Graditeljstvo već desetljećima funkcionira s slojevitim lancem: naručitelj, glavni izvođač, podizvođači, dobavljači. Taj lanac je naviknut na raspodjelu odgovornosti i isporuku posla u fazama. To u određenim aspektima čini sektor bolje pripremljenim za AI nego druge sektore — postoji disciplina u planiranju, u kontroli kvalitete, u utvrđivanju dogovora. Ali baš taj isti lanac čini podatke krhkima. Nacrti, kalkulacije, planiranja i izvještaji o napretku nastaju kod različitih strana, u različitim sustavima, s različitim verzijama istine. AI aplikacija koja mora raditi na tim podacima, radi na nečemu što često nije potpuno, nije aktualno ili nije centralizirano.
Ta razlika između organizacijske discipline i zrelosti podataka je upravo mjesto na kojem se mnogi AI pilot-projekti u graditeljstvu zaglavljuju. Voditelj projekta pokušava primijeniti AI alat za optimizaciju planiranja, ali ulazni podaci dolaze iz tri sustava koji nisu međusobno usklađeni. Pripremaš radova želi automatski provjeravati kalkulacije, ali povijesni podaci raspoređeni su po pojedinačnim Excel datotekama po projektu. Pilot-projekt zastaje ne zato što tehnologija ne radi, nego zato što organizacija na to još nije pripremljena.
AI zrelost ne mjeri samo koristi li organizacija alate, nego stoji li temelj ispod toga. To počinje kod same organizacije: postoji li jasan vlasnik za digitalizaciju, dijeli li se znanje između projekata, ili svaki projekt ostaje izolirani otok. Zatim slijedi IT infrastruktura: jesu li sustavi međusobno povezani, postoji li osnova na kojoj nove aplikacije mogu funkcionirati bez da se sve mora ručno prekucavati. Tek nakon toga dolazi upravljanje podacima: jesu li postojeći podaci pouzdani, aktualni i dostupni onima koji s njima moraju raditi.
Ovaj redoslijed nije stvar preferencije, nego način na koji to funkcionira. Organizacija koja želi poboljšati upravljanje podacima bez da to podupire IT infrastruktura, gradi na pijesku. Organizacija koja želi primijeniti AI aplikacije bez da sama organizacija zna tko je vlasnik kojeg procesa, dobiva alat koji nitko ne održava. U graditeljstvu je taj obrazac vidljiv: sektor često ima organizacijsku volju, ali infrastruktura i podaci kasne. To objašnjava zašto pilot-projekti često uspijevaju na razini projekta a zastaju na razini organizacije — temeljne dimenzije nisu rasle usporedo s ambicijom.
Mjerenje zrelosti tvrtke hybridresourcing promatra sedam dimenzija, od organizacije i infrastrukture do ovisnijih slojeva kao što su automatizacija procesa i donošenje odluka. Za svaku dimenziju vrijedi jedna od pet razina: baseline, foundation, activation, insight ili intelligence. U graditeljstvu je slika često neravnomjerno raspoređena po tim dimenzijama. Tvrtka može biti daleko na razini organizacije — jasne uloge, agenda digitalizacije, podrška uprave — a na upravljanju podacima ipak biti na razini baseline, jer projektni podaci nikada nisu centralizirano prikupljeni.
Ta neravnoteža postaje vidljiva u krugu ocjenjivanja, u kojem više osoba unutar organizacije zasebno ocjenjuje. Direktor i izvođač radova mogu istu tvrtku procijeniti sasvim različito, i ta raspršenost je sama po sebi informacija. Ako CIO smatra da su podaci u redu, a pripremaš radova se svakodnevno bori s raspršenim datotekama, tu se nalazi prepreka koju jedan razgovor ne bi otkrio. U sektoru gdje se rad odvija preko projekata i strana, ta raspršenost je često veća od prosjeka — i time informativnija.
Ovo mjerenje ne govori ništa o tome koje zadatke AI može preuzeti ili koliko vremena to štedi. Riječ je o pitanju može li organizacija podnijeti AI: stoji li temelj, je li infrastruktura spremna, jesu li podaci dovoljno pouzdani da se na njima može graditi. To pitanje je za graditeljstvo relevantnije nego u sektorima gdje se podaci po prirodi već centralizirano prikupljaju. Usporedite to s instalacijskim sektorom, gdje projektni rad i raspršeni podaci donose slične prepreke, ili s proizvodnom industrijom, gdje proizvodni podaci i organizacijska struktura pokazuju drugu ravnotežu. Također transportni sektor poznaje sličnu napetost između operativne discipline i digitalne podloge, što pokazuje da ovaj obrazac nije jedinstven za graditeljstvo, ali se javlja s vlastitim intenzitetom zbog strukture lanca.
Alat kojim se ovo mjeri je u izradi. Tko želi proći mjerenje čim postane dostupno, može se prijaviti na listu čekanja. Ovdje se ne nudi ništa što još ne funkcionira, i ne obećava se ništa o ishodu — samo iskrena slika o tome gdje organizacija sada stoji, dimenzija po dimenzija.
Ako se pokaže da su temeljne dimenzije u redu, ili na putu prema tome, postaje relevantno drugo pitanje: koji dio samog posla je pogodan da ga preuzme AI. To je drugo mjerenje od ovoga. Dok hybridresourcing provjerava može li organizacija podnijeti AI, radna skala (werkscan) tvrtke FTE TO AI po zadatku izračunava koji dio posla je moguće preuzeti — ne kao procjena, nego kao ishod analize zadataka. Za građevinsku tvrtku koja zna gdje stoji temelj, to je logičan sljedeći korak: prvo temelj, zatim pitanje što se na njemu može izgraditi.
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.