Il settore energetico non è un ambiente unico. C'è il lato dell'infrastruttura fisica — gestione della rete, produzione, manutenzione di impianti che durano decenni — e c'è il lato del mercato: trading, contatto con i clienti, elaborazione dati relativi a consumo e fornitura. Questi due lati hanno un rapporto diverso con l'AI. Il lato dell'infrastruttura è vincolato a norme di sicurezza, regolamentazione e apparecchiature che non vengono sostituite rapidamente. Il lato del mercato si muove più velocemente, lavora con processi digitali già consolidati da tempo e presenta meno limitazioni fisiche.
Questa divisione è il nucleo di dove si trova il settore. Non come un ritardo, ma come un rapporto tra due parti della stessa organizzazione che si sviluppano a ritmi diversi. Un'azienda energetica che misura la propria maturità dell'AI misura quindi in realtà due organizzazioni contemporaneamente — ed è esattamente qui che molte iniziative si arenano: l'ipotesi che ciò che funziona sul lato del mercato si traduca senza difficoltà nel lato dell'infrastruttura fisica.
In un settore con molti sistemi legacy, flussi di dati separati tra gestione della rete e fornitura, e requisiti di conformità rigorosi, le dimensioni fondamentali — organizzazione, infrastruttura IT, gestione dei dati — determinano una parte maggiore di ciò che è possibile rispetto a settori con meno regolamentazione. Un'applicazione di AI che vuole supportare la manutenzione predittiva dipende da dati dei sensori registrati in modo coerente, da sistemi che comunicano tra loro e da un'organizzazione che sa chi è responsabile del risultato. Se manca uno di questi livelli, l'applicazione resta un progetto pilota, per quanto buono sia il modello.
Il motivo per cui le dimensioni fondamentali precedono quelle dipendenti è approfondito qui: non si tratta di fare prima la cosa più semplice, ma dell'ordine in cui le dimensioni si rendono a vicenda possibili. Nel settore energetico questo è più visibile che altrove, perché la distanza tra fondamento e applicazione è maggiore che in settori con infrastrutture meno regolamentate.
Con una dispersione tra i punteggi di più intervistati in un'azienda energetica, spesso emerge uno schema specifico: le persone sul lato del mercato valutano l'organizzazione più in alto in termini di gestione dei dati e infrastruttura IT rispetto alle persone che lavorano nella gestione della rete o nella produzione. Entrambi i gruppi hanno ragione riguardo al proprio ambiente — il problema è che l'organizzazione nel suo insieme viene valutata sulla base di solo una delle due parti.
Questa dispersione è più preziosa di una media. Una media occulta quale metà dell'organizzazione stia tirando in basso il valore medio. Il ciclo di plotting rende visibile dove la conversazione sulla maturità sia in realtà composta da due conversazioni distinte, e questa è esattamente l'informazione necessaria per determinare da dove cominciare.
Il settore energetico condivide molte di queste dinamiche con altri settori che dipendono fortemente da asset fisici e regolamentazione. Nel confronto con come il settore delle costruzioni gestisce la maturità dell'AI emerge che entrambi i settori si trovano ad affrontare progetti che si estendono su più anni e dati frammentati tra più parti. Il settore degli impiantisti conosce una tensione simile tra lavoro fisico sul campo e processi digitali in ufficio — una tensione che nel settore energetico si manifesta tra la gestione della rete e il lato del mercato.
Ciò che distingue il settore energetico è la portata della regolamentazione. Mentre il settore immobiliare si confronta principalmente con rapporti di proprietà e regole di valutazione, il settore energetico opera all'interno di un quadro di norme di sicurezza e obblighi di pubblica utilità che lascia poco spazio alla sperimentazione senza approvazione. Ciò rende la dimensione organizzativa — chi può prendere quale decisione, e sulla base di quali dati — più pesante che in settori dove tale approvazione comporta meno livelli.
Un'azienda energetica che misura la propria maturità farebbe bene a verificare se le decisioni che l'AI deve supportare siano definite in modo sufficientemente preciso. Ciò che deve rientrare in un simile inventario — chi decide, sulla base di quali informazioni, e con quale mandato — è descritto in cosa deve rientrare in un inventario delle decisioni. Per un settore in cui le decisioni su manutenzione, capacità e fornitura sono spesso distribuite tra reparti che non comunicano quotidianamente, questo inventario è una delle prime cose che chiariscono dove l'AI ha effettivamente presa e dove no.
Questa misurazione mostra se l'organizzazione ha i fondamenti per sostenere l'AI — se i dati, i sistemi e la struttura decisionale sono pronti. Questa è una domanda diversa da quale lavoro l'AI possa effettivamente rilevare. Per quella domanda esiste la scansione del lavoro di FTE TO AI: essa esamina, per ogni attività, all'interno della gestione della rete, del contatto con i clienti o della pianificazione, quale parte può essere rilevata e quale parte resta dipendente dalle persone. La misurazione della maturità e la scansione del lavoro rispondono quindi a domande diverse — l'una sulla capacità di sostegno dell'organizzazione, l'altra sul contenuto stesso del lavoro — e diventano complete solo se considerate insieme.
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.