Sektor energetyczny nie jest jednym środowiskiem. Istnieje strona fizycznej infrastruktury — zarządzanie sieciami, produkcja, utrzymanie instalacji, które działają przez dziesięciolecia — oraz strona rynkowa: handel, kontakt z klientem, przetwarzanie danych dotyczących zużycia i dostaw. Te dwie strony mają inną relację z AI. Strona infrastruktury jest związana normami bezpieczeństwa, regulacjami i sprzętem, który nie jest szybko wymieniany. Strona rynkowa przemieszcza się szybciej, pracuje z procesami cyfrowymi, które istnieją już od dłuższego czasu, i ma mniej ograniczeń fizycznych.
Ten podział jest kluczem do tego, gdzie znajduje się sektor. Nie jako zapóźnienie, lecz jako relacja między dwiema częściami tej samej organizacji, które rozwijają się w innym tempie. Firma energetyczna, która mierzy swoją dojrzałość AI, mierzy więc w rzeczywistości dwie organizacje jednocześnie — i to jest właśnie miejsce, w którym wiele inicjatyw się zatrzymuje: założenie, że to, co działa po stronie rynkowej, da się bez trudu przełożyć na stronę fizycznej infrastruktury.
W sektorze z wieloma systemami legacy, rozdzielonymi przepływami danych między zarządzaniem sieciami i dostawami oraz ścisłymi wymogami zgodności, wymiary fundamentalne — organizacja, infrastruktura IT, zarządzanie danymi — determinują większą część tego, co jest możliwe, niż w sektorach z mniejszą regulacją. Zastosowanie AI, które ma wspierać predykcyjne utrzymanie, jest zależne od danych z czujników rejestrowanych w sposób konsekwentny, od systemów, które się ze sobą komunikują, oraz od organizacji, która wie, kto jest odpowiedzialny za wynik. Jeśli któraś z tych warstw jest niekompletna, zastosowanie pozostaje pilotem, niezależnie od tego, jak dobry jest model.
Powód, dla którego wymiary fundamentalne mają pierwszeństwo przed zależnymi, jest opisany tutaj: to nie jest kwestia robienia najpierw tego, co łatwe, lecz kolejności, w jakiej wymiary w ogóle umożliwiają się wzajemnie. W sektorze energetycznym jest to bardziej widoczne niż gdzie indziej, ponieważ odległość między fundamentem i zastosowaniem jest większa niż w sektorach z mniej regulowaną infrastrukturą.
Przy rozproszeniu wyników wielu respondentów w firmie energetycznej często zauważa się konkretny wzorzec: osoby po stronie rynkowej oceniają organizację wyżej w zakresie zarządzania danymi i infrastruktury IT niż osoby pracujące z zarządzaniem sieciami lub produkcją. Obie grupy mają rację w odniesieniu do swojego własnego środowiska — problem polega na tym, że organizacja jako całość jest oceniana na podstawie tylko jednej z tych dwóch stron.
To rozproszenie jest bardziej wartościowe niż średnia. Średnia zaciera, która połowa organizacji ciągnie średnią w dół. Runda wykresu ukazuje, gdzie rozmowa o dojrzałości jest w rzeczywistości dwiema rozmowami, i to jest właśnie informacja potrzebna do określenia, od czego zacząć.
Sektor energetyczny dzieli wiele z tej dynamiki z innymi sektorami, które silnie opierają się na aktywach fizycznych i regulacjach. W porównaniu z tym, jak budownictwo radzi sobie z dojrzałością AI widać, że obie branże mają do czynienia z projektami rozciągającymi się na lata i z danymi rozproszonymi między wieloma stronami. Branża instalacyjna ma podobne napięcie między pracą fizyczną w terenie i procesami cyfrowymi w biurze — napięcie, które w sektorze energetycznym pojawia się między zarządzaniem sieciami i stroną rynkową.
Tym, co wyróżnia sektor energetyczny, jest skala regulacji. Tam gdzie sektor nieruchomości ma do czynienia głównie ze stosunkami własności i przepisami dotyczącymi wycen, energetyka działa w ramach norm bezpieczeństwa i zobowiązań użyteczności publicznej, które pozostawiają niewiele miejsca na eksperymentowanie bez zatwierdzenia. To sprawia, że wymiar organizacji — kto może podejmować jaką decyzję i na podstawie jakich danych — ma większe znaczenie niż w sektorach, gdzie to zatwierdzenie ma mniej warstw.
Firma energetyczna, która mierzy swoją dojrzałość, powinna zbadać, czy decyzje, które AI ma wspierać, są wystarczająco jasno określone. To, co powinno się znaleźć w takiej inwentaryzacji — kto decyduje, na podstawie jakich informacji i z jakim mandatem — jest opisane w co powinno się znaleźć w inwentaryzacji decyzji. Dla sektora, w którym decyzje dotyczące utrzymania, pojemności i dostaw są często rozproszone między działami, które nie komunikują się ze sobą codziennie, ta inwentaryzacja jest jedną z pierwszych rzeczy, która daje jasność co do tego, gdzie AI ma, a gdzie nie ma podstawy do działania.
Ten pomiar pokazuje, czy organizacja ma fundamenty do wdrożenia AI — czy dane, systemy i struktura decyzyjna są na to gotowe. To inne pytanie niż to, jaką pracę AI może faktycznie przejąć. Na to pytanie odpowiada skan pracy FTE TO AI: sprawdza on dla każdego zadania, w ramach zarządzania sieciami, kontaktu z klientem czy planowania, jaka jego część może zostać przejęta, a jaka pozostaje zależna od ludzi. Pomiar dojrzałości i skan pracy odpowiadają więc na różne pytania — jedno o zdolności organizacji do wdrożenia, drugie o treść samej pracy — i stają się kompletne tylko razem.
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.