärast, et äritegevus ei ole seda kunagi nõudnud.
See selgitab osaliselt suhet, mida selles sektoris tihti näeb: palju entusiasmi kliendipoolsete AI-rakenduste suhtes — vestlusrobotid broneeringute jaoks, dünaamilised hinnad, personaliseeritud pakkumised — ja vähe alusbaasi selle all. Sel juhul on järjekord vale. Kliendikeskne AI toetub andmetele täituvuse, laoseisu, personaliplaneerimise ja käibe kohta. Kui need andmed on laiali kassasüsteemis, broneerimistööriistas ja tabelis, mida enam mitte kellel ei ole aega jälgida, ei ole ka kõige täiustunumal vestlusrobotil millelegi toetuda.
Sektori teine tunnus on pidev personalisurve: suur voolavus, palju osalise tööajaga töötajaid, hooajalised tipud. See muudab AI paljude silmis atraktiivseks lahenduseks puudujäägile, mitte tööriistaks, mille abil töö targemalt organiseerida. Selline raamistus on riskantne. Kes näeb AI-d eelkõige puuduvate inimeste asendajana, jätab vahele küsimuse, kas seda ümbritsev organisatsioon — töögraafikute tegemise, suhtlemise, salvestamise viis — on juba niimoodi korraldatud, et AI saaks sellele midagi lisada. Sageli see veel nii ei ole. Töögraafikud tehakse ad hoc, teadmised on kogenud töötajate peades, mitte süsteemides, ja otsused hankimise või personali paigutamise kohta tehakse tunde järgi. See ei ole kriitika, see on kirjeldus sellest, kuidas sektor on juba aastakümneid toiminud. Kuid see tähendab, et fundamentaalsed dimensioonid — organisatsioon, taristu, andmehaldus — on toitlustuses sagedamini kitsaskoht kui sektorites, kus digitaliseerimise ajalugu on pikem.
Pilt, mida paljud toitlustussektori juhid tunnevad ära: menüü optimeerimise või personaliplaneerimise AI-tööriistaga pilootprojekt, mis alustab hästi ja seejärel jookseb kinni. Ei sellepärast, et tehnoloogia ebaõnnestub, vaid sellepärast, et organisatsioon ei suuda väljundit kasutada. Andmed ei ole piisavalt järjepidevad, inimesed, kes peavad nendega töötama, ei ole kaasatud korralduse tegemisse, või taristu ei suuda tööriista pidevalt toita, kui pilootprojekt on läbi. See on täpselt see muster, mille hybridresourcing.com valmisolekumõõtmine paljastab: viis taset, algtasemest kuni intelligentsuseni, seitse dimensiooni, mis koos määravad, kas organisatsioon suudab AI-d kanda. Mitte kas AI töötab, vaid kas selle all olev pinnas on piisavalt kindel.
Selle mõõtmise sisene võrdlusvoor on toitlustusettevõtete jaoks sageli paljastav. Kui omanik, üksuse juht ja saalitöötaja hindavad eraldi samu seitset dimensiooni, tekib hajuvus, mis ütleb midagi selle kohta, kuidas organisatsiooni erinevalt tajutakse. Omanik võib näha ettevõtet, mis on valmis järgmiseks sammuks; üksuse juht näeb igapäevaselt, et alusprotsessid on veel lõdvad. Just see lahknevus annab mõõtmisele väärtust: mitte hinnanguna, vaid lähtepunktina vestlusele selle üle, mis tegelikult olemas on.
Fundamentaalsed dimensioonid tulevad enne sõltuvaid dimensioone, ja see ei ole soovitus, vaid tehniline järjekord. Andmehaldus määrab, kas AI-l on midagi usaldusväärset, millega töötada. IT-taristu määrab, kas süsteemid saavad omavahel suhelda. Organisatsioon määrab, kas inimesed teavad, mida neilt oodatakse, kui AI saab protsessis rolli. Alles pärast seda tulevad dimensioonid, mis toetuvad sellele alusele. Kes soovib rohkem lugeda, miks see järjekord on kindlaks määratud ja ei ole ümberpööratav, saab seda lugeda lehelt järjekorra kohta, milles fundamentaalsed dimensioonid peavad esimesena korras olema.
Toitlustussektor ei ole selles suhtes üksi. Teised sektorid, millel on tugev operatiivne, inimestest lähtuv tuum, näitavad sarnaseid mustreid. Kes soovib võrrelda olukorda sektoriga, mis samuti toetub füüsilistele protsessidele ja muutuvatele töötingimustele, leiab selle lehelt põllumajandussektori AI-valmisoleku kohta. Kes soovib näha, kuidas läheb sektoril, millel on traditsiooniliselt tugevam IT-taristu, saab lugeda lehelt IKT-sektori AI-valmisoleku kohta. Ja kellel on huvi selle vastu, kuidas range regulatsioon mõjutab valmisolekut, on olemas leht finantsteenuste sektori AI-valmisoleku kohta.
hybridresourcing.com valmisolekumõõtmine vastab küsimusele, kas organisatsioon suudab AI-d kanda. See on teine küsimus kui see, milline osa tööst suudab AI tegelikult üle võtta. Toitlustusettevõtete jaoks, kes on juba teada saanud, kus nende alusbaas seisab, on see teine küsimus loogiline järgmine samm: milline osa saalis, köögis või leti taga tehtavatest ülesannetest saab tõlkida AI-toeks ja milline osa mitte. Selle arvutuse, ülesandehaaval ja ilma eelduste tegemata, teeb FTE TO AI töövihjete skaneering. Kui see leht kaardistab organisatsiooni all olevat pinnast, arvutab töövihjete skaneering välja, mida sellele pinnale saab ehitada.
Toitlustussektori valmisolekumõõtmine on väljatöötamisel. Kes soovib seitset dimensiooni, viit taset ja võrdlusvooru kasutada niipea, kui need on kättesaadavad, saab liituda ootenimekirjaga. Praegu ei pakuta midagi, mis on juba valmis; teavitus saadetakse ainult siis, kui tööriist on valmis.
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.