O setor energético não é um único ambiente. Há o lado da infraestrutura física — gestão de redes, produção, manutenção de instalações que duram décadas — e há o lado do mercado: negociação, contacto com clientes, processamento de dados relacionados com consumo e fornecimento. Esses dois lados têm uma relação diferente com a IA. O lado da infraestrutura está vinculado a normas de segurança, regulamentação e equipamentos que não são substituídos rapidamente. O lado do mercado move-se mais rápido, trabalha com processos digitais que já existem há mais tempo e tem menos limitações físicas.
Essa divisão é o centro de onde o setor se encontra. Não como um atraso, mas como uma relação entre duas partes da mesma organização que se desenvolvem a ritmos diferentes. Uma empresa de energia que mede a sua maturidade de IA está, na verdade, a medir duas organizações ao mesmo tempo — e é precisamente aí que muitas iniciativas ficam bloqueadas: a suposição de que aquilo que funciona no lado do mercado se traduz sem esforço para o lado da infraestrutura física.
Num setor com muitos sistemas legados, fluxos de dados separados entre gestão de redes e fornecimento, e requisitos de conformidade estritos, as dimensões fundamentais — organização, infraestrutura de TI, gestão de dados — determinam uma parte maior daquilo que é possível do que em setores com menos regulamentação. Uma aplicação de IA que pretenda apoiar a manutenção preditiva depende de dados de sensores registados de forma consistente, de sistemas que comunicam entre si e de uma organização que sabe quem é responsável pelo resultado. Se faltar uma dessas camadas, a aplicação permanece um piloto, independentemente da qualidade do modelo.
A razão pela qual as dimensões fundamentais precedem as dependentes está explicada aqui: não é uma questão de fazer primeiro o que é mais fácil, mas sim a ordem em que as dimensões se tornam mutuamente possíveis. No setor energético, isso é mais visível do que noutros lugares, porque a distância entre o fundamento e a aplicação é maior do que em setores com infraestrutura menos regulamentada.
Numa dispersão entre pontuações de vários respondentes numa empresa de energia, destaca-se frequentemente um padrão específico: as pessoas do lado do mercado pontuam a organização mais alto em gestão de dados e infraestrutura de TI do que as pessoas que trabalham na gestão de redes ou na produção. Ambos os grupos têm razão sobre o seu próprio ambiente — o problema é que a organização como um todo é avaliada com base em apenas um dos dois.
Essa dispersão é mais valiosa do que uma média. Uma média oculta qual das metades da organização está a puxar a média para baixo. A ronda de gráficos torna visível onde a conversa sobre maturidade é, na verdade, duas conversas, e é precisamente essa a informação necessária para determinar por onde começar.
O setor energético partilha muito desta dinâmica com outros setores que dependem fortemente de ativos físicos e de regulamentação. Na comparação com como o setor da construção lida com a maturidade de IA, destaca-se que ambos os setores lidam com projetos que se estendem por anos e com dados fragmentados por várias partes. O setor das instalações conhece uma tensão semelhante entre o trabalho físico no terreno e os processos digitais no escritório — uma tensão que, no setor energético, ocorre entre a gestão de redes e o lado do mercado.
O que distingue o setor energético é a escala da regulamentação. Enquanto o setor imobiliário lida principalmente com relações de propriedade e regras de avaliação, o setor da energia opera dentro de um quadro de normas de segurança e obrigações de serviço público que deixa pouco espaço para experimentação sem aprovação. Isso torna a dimensão da organização — quem pode tomar qual decisão, e com base em que dados — mais pesada do que em setores onde essa aprovação envolve menos camadas.
Uma empresa de energia que mede a sua maturidade faz bem em investigar se as decisões que a IA deve apoiar estão registadas com suficiente precisão. O que deve constar num inventário desse tipo — quem decide, com base em que informação, e com que mandato — está descrito em o que consta num inventário de decisões. Para um setor onde as decisões sobre manutenção, capacidade e fornecimento estão frequentemente dispersas por departamentos que não comunicam diariamente entre si, esse inventário é uma das primeiras coisas que trazem clareza sobre onde a IA tem, ou não, um ponto de apoio.
Esta medição mostra se a organização tem os fundamentos para suportar a IA — se os dados, os sistemas e a estrutura de decisão estão preparados para isso. Essa é uma pergunta diferente de saber que trabalho a IA pode efetivamente assumir. Para essa pergunta existe a análise de funções da FTE TO AI: esta observa, tarefa a tarefa, dentro da gestão de redes, contacto com clientes ou planeamento, que parte pode ser assumida, e que parte continua dependente de pessoas. A medição de maturidade e a análise de funções respondem, portanto, a perguntas diferentes — uma sobre a capacidade de suporte da organização, a outra sobre o conteúdo do próprio trabalho — e só ficam completas quando combinadas.
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.