O transporte e a logística não é um setor que precise de deixar entrar a IA de fora. Software de planeamento, track-and-trace, otimização de rotas e sistemas de gestão de armazém já funcionam aqui há décadas. Isso dá uma aparência de avanço: há dados, há sistemas, há uma cultura de medir e otimizar. Mas a medição de maturidade da hybridresourcing mostra que isto é algo diferente da preparação para IA. Uma organização pode ser excelente em sistemas operacionais e, ainda assim, estar nas dimensões fundamentais — organização, infraestrutura de TI, gestão de dados — ainda ao nível de baseline ou foundation. A questão não é se existem sistemas, mas se esses sistemas comunicam entre si e se a organização em torno deles está estruturada para construir algo novo.
Dentro do transporte e da logística, a proporção entre empresas varia muito de acordo com o tipo de atividade. Uma empresa que se dedica sobretudo ao planeamento e à coordenação, com desenvolvimento de software próprio e um departamento de TI capaz de ligar sistemas entre si, está muitas vezes mais próxima de activation ou insight. Uma empresa que se dedica sobretudo à execução — conduzir, carregar, descarregar — e trabalha com um conjunto de subsistemas de fornecedores diferentes, está muitas vezes ainda em foundation. A maior parte do setor situa-se em algum ponto entre estas duas posições, com uma camada fundamental mais desenvolvida do que em muitos outros setores, mas com uma gestão de dados que fica atrás: os dados encontram-se frequentemente em silos por sistema, por filial, por cliente, sem que ninguém seja o proprietário do conjunto.
Isso coloca o transporte numa posição distinta em relação a setores onde é precisamente a estrutura organizacional que constitui o obstáculo. Nos serviços empresariais, é frequentemente a própria recolha de dados que constitui o problema, porque o trabalho consiste, em grande parte, em comunicação não estruturada. No transporte existem, pelo contrário, muitos dados estruturados — localizações, horários, pesos, temperaturas — mas esses dados estão dispersos por sistemas que não foram construídos para comunicar entre si. Trata-se de um tipo de atraso diferente da falta de dados; é uma falta de coerência.
Numa ronda de plot em que várias pessoas atribuem pontuações de forma independente, observa-se muitas vezes um padrão reconhecível nas empresas de transporte. A gestão operacional pontua alto a infraestrutura de TI, porque os sistemas que utiliza diariamente funcionam bem para o seu próprio processo. A TI, ou um CIO, pontua essa mesma dimensão mais baixo, porque sabe quanto trabalho manual é necessário para transferir dados entre sistemas. Essa dispersão não é um erro de medição. É a diferença entre um sistema que funciona para a tarefa para a qual foi construído, e uma infraestrutura adequada para construir nova funcionalidade. Para aplicações de IA, é sobretudo esta segunda questão que é relevante, e é raramente colocada durante a operação diária.
As sete dimensões constroem-se umas sobre as outras, e no transporte essa construção é bem visível. Sem uma camada de gestão de dados que reúna informação de sistemas de planeamento, telemática e portais de clientes, uma aplicação de IA não tem nada consistente sobre o qual treinar ou reagir. Empresas que saltam esta etapa e iniciam diretamente um piloto de IA num único subprocesso — por exemplo, manutenção preditiva num único tipo de camião — verificam frequentemente que o resultado não escala para o resto da frota, simplesmente porque os dados subjacentes não foram registados da mesma forma. Isso não é uma falha técnica da IA, mas um sinal de que a camada fundamental ainda não está concluída.
Esta ordem não se aplica apenas ao transporte. No setor agrícola existe um problema semelhante com dados de sensores registados de forma diferente por cultura ou por empresa, e no comércio a retalho isso reflete-se em dados de stock e de vendas que estão separados por cadeia de loja ou canal. O transporte distingue-se pela dimensão dos dados estruturados que já existem, o que torna a etapa fundamental ao mesmo tempo mais fácil e mais tentadora de saltar — mais fácil porque os elementos de base já existem, mais tentadora porque parece que já se está muito avançado.
A medição de maturidade da hybridresourcing organiza este padrão em cinco níveis, de baseline a intelligence, distribuídos pelas sete dimensões. Para uma empresa de transportes, isso resulta geralmente num perfil com uma camada operacional forte e uma camada de dados e de organização mais fraca, com diferenças que podem ser grandes entre unidades de negócio ou filiais. Esse perfil não diz nada sobre se a IA vai ou não funcionar, nem nada sobre um prazo. Mostra qual dimensão está, neste momento, a reter as outras, e é precisamente essa a informação necessária antes de uma organização decidir por onde começar. A ferramenta que realiza esta medição está em desenvolvimento; quem quiser trabalhar com ela assim que estiver disponível pode inscrever-se na lista de espera.
Esta página trata da questão de saber se a organização é capaz de sustentar a IA — se os fundamentos de organização, infraestrutura e dados estão em ordem antes de se construir algo sobre eles. Essa é uma questão diferente de saber que parte do próprio trabalho pode ser assumida pela IA. Para essa questão, ao nível de tarefas individuais dentro do planeamento, do transporte e da administração logística, existe a análise de funções da FTE TO AI: esta calcula, por tarefa, que parte dela a IA pode assumir, independentemente do nível em que a organização em torno se encontra. Quem quiser saber onde a organização se situa começa por esta medição; quem quiser saber o que acontece ao próprio trabalho encontra isso na análise de funções.
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.