Spracovateľský priemysel nie je kancelárske prostredie s pridanými strojmi. Je to sektor, v ktorom je vedúci fyzický proces — surovina, spracovanie, produkt — a v ktorom digitálne systémy za tým vždy pokrivkávajú alebo majú za úlohu zabezpečiť, aby proces zostal v chode. Toto poradie určuje, čo tu AI-vyspelosť znamená. ERP systém, MES, senzory na stroji: existujú na podporu fyzického procesu, nie na to, aby fungovali samostatne. To je podstatne odlišné od obchodných služieb, kde je samotná práca už digitálna a dáta sú východiskovým bodom, nie odvodeninou.
Táto vrstvovitosť komplikuje meranie vyspelosti. Výrobná firma môže mať modernú plánovaciu aplikáciu a napriek tomu netušiť, čo stroj na výrobnej hale skutočne robí, pretože tieto dáta nikdy neboli sprístupnené. Naopak, firma so zastaraným softvérom môže mať dobrý prehľad o svojom procese, pretože ľudia na hale už roky presne zaznamenávajú údaje. Vyspelosť a modernosť systémov tu automaticky nesúvisia.
V rámci siedmich dimenzií, ktoré meranie vyspelosti používa, sa v spracovateľskom priemysle často objavuje špecifický vzorec. IT infraštruktúra a manažment dát — dve zo základných dimenzií — pravidelne ukazujú veľký rozdiel medzi výrobou a kanceláriou. Na hale bežia systémy postavené na spoľahlivosť a dostupnosť, nie na zdieľanie dát. V kancelárii bežia systémy, ktoré sú síce vytvorené na výmenu, ale nie sú vždy pripojené na to, čo sa deje vo fabrike. Tieto dva svety často používajú odlišné definície toho istého pojmu, a to sa deje bez toho, aby to niekto označil za problém — až kým na tom nestroskotá AI projekt.
Dimenzia organizácie má svoj vlastný vzorec. Rozhodnutia o investíciách do výrobných procesov často ležia na ľuďoch s technickým zázemím, zatiaľ čo rozhodnutia o dátovej strategii ležia na iných. Keď tieto dve skupiny sedia spolu za stolom len zriedka, vzniká organizácia, ktorá na papieri vypadá pripravená na AI, ale v praxi sleduje dve oddelené agendy. To je iný typ rozptylu než v školstve, kde vzdialenosť častejšie leží medzi politikou a bežnou praxou profesionála, nie medzi dvoma operatívnymi pilierami v rámci tej istej firmy.
Plot-kolo — v ktorom viacero ľudí nezávisle od seba hodnotí siedmich dimenzií — v spracovateľskom priemysle často odhaľuje výrazný kontrast medzi vedením výroby a IT alebo vedením firmy. Výrobný manažér niekedy hodnotí dimenziu manažmentu dát vysoko, pretože stroj presne zaznamenáva, čo sa deje. IT manažér hodnotí tú istú dimenziu nízko, pretože tieto dáta sa nikde štruktúrovane neukladajú ani nesprístupňujú na analýzu. Obe pozorovania sú správne; len sa pozerajú na inú časť procesu.
Tento rozptyl je funkčný, nie nepohodlný. Ukazuje, kde v organizácii chýba spoločný obraz, a to je presne tá informácia, ktorá je potrebná ešte skôr, než sa niečo pridá k pilotnému projektu. Pilotný projekt, ktorý stojí na základných dimenziách — organizácia, infraštruktúra, dáta — bez toho, aby si tento rozptyl niekto všimol, riskuje, že sa zasekne na probléme, ktorý nikto nepomenoval, pretože nikto nemal úplný obraz.
Keďže fyzický proces je vedúci, pokušenie v spracovateľskom priemysle je často zamerať AI priamo na operatívny problém: predpovedanie údržby, kontrolu kvality, optimalizáciu plánovania. Sú to viditeľné, lákavé aplikácie na závislých dimenziách. Ale to, či fungujú, závisí od toho, čo musí byť predtým zabezpečené: sú dáta zo stroja zaznamenané spôsobom, ktorý je opätovne použiteľný, existuje niekto, kto je zodpovedný za kvalitu týchto dát, a existuje organizačná štruktúra, v ktorej výroba a IT zdieľajú rovnaké definície. Bez tohto základu zostáva pilotný projekt izolovaným experimentom, nech je model akokoľvek dobrý.
Toto poradie neplatí len tu. V sektore dopravy existuje podobné napätie medzi operatívnymi systémami a centrálnymi dátami, a v agrárnom sektore je fyzický proces — plodina, zviera, ročné obdobie — rovnako vedúci nad tým, čo digitálne systémy môžu zaznamenať a ovplyvniť. Spracovateľský priemysel nie je výnimkou z tejto logiky, je však sektorom, v ktorom sa dôsledky vynechaného základu rýchlo prejavia na hale.
Meranie vyspelosti nevynáša súd o fabrike alebo sektore; poskytuje obraz piatich úrovní na siedmich dimenziách, vyplnený viacerými ľuďmi z organizácie samotnej. Tento obraz ukazuje, kde už základné dimenzie stoja a kde ešte chýbajú, a kde sa v rámci firmy názory rozchádzajú. To je iný rozhovor než ten, či je pilotný projekt pôsobivý; je to rozhovor o tom, či organizácia pilotný projekt vôbec unesie.
Ak je už jasné, kde organizácia stojí na dimenziách, ktoré majú AI uniesť, vzniká iná otázka: ktorá časť samotnej práce prichádza do úvahy na prevzatie AI. To nie je to, čo toto meranie zodpovedá. Na to je určený work-scan od FTE TO AI, ktorý pre každú úlohu vypočíta, akú časť z nej je možné prenechať AI. Meranie vyspelosti a work-scan na seba nadväzujú: jedno ukazuje, či základ stojí, druhé ukazuje, čo sa, za predpokladu tohto základu, na tejto práci mení. Kto skombinuje oba obrazy, vie nielen to, či je organizácia pripravená, ale aj kde sa prvá zmena konkrétne prejaví.
Meranie vyspelosti od hybridresourcing sa pripravuje. Kto chce absolvovať plot-kolo hneď, ako bude dostupné, môže sa prihlásiť na čakaciu listinu.
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.