Statybų sektorius jau dešimtmečius dirba su sluoksniuota grandine: užsakovas, generalinis rangovas, subrangovai, tiekėjai. Ši grandinė yra pripratusi paskirstyti atsakomybę ir pristatyti darbą etapais. Tai tam tikrais aspektais paruošia sektorių AI naudojimui geriau nei kitus sektorius — yra disciplina planavime, kokybės kontrolėje, susitarimų fiksavime. Bet ta pati grandinė daro duomenis trapius. Brėžiniai, skaičiavimai, planai ir eigos ataskaitos atsiranda skirtingose šalyse, skirtingose sistemose, su skirtingomis tiesos versijomis. AI taikomoji programa, kuri turi veikti su tais duomenimis, veikia su kažkuo, kas dažnai nėra pilna, aktuali ar centralizuota.
Šis skirtumas tarp organizacinės disciplinos ir duomenų brandos yra tiksliai tai, kur daugelis AI pilotinių projektų statybų sektoriuje užstringa. Projekto vadovas bando panaudoti AI įrankį planavimo optimizavimui, bet įvesties duomenys ateina iš trijų sistemų, kurios tarpusavyje nesuderintos. Darbų parengimo specialistas nori automatiškai tikrinti skaičiavimus, bet istoriniai duomenys yra išskaidyti po atskirus Excel failus kiekvienam projektui. Pilotinis projektas užstringa ne todėl, kad technologija neveikia, bet todėl, kad organizacija dar nėra tam pasiruošusi.
AI branda vertina ne tik tai, ar organizacija naudoja įrankius, bet ir tai, ar po jais yra tvirtas pagrindas. Tai pradedama nuo pačios organizacijos: ar yra aiškus digitalizacijos savininkas, ar žinios yra dalinamosi tarp projektų, ar kiekvienas projektas išlieka izoliuota sala. Toliau eina IT infrastruktūra: ar sistemos yra sujungtos tarpusavyje, ar yra pagrindas, kuriuo naujos taikomosios programos gali veikti be to, kad viską reikėtų ranka perrašyti. Tik po to ateina duomenų valdymas: ar turimi duomenys yra patikimi, aktualūs ir prieinami tiems, kam su jais reikia dirbti.
Šis eiliškumas nėra pageidavimas, bet būdas, kaip tai veikia praktikoje. Organizacija, norinti pagerinti duomenų valdymą tuo metu, kai to nepalaiko IT infrastruktūra, statosi ant slystančio pagrindo. Organizacija, norinti taikyti AI sprendimus, kai pati organizacija nežino, kas yra kurio proceso savininkas, gauna įrankį, kurio niekas nepriežiūri. Statybų sektoriuje šis modelis yra pastebimas: sektorius dažnai turi organizacinę valią, bet infrastruktūra ir duomenys atsilieka. Tai paaiškina, kodėl pilotiniai projektai dažnai sėkmingi projekto lygmenyje, tačiau strigsta organizacijos lygmenyje — pagrindinės dimensijos neaugo lygiagrečiai su ambicijomis.
hybridresourcing brandos vertinimas nagrinėja septynias dimensijas, nuo organizacijos ir infrastruktūros iki labiau priklausomų sluoksnių, tokių kaip proceso automatizavimas ir sprendimų priėmimas. Kiekvienai dimensijai priskiriamas vienas iš penkių lygių: baseline, foundation, activation, insight arba intelligence. Statybų sektoriuje vaizdas dažnai netolygiai paskirstytas tarp šių dimensijų. Įmonė gali būti pažengusi organizacijos lygmenyje — aiškūs vaidmenys, digitalizacijos darbotvarkė, vadovybės palaikymas — ir vis tiek duomenų valdymo srityje būti baseline lygyje, nes projekto duomenys niekada nebuvo centralizuotai sujungti.
Ši netolygumą atskleidžia plot-ronde etapas, kuriame keli žmonės organizacijoje vertina atskirai. Direktorius ir darbų vykdytojas gali visiškai skirtingai įvertinti tą pačią įmonę, ir šis nuomonių sklaidumas savaime yra informacija. Jei IT direktorius mano, kad duomenys yra sutvarkyti, o darbų parengimo specialistas kasdien kovoja su išskaidytais failais, tai atskleidžia kliūtį, kurios vienas pokalbis nebūtų parodęs. Sektoriuje, kuriame darbas paskirstytas po projektus ir šalis, šis sklaidumas dažnai yra didesnis nei vidutiniškai — ir todėl informatyvesnis.
Šis vertinimas nieko nesako apie tai, kokias užduotis AI galėtų perimti ar kiek laiko tai sutaupytų. Klausimas yra, ar organizacija gali „nešti“ AI: ar yra tvirtas pagrindas, ar infrastruktūra yra pasirengusi, ar duomenys yra pakankamai patikimi, kad ant jų būtų galima statyti. Šis klausimas statybų sektoriui yra svarbesnis nei sektoriuose, kuriuose duomenys iš prigimties yra centralizuotai fiksuojami. Palyginkite tai su instaliacijos sektoriumi, kuriame projektinis darbas ir išskaidyti duomenys sukuria panašias kliūtis, arba su gamybos pramone, kur gamybos duomenys ir organizacinė struktūra rodo kitokią pusiausvyrą. Taip pat transporto sektoriuje pastebima panaši įtampa tarp operacinės disciplinos ir skaitmeninio pagrindo, o tai rodo, kad šis modelis nėra unikalus statybų sektoriui, bet pasireiškia su savo intensyvumu dėl grandinės struktūros.
Įrankis, kuriuo tai vertinama, yra kuriamas. Kas norėtų atlikti vertinimą, kai jis bus prieinamas, gali užsiregistruoti į laukiančiųjų sąrašą. Čia nėra pasiūlyta nieko, kas dar neveikia, ir nėra žadama nieko dėl rezultato — tik sąžiningas vaizdas apie tai, kur organizacija dabar yra, dimensija po dimensijos.
Jei pasirodo, kad pagrindinės dimensijos yra sutvarkytos arba to link vedančiame kelyje, tampa svarbus kitas klausimas: kokia darbo dalis yra tinkama perimti AI. Tai kitas vertinimas nei šis. Kai hybridresourcing tikrina, ar organizacija gali „nešti“ AI, FTE TO AI darbo skenavimas apskaičiuoja pagal užduotį, kokia darbo dalis gali būti perimta — ne kaip įvertinimas, bet kaip užduočių analizės rezultatas. Statybų įmonei, kuri žino, kur yra pagrindas, tai yra logiškas kitas žingsnis: pirmiausia pamatas, tada klausimas, ką ant jo galima statyti.
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.