Energetikos sektorius nėra viena aplinka. Yra fizinės infrastruktūros pusė — tinklų valdymas, gamyba, dešimtmečius tarnaujančių įrenginių priežiūra — ir yra rinkos pusė: prekyba, klientų aptarnavimas, su suvartojimu ir tiekimu susijusių duomenų apdorojimas. Šios dvi pusės turi skirtingą santykį su AI. Infrastruktūros pusė yra susaistyta saugos normų, reguliavimo ir įrangos, kuri nėra greitai pakeičiama. Rinkos pusė juda greičiau, dirba su ilgiau egzistuojančiais skaitmeniniais procesais ir turi mažiau fizinių apribojimų.
Šis dvilypumas yra esmė to, kur sektorius šiuo metu yra. Ne kaip atsilikimas, o kaip santykis tarp dviejų vienos organizacijos dalių, kurios vystosi skirtingu tempu. Energetikos įmonė, kuri vertina savo AI brandumą, taigi iš tikrųjų vertina dvi organizacijas vienu metu — ir tai yra tiksliai ta vieta, kur daugelis iniciatyvų sustringa: prielaida, kad tai, kas veikia rinkos pusėje, be vargo pritaikoma fizinės infrastruktūros pusei.
Sektoriuje su daug pasenusių (legacy) sistemų, atskirtais duomenų srautais tarp tinklų valdymo ir tiekimo, ir griežtais atitikties reikalavimais, fundamentinės dimensijos — organizacija, IT infrastruktūra, duomenų valdymas — lemia didesnę dalį to, kas įmanoma, nei sektoriuose su mažesniu reguliavimu. AI taikymas, kuris turėtų padėti prognozuojant priežiūros poreikius, priklauso nuo nuosekliai fiksuojamų sensorinių duomenų, nuo tarpusavyje bendraujančių sistemų ir nuo organizacijos, kuri žino, kas yra atsakingas už rezultatą. Jei trūksta bet kurio iš šių sluoksnių, taikymas pasilieka pilotiniu projektu, kad ir kokia gera būtų modelio kokybė.
Priežastis, kodėl fundamentinės dimensijos turi pirmenybę prieš priklausomas, išsamiai aprašyta čia: tai nėra klausimas, ar pirmiausia daryti tai, kas paprasčiau, o eiliškumas, kuriuo dimensijos vienos kitas iš viso padaro įmanomomis. Energetikos sektoriuje tai matomiau nei kitur, nes atstumas tarp pagrindo ir taikymo yra didesnis nei sektoriuose su mažiau reguliuojama infrastruktūra.
Kai vertinami kelių respondentų rezultatai energetikos įmonėje, dažnai išryškėja specifinis modelis: rinkos pusės žmonės vertina organizaciją aukščiau duomenų valdymo ir IT infrastruktūros srityse nei žmonės, dirbantys su tinklų valdymu ar gamyba. Abi grupės teisios dėl savo aplinkos — problema ta, kad visa organizacija vertinama remiantis vien tik viena iš tų dviejų pusių.
Ši sklaida yra vertingesnė nei vidurkis. Vidurkis nuslepia, kuri organizacijos pusė traukia vidurkį žemyn. Sklaidos etapas atskleidžia, kad pokalbis apie brandumą iš tikrųjų yra du atskiri pokalbiai, ir tai yra tiksliai ta informacija, kurios reikia norint nustatyti, nuo ko pradėti.
Energetikos sektorius turi daug bendro su kitais sektoriais, kurie labai priklauso nuo fizinio turto ir reguliavimo. Lyginant su tuo, kaip statybų sektorius elgiasi su AI brandumu, pastebima, kad abu sektoriai susiduria su projektais, kurie tęsiasi metų metus, ir su duomenimis, kurie yra išskaidyti tarp kelių šalių. Įrengimo pramonė turi panašią įtampą tarp fizinio darbo lauke ir skaitmeninių procesų biure — įtampą, kuri energetikos sektoriuje pasireiškia tarp tinklų valdymo ir rinkos pusės.
Kas skiria energetikos sektorių, yra reguliavimo mastas. Kai nekilnojamojo turto sektorius daugiausia susiduria su nuosavybės santykiais ir vertinimo taisyklėmis, energetika veikia saugos normų ir viešųjų paslaugų prievolių sistemoje, kuri palieka mažai vietos eksperimentavimui be patvirtinimo. Tai daro organizacijos dimensiją — kas gali priimti kokį sprendimą ir kokiais duomenimis remiantis — svarbesnę nei sektoriuose, kur patvirtinimas apima mažiau lygmenų.
Energetikos įmonei, vertinančiai savo brandumą, verta ištirti, ar sprendimai, kuriuos AI turėtų paremti, yra pakankamai aiškiai užfiksuoti. Kas turėtų būti tokioje inventorizacijoje — kas sprendžia, kokia informacija remiantis ir su kokiu mandatu — aprašyta ką turėtų apimti sprendimų inventorizacija. Sektoriuje, kur sprendimai dėl priežiūros, pajėgumų ir tiekimo dažnai yra išskaidyti tarp padalinių, kurie kasdien tarpusavyje nebendrauja, tokia inventorizacija yra vienas pirmųjų dalykų, kurie aiškiai parodo, kur AI turi pagrindą, o kur ne.
Šis vertinimas parodo, ar organizacija turi pagrindą, reikalingą AI pritaikyti — ar duomenys, sistemos ir sprendimų priėmimo struktūra yra tam pasiruošę. Tai kitas klausimas nei tas, kokį darbą AI iš tikrųjų gali perimti. Tam klausimui yra FTE TO AI darbo skenavimas: jis nagrinėja pagal užduotį, tinklų valdymo, klientų aptarnavimo ar planavimo srityse, kokia jos dalis gali būti perimta, ir kokia dalis toliau priklauso nuo žmonių. Brandumo vertinimas ir darbo skenavimas taigi atsako į skirtingus klausimus — vienas apie organizacijos pajėgumą, kitas apie paties darbo turinį — ir pilną vaizdą suteikia tik kartu.
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.