Transport ja logistika ei ole sektor, mis peaks AI-d väljastpoolt sisse laskma. Planeerimistarkvara, track-and-trace, marsruutide optimeerimine ja lao haldussüsteemid on siin kasutusel juba aastakümneid. See jätab mulje eelisseisust: on olemas andmed, on olemas süsteemid, on olemas mõõtmise ja optimeerimise kultuur. Kuid hybridresourcing.com valmiduse mõõtmine näitab, et see on midagi teist kui AI-valmidus. Organisatsioon võib olla suurepärane operatiivsüsteemides ja ikkagi olla põhimõõtmete — organisatsioon, IT-infrastruktuur, andmehaldus — osas veel baseline- või foundation-tasemel. Küsimus ei ole selles, kas süsteeme on olemas, vaid kas need süsteemid räägivad omavahel ja kas organisatsioon on nende ümber üles seatud selleks, et sinna midagi uut ehitada.
Transpordi- ja logistikasektoris erineb ettevõtete omavaheline suhe suuresti sõltuvalt tegevuse tüübist. Ettevõte, mis tegeleb peamiselt planeerimise ja koordineerimisega, oma tarkvaraarendusega ja IT-osakonnaga, mis suudab süsteeme omavahel ühendada, on tihti activation- või insight-tasemele lähemal. Ettevõte, mis tegeleb peamiselt täitmisega — sõitmine, laadimine, mahalaadimine — ja töötab erinevate tarnijate osasüsteemide kogumiga, on tihti veel foundation-tasemel. Suurem osa sektorist paikneb kusagil nende kahe positsiooni vahel, kus põhikiht on paremini välja arendatud kui paljudes teistes sektorites, kuid andmehaldus jääb maha: andmed asuvad sageli silodes süsteemide, tegevuskohtade ja klientide kaupa, ilma et kellelgi oleks tervikliku vastutus.
See asetab transpordi eraldi positsiooni võrreldes sektoritega, kus just organisatsiooni struktuur on kitsaskoht. Ärialaste teenuste sektoris on tihti probleem juba andmete kogumises endas, kuna töö koosneb suures osas struktureerimata suhtlusest. Transpordis on seevastu palju struktureeritud andmeid — asukohad, ajad, kaalud, temperatuurid — kuid need andmed on hajutatud süsteemide vahel, mis ei ole loodud omavahel suhtlemiseks. See on teistsugune mahajäämus kui andmete puudumine; see on seotuse puudumine.
Plot-voorus, kus erinevad inimesed hindavad üksteisest sõltumatult, ilmneb transpordiettevõtetes tihti äratuntav muster. Operatiivjuhtkond hindab IT-infrastruktuuri kõrgelt, kuna süsteemid, mida nad igapäevaselt kasutavad, toimivad hästi nende oma protsessi jaoks. IT-osakond või CIO hindab sama mõõtmet madalamalt, kuna nad teavad, kui palju käsitsitööd on vajalik andmete ülekandmiseks süsteemide vahel. See hajuvus ei ole mõõtmisviga. See on erinevus süsteemi, mis toimib ülesande jaoks, milleks see on loodud, ja infrastruktuuri vahel, mis on sobiv uue funktsionaalsuse ülesehitamiseks. AI-rakenduste jaoks on eriti oluline see teine küsimus, ja seda küsitakse harva igapäevase tegevuse käigus.
Seitse mõõdet ehitavad üksteisele, ja transpordis on see ülesehitus hästi nähtav. Ilma andmehalduse kihita, mis toob kokku info planeerimissüsteemidest, telemaatikast ja kliendiportaalidest, ei ole AI-rakendusel midagi järjepidevat, mille peal treenida või millele reageerida. Ettevõtted, mis jätavad selle astme vahele ja alustavad kohe AI-katsetust ühel osaprotsessil — näiteks ennustav hooldus ühel veokitüübil —, märkavad tihti, et tulemus ei skaleeru üle ülejäänud vagunipargi, lihtsalt seetõttu, et aluseks olevad andmed ei ole samamoodi salvestatud. See ei ole AI tehniline puudus, vaid tunnus, et põhikiht ei ole veel valmis.
See järjekord ei kehti ainult transpordi jaoks. Põllumajandussektoris esineb sarnane probleem sensoriandmetega, mida salvestatakse erinevalt kultuuri või ettevõtte kaupa, ja jaekaubanduses näete seda tagasi laoseisu- ja müügiandmetes, mis on eraldi iga kaupluseketi või kanali kaupa. Transport eristub struktureeritud andmete hulga poolest, mis juba olemas on, mis muudab põhietapi samaaegselt lihtsamaks ja ahvatlevamaks vahele jätta — lihtsamaks, kuna ehituskivid on olemas, ahvatlevamaks, kuna tundub, et olete juba kaugele jõudnud.
hybridresourcing.com valmiduse mõõtmine paneb selle mustri viiele tasemele, baseline'ist intelligence'ini, jaotatuna seitsme mõõtme vahel. Transpordiettevõtte jaoks annab see tavaliselt profiili, kus on tugev operatiivkiht ja nõrgem andme- ja organisatsioonikiht, kus erinevused ettevõtte osade või tegevuskohtade vahel võivad olla suured. Selline profiil ei ütle midagi selle kohta, kas AI toimib või ei toimi, ega midagi ajakava kohta. See näitab, milline mõõde hoiab hetkel teisi tagasi, ja see on täpselt see info, mida on vaja enne, kui organisatsioon otsustab, kust alustada. Selle mõõtmise läbiviimiseks vajalik tööriist on ehitamisel; kes soovib sellega töötada kohe, kui see saab kättesaadavaks, saab liituda ootenimekirjaga.
See lehekülg käsitleb küsimust, kas organisatsioon suudab AI-d kandma — kas organisatsiooni, infrastruktuuri ja andmete alustalad on korras enne, kui midagi peale ehitatakse. See on teine küsimus kui see, milline osa tööst on iseenesest AI-le üle antav. Selle küsimuse jaoks, üksikute ülesannete tasandil planeerimise, transpordi ja logistilise administratsiooni siseselt, on olemas FTE TO AI tööscan: see arvutab ülesande kaupa välja, kui suure osa sellest saab AI üle võtta, sõltumata sellest, millisel tasemel organisatsioon selle ümber asub. Kes soovib teada, kus organisatsioon seisab, alustab sellest mõõtmisest; kes soovib teada, mis toimub töö endaga, leiab see tööscanist.
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.