Transport i logistika nisu sektor koji tek treba pustiti AI izvana. Softver za planiranje, track-and-trace, optimizacija ruta i sustavi za upravljanje skladištem ovdje se koriste već desetljećima. To stvara privid prednosti: postoje podaci, postoje sustavi, postoji kultura mjerenja i optimizacije. No mjerenje zrelosti tvrtke hybridresourcing pokazuje da je to nešto drugo od AI-spremnosti. Organizacija može biti izvrsna u operativnim sustavima, a ipak na temeljnim dimenzijama — organizaciji, IT-infrastrukturi, upravljanju podacima — još uvijek biti na razini baseline ili foundation. Pitanje nije postoje li sustavi, nego komuniciraju li ti sustavi međusobno i je li organizacija oko njih uređena tako da se na tome može izgraditi nešto novo.
Unutar transporta i logistike, omjer između tvrtki uvelike se razlikuje ovisno o vrsti djelatnosti. Tvrtka koja se prvenstveno bavi planiranjem i regijom, s vlastitim razvojem softvera i IT-odjelom koji sustave može međusobno povezati, često je bliža razini activation ili insight. Tvrtka koja se prvenstveno bavi izvedbom — vožnjom, utovarom, istovarom — i radi sa skupom podsustava različitih dobavljača, često je još na razini foundation. Najveći dio sektora nalazi se negdje između te dvije pozicije, s temeljnim slojem koji je bolje razvijen nego kod mnogih drugih sektora, ali s upravljanjem podacima koje zaostaje: podaci se često nalaze u silosima po sustavu, po lokaciji, po klijentu, bez da je itko vlasnik cjeline.
To transport stavlja u poseban položaj u odnosu na sektore gdje je upravo organizacijska struktura usko grlo. Kod poslovnih usluga često je problem sama prikupljanje podataka, jer se posao velikim dijelom sastoji od nestrukturirane komunikacije. U transportu, naprotiv, postoji mnogo strukturiranih podataka — lokacije, vremena, težine, temperature — ali ti su podaci raspršeni po sustavima koji nisu izgrađeni da međusobno komuniciraju. To je drugačija vrsta zaostatka od nedostatka podataka; to je nedostatak povezanosti.
U krugu procjene u kojem različiti ljudi neovisno jedni o drugima ocjenjuju, u transportnim tvrtkama često se uočava prepoznatljiv obrazac. Operativni menadžment visoko ocjenjuje IT-infrastrukturu, jer sustavi koje svakodnevno koriste dobro funkcioniraju za njihov vlastiti proces. IT ili CIO tu istu dimenziju ocjenjuje niže, jer oni znaju koliko je ručnog rada potrebno da se podaci prenesu između sustava. Ta razlika nije pogreška u mjerenju. To je razlika između sustava koji funkcionira za zadatak za koji je izgrađen, i infrastrukture koja je prikladna za izgradnju nove funkcionalnosti. Za AI primjene relevantno je upravo to drugo pitanje, a ono se rijetko postavlja tijekom svakodnevnog poslovanja.
Sedam dimenzija nadograđuje se jedna na drugu, a u transportu se ta izgradnja jasno vidi. Bez sloja upravljanja podacima koji objedinjuje informacije iz sustava za planiranje, telematike i klijentskih portala, AI primjena nema ništa dosljedno na čemu bi se trenirala ili na što bi reagirala. Tvrtke koje preskoče taj korak i odmah pokrenu AI pilot na jednom podprocesu — na primjer prediktivno održavanje na jednom tipu kamiona — često primijete da se rezultat ne može proširiti na ostatak voznog parka, jednostavno zato što temeljni podaci nisu zabilježeni na isti način. To nije tehnički nedostatak AI-ja, nego znak da temeljni sloj još nije dovršen.
Ovaj redoslijed ne vrijedi samo za transport. Kod poljoprivrednog sektora postoji isti problem s podacima senzora koji se po usjevu ili po tvrtki bilježe drugačije, a kod maloprodaje to se vidi u podacima o zalihama i prodaji koji su odvojeni po trgovačkom lancu ili kanalu. Transport se izdvaja opsegom strukturiranih podataka koji već postoje, što temeljni korak istovremeno čini lakšim i primamljivijim za preskočiti — lakšim jer građevni blokovi već postoje, primamljivijim jer se čini kao da ste već daleko odmakli.
Mjerenje zrelosti tvrtke hybridresourcing prikazuje ovaj obrazac kroz pet razina, od baseline do intelligence, raspoređenih na sedam dimenzija. Za transportnu tvrtku to obično daje profil sa snažnim operativnim slojem i slabijim slojem podataka i organizacije, s razlikama koje mogu biti velike po poslovnoj jedinici ili lokaciji. Taj profil ne govori ništa o tome hoće li AI funkcionirati ili ne, niti o vremenskom okviru. Pokazuje koja dimenzija trenutno usporava ostale, a upravo je to informacija potrebna prije nego što organizacija odluči gdje početi. Alat koji provodi ovo mjerenje trenutno se izrađuje; tko želi raditi s njim čim postane dostupan, može se prijaviti na listu čekanja.
Ova stranica bavi se pitanjem može li organizacija podnijeti AI — jesu li temelji organizacije, infrastrukture i podataka u redu prije nego što se na njima nešto izgradi. To je drugo pitanje od pitanja koji dio samog posla AI može preuzeti. Za to pitanje, na razini pojedinačnih zadataka unutar planiranja, transporta i logističke administracije, postoji radna analiza tvrtke FTE TO AI: ona po zadatku izračunava koji dio toga AI može preuzeti, bez obzira na kojoj se razini nalazi organizacija oko njega. Tko želi znati gdje organizacija stoji, počinje s ovim mjerenjem; tko želi znati što se događa sa samim poslom, to pronalazi u radnoj analizi.
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.