Kuljetus ja logistiikka ei ole toimiala, jonka on päästettävä AI ulkopuolelta sisään. Suunnitteluohjelmistot, track-and-trace, reittioptimointi ja varastonhallintajärjestelmät ovat olleet käytössä vuosikymmeniä. Se antaa vaikutelman etumatkasta: on dataa, on järjestelmiä, on mittaamisen ja optimoinnin kulttuuri. Mutta hybridresourcing.com-kypsyysmittaus osoittaa, että tämä on eri asia kuin AI-valmius. Organisaatio voi olla erinomainen operatiivisissa järjestelmissä ja olla silti perustavanlaatuisilla ulottuvuuksilla — organisaatio, IT-infrastruktuuri, datanhallinta — vielä baseline- tai foundation-tasolla. Kysymys ei ole siitä, onko järjestelmiä olemassa, vaan siitä, keskustelevatko ne järjestelmät keskenään ja onko organisaatio niiden ympärillä järjestetty niin, että sen päälle voi rakentaa jotain uutta.
Kuljetus- ja logistiikka-alalla yritysten välinen suhde vaihtelee suuresti toiminnan tyypin mukaan. Toimija, joka tekee ensisijaisesti suunnittelua ja ohjausta, omalla ohjelmistokehityksellä ja IT-osastolla, joka pystyy yhdistämään järjestelmiä toisiinsa, on usein lähempänä activation- tai insight-tasoa. Toimija, joka pääasiassa toteuttaa — ajaa, lastaa, purkaa — ja käyttää useiden eri toimittajien osittaisia järjestelmiä, on usein vielä foundation-tasolla. Suurin osa toimialasta sijoittuu jonnekin näiden kahden aseman väliin, ja perustavanlaatuinen kerros on rakennettu paremmin kuin monilla muilla toimialoilla, mutta datanhallinta jää jälkeen: data on usein siiloutunut järjestelmä-, toimipiste- ja asiakaskohtaisesti, kenenkään omistamatta kokonaisuutta.
Tämä sijoittaa kuljetusalan erilliseen asemaan verrattuna toimialoihin, joissa juuri organisaatiorakenne on pullonkaula. Liike-elämän palveluissa ongelmana on usein itse datankeräys, koska työ koostuu suurelta osin jäsentymättömästä viestinnästä. Kuljetusalalla on sen sijaan paljon jäsenneltyä dataa — sijainteja, aikoja, painoja, lämpötiloja — mutta tämä data on hajautunut järjestelmiin, joita ei ole rakennettu kommunikoimaan keskenään. Se on erilainen jälkeenjääneisyyden muoto kuin datan puute; se on yhtenäisyyden puutetta.
Plot-kierroksessa, jossa eri ihmiset pisteyttävät toisistaan riippumatta, kuljetusyrityksissä nousee usein esiin tunnistettava kuvio. Operatiivinen johto arvioi IT-infrastruktuurin korkealle, koska heidän päivittäin käyttämänsä järjestelmät toimivat hyvin heidän omassa prosessissaan. IT tai CIO arvioi samaa ulottuvuutta alemmas, koska he tietävät, kuinka paljon manuaalista työtä tarvitaan datan siirtämiseksi järjestelmien välillä. Tämä hajonta ei ole mittausvirhe. Se on ero järjestelmän, joka toimii tehtävässä, jota varten se on rakennettu, ja infrastruktuurin, joka soveltuu uuden toiminnallisuuden rakentamiseen, välillä. AI-sovellusten kannalta juuri tämä jälkimmäinen kysymys on olennainen, ja sitä kysytään harvoin päivittäisen operaation aikana.
Seitsemän ulottuvuutta rakentuvat toistensa varaan, ja kuljetusalalla tämä rakenne näkyy hyvin. Ilman datanhallintakerrosta, joka tuo yhteen suunnittelujärjestelmien, telematiikan ja asiakasportaalien tiedot, AI-sovelluksella ei ole mitään yhtenäistä, mihin kouluttautua tai mihin reagoida. Yritykset, jotka ohittavat tämän vaiheen ja käynnistävät suoraan AI-pilotin yhdessä osaprosessissa — esimerkiksi ennakoivan huollon yhdessä kuorma-autotyypissä — huomaavat usein, että tulos ei skaalaudu muuhun kalustoon, yksinkertaisesti koska taustalla oleva data ei ole tallennettu samalla tavalla. Se ei ole AI:n tekninen puute, vaan merkki siitä, että perustavanlaatuinen kerros ei ole vielä valmis.
Tämä järjestys ei koske vain kuljetusalaa. Maatalousalalla esiintyy samanlainen ongelma sensoridatan kanssa, joka tallennetaan eri tavalla viljelykasvin tai yrityksen mukaan, ja vähittäiskaupassa se näkyy varasto- ja myyntidatassa, joka on erillään myymäläketjun tai kanavan mukaan. Kuljetusala erottuu jo olemassa olevan jäsennellyn datan määrästä, mikä tekee perustavanlaatuisesta vaiheesta samanaikaisesti helpomman ja houkuttelevamman ohittaa — helpomman, koska rakennuspalikat ovat olemassa, houkuttelevamman, koska tuntuu siltä, että on jo pitkällä.
hybridresourcing.com-kypsyysmittaus asettaa tämän kuvion viidelle tasolle, baselinesta intelligenceen, jaettuna seitsemälle ulottuvuudelle. Kuljetusyritykselle tämä tuottaa tavallisesti profiilin, jossa on vahva operatiivinen kerros ja heikompi data- ja organisaatiokerros, ja erot voivat olla suuria yrityksen osan tai toimipisteen mukaan. Tämä profiili ei kerro mitään siitä, toimiiko AI vai ei, eikä mitään aikataulusta. Se osoittaa, mikä ulottuvuus tällä hetkellä pitää muita takanaan, ja se on juuri se tieto, jota tarvitaan ennen kuin organisaatio päättää, mistä aloittaa. Työkalu, joka suorittaa tämän mittauksen, on rakenteilla; ne, jotka haluavat käyttää sitä sen valmistuessa, voivat ilmoittautua jonotuslistalle.
Tämä sivu käsittelee kysymystä siitä, voiko organisaatio kannatella AI:ta — ovatko organisaation, infrastruktuurin ja datan perusteet kunnossa ennen kuin niiden päälle rakennetaan mitään. Se on eri kysymys kuin se, mikä osa itse työstä voidaan siirtää AI:n tehtäväksi. Tähän kysymykseen, yksittäisten tehtävien tasolla suunnittelussa, kuljetuksessa ja logistisessa hallinnossa, on FTE TO AI:n työscan: se laskee tehtäväkohtaisesti, minkä osan siitä AI voi ottaa haltuunsa, riippumatta siitä, millä tasolla organisaatio sen ympärillä on. Se, joka haluaa tietää, missä organisaatio on, aloittaa tästä mittauksesta; se, joka haluaa tietää, mitä itse työlle tapahtuu, löytää sen työscanista.
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.