Transport i logistyka to nie sektor, który musi dopiero wpuścić AI z zewnątrz. Oprogramowanie do planowania, track-and-trace, optymalizacja trasy i systemy zarządzania magazynem działają tu już od dekad. To daje wrażenie przewagi: jest dana, są systemy, jest kultura mierzenia i optymalizacji. Ale pomiar dojrzałości hybridresourcing pokazuje, że to coś innego niż gotowość na AI. Organizacja może być doskonała w systemach operacyjnych, a mimo to na fundamentalnych wymiarach — organizacja, infrastruktura IT, zarządzanie danymi — znajdować się jeszcze na poziomie baseline lub foundation. Pytanie nie jest, czy systemy istnieją, ale czy te systemy komunikują się między sobą i czy organizacja wokół nich jest tak zorganizowana, by budować na tym coś nowego.
W ramach transportu i logistyki relacja między firmami różni się silnie w zależności od rodzaju działalności. Podmiot, który zajmuje się głównie planowaniem i regulacją, z własnym rozwojem oprogramowania i działem IT zdolnym łączyć systemy ze sobą, znajduje się często bliżej activation lub insight. Podmiot, który głównie realizuje — jeździ, ładuje, rozładowuje — i pracuje z zestawem podsystemów od różnych dostawców, znajduje się często jeszcze na poziomie foundation. Większa część sektora znajduje się gdzieś między tymi dwiema pozycjami, z warstwą fundamentalną, która jest lepiej rozbudowana niż w wielu innych sektorach, ale z zarządzaniem danymi, które pozostaje w tyle: dane znajdują się często w silosach na system, na lokalizację, na klienta, bez tego, że ktoś jest właścicielem całości.
To umieszcza transport w odrębnej pozycji względem sektorów, gdzie właśnie struktura organizacyjna jest wąskim gardłem. W usługach biznesowych często problemem jest samo zbieranie danych, ponieważ praca w dużej mierze składa się z nieustrukturyzowanej komunikacji. W transporcie jest właśnie dużo ustrukturyzowanych danych — lokalizacje, godziny, ciężary, temperatury — ale te dane są rozproszone po systemach, które nie zostały zbudowane, by komunikować się między sobą. To inny rodzaj zapóźnienia niż brak danych; to brak spójności.
W rundzie plot, w której różne osoby oceniają niezależnie od siebie, w firmach transportowych często zauważa się charakterystyczny wzór. Kierownictwo operacyjne ocenia infrastrukturę IT wysoko, ponieważ systemy, z których codziennie korzystają, działają dobrze dla ich własnego procesu. IT lub CIO ocenia ten sam wymiar niżej, ponieważ wiedzą, jak dużo pracy manualnej jest potrzebne, by przenosić dane między systemami. To rozproszenie nie jest błędem pomiaru. To różnica między systemem, który działa dla zadania, do którego został zbudowany, a infrastrukturą, która jest odpowiednia do budowania nowej funkcjonalności. Dla zastosowań AI istotne jest właśnie to drugie pytanie, a ono jest rzadko stawiane podczas codziennej operacji.
Siedem wymiarów opiera się na sobie nawzajem, i w transporcie ta budowa jest dobrze widoczna. Bez warstwy zarządzania danymi, która łączy informacje z systemów planowania, telematyki i portali klienckich, zastosowanie AI nie ma niczego spójnego, na czym mogłoby się szkolić lub reagować. Firmy, które przeskakują ten etap i uruchamiają bezpośrednio pilot AI dla jednego podprocesu — na przykład konserwacja predykcyjna dla jednego typu ciężarówki — często zauważają, że wynik nie skaluje się na resztę flotu, po prostu ponieważ dane bazowe nie były rejestrowane w ten sam sposób. To nie jest usterka techniczna AI, ale znak, że warstwa fundamentalna nie jest jeszcze skończona.
Ta kolejność nie dotyczy tylko transportu. W sektorze agrarnym występuje ten samy problem z danymi sensorowymi, które są rejestrowane inaczej na uprawę lub na firmę, a w handlu detalicznym widać to w danych o zapasach i sprzedaży, które są odrębne na sieć sklepów lub kanał. Transport wyróżnia się rozmiarem ustrukturyzowanych danych, które już istnieją, co jednocześnie ułatwia i uwodzi do przeskoczenia etapu fundamentalnego — ułatwia, ponieważ elementy budulcowe już są, uwodzi, ponieważ wydaje się, że już zaszło się daleko.
Pomiar dojrzałości hybridresourcing ujmuje ten wzór na pięciu poziomach, od baseline do intelligence, rozłożonych na siedem wymiarów. Dla firmy transportowej daje to zwykle profil z silną warstwą operacyjną i słabszą warstwą danych i organizacji, z różnicami, które mogą być duże w zależności od jednostki biznesowej lub lokalizacji. Ten profil nie mówi niczego o tym, czy AI będzie działać czy nie, i niczego o harmonogramie czasowym. Pokazuje, który wymiar w tej chwili powstrzymuje inne, i to jest właśnie informacja potrzebna, przed tym jak organizacja zdecyduje, od czego zacząć. Narzędzie, które wykonuje ten pomiar, jest w budowie; kto chce z niego korzystać, gdy stanie się dostępne, może zapisać się na listę oczekujących.
Ta strona dotyczy pytania, czy organizacja może nosić AI — czy fundamenty organizacji, infrastruktury i danych są w porządku, przed tym jak coś na nich się zbuduje. To inne pytanie niż to, jaka część samej pracy może zostać przejęta przez AI. Dla tego pytania, na poziomie poszczególnych zadań w ramach planowania, transportu i administracji logistycznej, istnieje skan pracy FTE TO AI: on obliczy dla każdego zadania, jaką część może przejąć AI, niezależnie od tego, na jakim poziomie znajduje się organizacja wokół niego. Kto chce wiedzieć, gdzie znajduje się organizacja, zaczyna od tego pomiaru; kto chce wiedzieć, co dzieje się z samą pracą, znajdzie to w skanie pracy.
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.