Il settore edilizio lavora da decenni con una catena a più livelli: committente, appaltatore principale, subappaltatori, fornitori. Questa catena è abituata a distribuire le responsabilità e a consegnare il lavoro in fasi. Ciò rende il settore, per certi aspetti, meglio preparato all'IA rispetto ad altri settori — c'è disciplina nella pianificazione, nel controllo qualità, nella registrazione degli accordi. Ma quella stessa catena rende i dati fragili. Disegni, calcoli, pianificazioni e rapporti di avanzamento nascono presso parti diverse, in sistemi diversi, con versioni diverse della verità. Un'applicazione di IA che deve funzionare su quei dati, funziona su qualcosa che spesso non è completo, non è aggiornato o non è centralizzato.
Quella differenza tra disciplina organizzativa e maturità dei dati è esattamente dove molti pilot di IA nell'edilizia si bloccano. Un capoprogetto cerca di impiegare uno strumento di IA per l'ottimizzazione della pianificazione, ma i dati di input provengono da tre sistemi che non si integrano tra loro. Un preparatore dei lavori vuole far verificare automaticamente i calcoli, ma i dati storici sono sparsi in file Excel separati per ogni progetto. Il pilot si arresta non perché la tecnologia non funzioni, ma perché l'organizzazione non è ancora preparata per essa.
La maturità dell'IA non misura solo se un'organizzazione utilizza degli strumenti, ma se le basi sottostanti sono presenti. Questo inizia con l'organizzazione stessa: c'è un responsabile chiaro per la digitalizzazione, viene condivisa la conoscenza tra i progetti, o ogni progetto resta un'isola. Segue poi l'infrastruttura IT: i sistemi sono collegati tra loro, esiste una base su cui le nuove applicazioni possono funzionare senza che tutto debba essere riscritto manualmente. Solo dopo arriva la gestione dei dati: i dati esistenti sono affidabili, aggiornati e accessibili a chi deve lavorarci.
Questo ordine non è una preferenza, ma il modo in cui funziona. Un'organizzazione che vuole migliorare la gestione dei dati senza che l'infrastruttura IT lo supporti, costruisce su sabbie mobili. Un'organizzazione che vuole impiegare applicazioni di IA senza che l'organizzazione stessa sappia chi è responsabile di quale processo, ottiene uno strumento che nessuno mantiene. Nell'edilizia questo schema è visibile: il settore ha spesso la volontà organizzativa, ma l'infrastruttura e i dati restano indietro. Questo spiega perché i pilot spesso riescono a livello di progetto e si arenano a livello organizzativo — le dimensioni fondamentali non sono cresciute insieme all'ambizione.
La misurazione della maturità di hybridresourcing considera sette dimensioni, dall'organizzazione e l'infrastruttura fino ai livelli più dipendenti come l'automazione dei processi e il processo decisionale. Per ogni dimensione vale uno dei cinque livelli: baseline, foundation, activation, insight o intelligence. Nell'edilizia il quadro è spesso distribuito in modo disomogeneo tra queste dimensioni. Un'azienda può essere molto avanzata a livello organizzativo — ruoli chiari, un'agenda di digitalizzazione, sostegno della direzione — e trovarsi comunque ancora a livello baseline per la gestione dei dati, perché i dati di progetto non sono mai stati raccolti centralmente.
Questa disomogeneità diventa visibile nel round di plotting, in cui più persone all'interno dell'organizzazione danno un punteggio separatamente. Un direttore e un capocantiere possono valutare la stessa azienda in modo molto diverso, e quella dispersione è essa stessa informazione. Se il CIO pensa che i dati siano in ordine e il preparatore dei lavori lotta quotidianamente con file sparsi, allora lì c'è un punto critico che un singolo colloquio non avrebbe rivelato. In un settore in cui il lavoro si distribuisce tra progetti e parti diverse, quella dispersione è spesso maggiore della media — e quindi più informativa.
Questa misurazione non dice nulla su quali compiti l'IA possa assumere o quanto tempo ciò possa far risparmiare. Si tratta della domanda se l'organizzazione possa sostenere l'IA: la base è solida, l'infrastruttura è pronta, i dati sono sufficientemente affidabili per costruirci sopra. Questa domanda è più rilevante per l'edilizia che per settori in cui i dati vengono naturalmente registrati già in modo centralizzato. La si confronti con il settore degli impianti, dove il lavoro basato su progetti e i dati frammentati generano criticità simili, o con l'industria manifatturiera, dove i dati di produzione e la struttura organizzativa mostrano un equilibrio diverso. Anche il settore dei trasporti conosce una tensione simile tra disciplina operativa e base digitale, il che indica che questo schema non è unico per l'edilizia, ma si presenta con un'intensità propria a causa della struttura della catena.
Lo strumento con cui questo viene misurato è in fase di realizzazione. Chi desidera effettuare la misurazione non appena sarà disponibile, può iscriversi alla lista d'attesa. Qui non viene offerto nulla che non funzioni ancora, e non viene promesso nulla riguardo al risultato — solo un quadro onesto di dove si trova ora l'organizzazione, dimensione per dimensione.
Se risulta che le dimensioni fondamentali sono in ordine, o in via di esserlo, diventa rilevante un'altra domanda: quale parte del lavoro stesso sia idonea a essere assunta dall'IA. Questa è una misurazione diversa da quella descritta qui. Mentre hybridresourcing verifica se l'organizzazione possa sostenere l'IA, la werkscan di FTE TO AI calcola per compito quale parte del lavoro possa essere ripresa — non come stima, ma come esito di un'analisi dei compiti. Per un'impresa edile che sa dove si trovano le fondamenta, questo è il passo successivo logico: prima le fondamenta, poi la domanda su cosa costruirci sopra.
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.