Sektor agrarny ma rytm, który znają niewiele innych sektorów. Rok obrachunkowy nie liczy dwunastu równych miesięcy, lecz sezon wzrostu, żniwa, okres spoczynku. Dane zebrane w kwietniu mówią coś innego niż dane z października. To sprawia, że dojrzałość AI w tym sektorze nie jest kwestią jednorazowego pomiaru. Organizacja może wypadać dobrze na papierze zimą i mimo to zablokować się latem, po prostu dlatego, że presja na działalność jest wtedy inaczej rozłożona.
Dodatkowo sektor jest wyjątkowo warstwowy. Z jednej strony stoją duże spółdzielnie i firmy przetwórcze z własnymi działami IT i zespołami danych. Z drugiej strony stoją firmy rodzinne i indywidualne przedsiębiorstwa, w których zarządzanie firmą tkwi w głowach, nie w systemach. Obie formy występują pod jedną nazwą sektora, co oznacza, że stwierdzenie o "sektorze agrarnym" szybko staje się zbyt ogólne. Proporcja między tymi dwiema formami determinuje więcej dla średniej dojrzałości niż jakikolwiek rozwój technologiczny.
W wielu firmach agrarnych nie brakuje ambicji, lecz podstawy, na której powinno wspierać się AI. Dane z czujników z pola, informacje pogodowe, dane o zapasach i administracja u księgowego często żyją w rozdzielonych systemach, które nie komunikują się ze sobą. Jest to kwestia zarządzania danymi i jest to jeden z wymiarów, który w pomiarze dojrzałości uznawany jest za fundamentalny — nie dlatego, że jest to preferencja, ale dlatego, że organizacja bez spójnych danych nie może utrzymać zastosowania AI, które musi na tych danych polegać.
Również infrastruktura IT jest zróżnicowana. Gospodarstwo mleczne z automatycznymi robotami udojowymi ma już od lat do czynienia z czujnikami i przetwarzaniem danych, podczas gdy gospodarstwo uprawowe może korzystać jedynie z programu księgowego i aplikacji pogodowej. Ta różnica w punkcie wyjścia nie jest dobra ani zła, ale determinuje, jaki krok jest logiczny. Firma, która już zbiera dane z czujników, stoi przed innym pytaniem niż firma, która musi jeszcze określić, jakie dane właściwie chce rejestrować.
Wymiar organizacyjny dodaje do tego własną warstwę. W firmach rodzinnych uprawnienia decyzyjne leżą często w rękach jednej lub dwóch osób, co może sprawiać, że decyzje są podejmowane szybko, ale oznacza też, że dojrzałość AI silnie zależy od tego, co ta osoba wie i chce. W spółdzielniach i większych przetwórcach istotniejsze jest raczej pytanie, jak decyzje są rozdzielane między członków, zarząd i wykonawstwo — i czy jest w tym struktura, która ujawniłaby się w rundzie plotowej.
Zastosowania, które brzmią interesująco dla sektora — predykcyjne utrzymanie maszyn, prognozowanie zbiorów, zautomatyzowane sortowanie — wszystkie zależą od tego, co leży pod nimi. Bez infrastruktury, która rejestruje pomiary w wiarygodny sposób, i bez danych, które są konsekwentne w różnych sezonach, zastosowanie AI pozostaje eksperymentem, który działa, dopóki warunki na to pozwalają. Właśnie dlatego wymiary fundamentalne mają priorytet: nie jako wybór polityczny, lecz jako kolejność, która wynika z praktyki. Kto chce przeczytać więcej na ten temat, znajdzie rozwinięcie w dlaczego wymiary fundamentalne muszą być najpierw.
Ta kolejność nie dotyczy tylko rolnictwa. Inne sektory z ciężkim jądrem operacyjnym i rozproszonym podejmowaniem decyzji wykazują podobne wzorce, jak można przeczytać w jak daleko jest sektor energetyczny z dojrzałością AI oraz w jak daleko jest sektor nieruchomości z dojrzałością AI. Dla porównania: sektory z pochodzenia cyfrowymi procesami, opisane w jak daleko jest sektor ICT z dojrzałością AI, zwykle zaczynają z innym punktem wyjścia dla infrastruktury i danych, co pokazuje, jak duże może być rozproszenie między sektorami.
Dla CEO lub COO w sektorze agrarnym wartość pomiaru dojrzałości nie polega na tym, że daje liczbę, którą można się chwalić, lecz na tym, że uwidacznia, gdzie leży rozproszenie między ludźmi w organizacji. Czy kierownik operacyjny widzi sytuację danych inaczej niż właściciel? Czy osoba odpowiedzialna za IT — jeśli taka istnieje — myśli, że infrastruktura jest gotowa, podczas gdy ludzie na hali codziennie napotykają ręczne obejścia? Runda plotowa, w której kilka osób ocenia osobno, ujawnia te różnice, zanim doprowadzą do porażki pilotażu.
Właśnie w sektorze, gdzie podejmowanie decyzji często leży w rękach niewielu osób, wartościowe jest zobaczyć, czy ci ludzie właściwie zgadzają się ze sobą co do tego, gdzie stoi organizacja. Doradca na podwórku, kierownik zakładu w magazynie i osoba kontaktowa IT w spółdzielni mogą mieć wszyscy trzej inną ocenę tego, jak dojrzała jest strona zarządzania danymi. Uwidocznienie tego rozproszenia jest pierwszym krokiem, nie punktem końcowym.
Gdy jasne staje się, gdzie organizacja znajduje się na tych wymiarach, pytanie samoczynnie przesuwa się od gotowości do treści: jaką część codziennej pracy AI mogłoby faktycznie przejąć, biorąc pod uwagę tę gotowość? To inne pytanie niż to, na które odpowiada ta strona. Skan pracy FTE TO AI wylicza dla każdego zadania, jaka część pracy kwalifikuje się do przejęcia, i łączy się w ten sposób z tym, co pomiar dojrzałości najpierw mapuje. Kto chce już zastanowić się, jak taka inwentaryzacja powinna wyglądać, może zacząć od co powinno znaleźć się w inwentarzu decyzji, jako przygotowanie na moment, gdy fundamenty będą już w porządku.
Pomiar dojrzałości hybridresourcing jest w budowie. Kto chce skorzystać z rundy plotowej, gdy stanie się ona dostępna, może zapisać się na listę oczekujących.
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.