Rakennusala on vuosikymmeniä työskennellyt kerroksellisen ketjun kanssa: tilaaja, pääurakoitsija, aliurakoitsijat, toimittajat. Tämä ketju on tottunut jakamaan vastuuta ja toimittamaan työtä vaiheittain. Se tekee alasta tietyiltä osin paremmin valmistautuneen tekoälyyn kuin muut sektorit — suunnittelussa, laadunvalvonnassa ja sopimusten kirjaamisessa on kuria. Mutta sama ketju tekee datasta hauraan. Piirustukset, laskelmat, aikataulut ja edistymisraportit syntyvät eri osapuolilla, eri järjestelmissä, eri versioina totuudesta. Tekoälysovellus, jonka pitäisi toimia tällä datalla, toimii jollain, joka on usein epätäydellistä, vanhentunutta tai ei keskitettyä.
Juuri tämä ero organisatorisen kurin ja datavalmiuden välillä on se, mihin monet rakennusalan tekoälypilotit kaatuvat. Projektipäällikkö yrittää ottaa käyttöön tekoälytyökalun aikataulujen optimointiin, mutta syöttötiedot tulevat kolmesta järjestelmästä, jotka eivät keskustele toistensa kanssa. Työnvalmistelija haluaa automatisoida laskelmien tarkistuksen, mutta historiallinen data on hajallaan erillisissä Excel-tiedostoissa projektikohtaisesti. Pilotti pysähtyy, ei koska teknologia ei toimi, vaan koska organisaatio ei ole vielä valmistautunut siihen.
Tekoälyvalmius ei mittaa vain sitä, käyttääkö organisaatio työkaluja, vaan sitä, onko perusta niiden alla kunnossa. Se alkaa organisaatiosta itsestään: on olemassa selkeä omistaja digitalisaatiolle, jaetaanko tietoa projektien välillä, vai jääkö kukin projekti saareksi. Sen jälkeen tulee IT-infrastruktuuri: ovatko järjestelmät yhteydessä toisiinsa, on olemassa perusta, jonka päällä uudet sovellukset voivat toimia ilman, että kaikki pitää kirjoittaa käsin uudelleen. Vasta sen jälkeen tulee datahallinta: on olemassa oleva data luotettavaa, ajantasaista ja saatavilla niille, joiden on tehtävä sen kanssa työtä.
Tämä järjestys ei ole mieltymys, vaan tapa, jolla se toimii. Organisaatio, joka haluaa parantaa datahallintaa ilman että IT-infrastruktuuri tukee sitä, rakentaa liikkuvalle pohjalle. Organisaatio, joka haluaa ottaa käyttöön tekoälysovelluksia tietämättä itse, kuka omistaa mitä prosessia, saa työkalun, jota kukaan ei ylläpidä. Rakennusalalla tämä kaava on näkyvä: sektorilla on usein organisatorinen tahto, mutta infrastruktuuri ja data laahaavat perässä. Se selittää, miksi pilotit onnistuvat usein projektitasolla mutta kaatuvat organisaatiotasolla — perustavanlaatuiset ulottuvuudet eivät ole kasvaneet ambition mukana.
hybridresourcingin valmiusmittaus tarkastelee seitsemää ulottuvuutta, organisaatiosta ja infrastruktuurista riippuvaisempiin kerroksiin kuten prosessiautomaatioon ja päätöksentekoon. Kullekin ulottuvuudelle pätee yksi viidestä tasosta: baseline, foundation, activation, insight tai intelligence. Rakennusalalla kuva on usein epätasaisesti jakautunut näiden ulottuvuuksien välillä. Yritys voi olla organisaatiotasolla pitkällä — selkeät roolit, digitalisaatioagenda, johdon tuki — ja silti olla datahallinnassa vielä baseline-tasolla, koska projektidataa ei ole koskaan koottu keskitetysti.
Tämä epätasaisuus näkyy plot-kierroksessa, jossa useat organisaation henkilöt arvioivat erikseen. Johtaja ja työnjohtaja voivat arvioida saman yrityksen hyvin eri tavoin, ja tämä hajonta on itsessään tietoa. Jos CIO uskoo, että data on kunnossa, ja työnvalmistelija taistelee päivittäin hajallaan olevien tiedostojen kanssa, siinä on pullonkaula, jota yksittäinen keskustelu ei olisi paljastanut. Sektorilla, jossa työ leviää projektien ja osapuolten yli, tämä hajonta on usein keskimääräistä suurempi — ja siten informatiivisempi.
Tämä mittaus ei kerro mitään siitä, mitä tehtäviä tekoäly voi ottaa hoidettavakseen tai kuinka paljon aikaa se säästää. Kyse on siitä, voiko organisaatio kannatella tekoälyä: on perusta kunnossa, on infrastruktuuri valmis, on data riittävän luotettavaa rakentamisen pohjaksi. Tämä kysymys on rakennusalalle relevantimpi kuin sektoreilla, joilla data kirjataan luonnostaan jo keskitetysti. Vertaa tätä asennusalaan, jossa projektimainen työskentely ja hajanainen data tuottavat vastaavia pullonkauloja, tai valmistusteollisuuteen, jossa tuotantodata ja organisaatiorakenne näyttävät erilaisen tasapainon. Myös kuljetusalalla on vastaava jännite operatiivisen kurin ja digitaalisen perustan välillä, mikä osoittaa, että tämä kaava ei ole ainutlaatuinen rakennusalalle, mutta esiintyy siinä omalla voimakkuudellaan ketjurakenteen vuoksi.
Työkalu, jolla tätä mitataan, on rakenteilla. Se, joka haluaa käydä mittauksen läpi sen valmistuttua, voi ilmoittautua odotuslistalle. Tässä ei tarjota mitään, joka ei vielä toimi, eikä luvata mitään tuloksesta — vain rehellinen kuva siitä, missä organisaatio nyt on, ulottuvuus ulottuvuudelta.
Jos ilmenee, että perustavanlaatuiset ulottuvuudet ovat kunnossa, tai matkalla siihen, tulee relevantiksi toinen kysymys: mikä osa työstä itsestään soveltuu tekoälyn hoidettavaksi. Se on eri mittaus kuin tämä. Siinä missä hybridresourcing tarkastelee, voiko organisaatio kannatella tekoälyä, FTE TO AI:n työscan laskee tehtäväkohtaisesti, mikä osa työstä on siirrettävissä — ei arviona, vaan tehtäväanalyysin tuloksena. Rakennusyritykselle, joka tietää missä perusta on, se on looginen seuraava askel: ensin perusta, sitten kysymys siitä, mitä sen päälle voidaan rakentaa.
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.