Doprava a logistika nie je sektor, ktorý by musel AI pustiť dovnútra zvonka. Plánovací softvér, track-and-trace, optimalizácia trás a systémy pre riadenie skladov tu bežia už desiatky rokov. To vyvoláva zdanie náskoku: existujú dáta, existujú systémy, existuje kultúra merania a optimalizácie. Meranie vyspelosti od hybridresourcing však ukazuje, že to je niečo iné než pripravenosť na AI. Organizácia môže byť vynikajúca v operačných systémoch a napriek tomu sa na fundamentálnych dimenziách — organizácia, IT-infraštruktúra, dátový manažment — nachádzať ešte na úrovni baseline alebo foundation. Otázkou nie je, či systémy existujú, ale či tieto systémy medzi sebou komunikujú a či je organizácia okolo nich usporiadaná tak, aby sa na tom mohlo vybudovať niečo nové.
V rámci dopravy a logistiky sa poměr medzi firmami veľmi líši podľa typu činnosti. Firma, ktorá sa venuje predovšetkým plánovaniu a riadeniu, s vlastným vývojom softvéru a IT oddelením, ktoré vie systémy medzi sebou prepojiť, sa často nachádza bližšie k activation alebo insight. Firma, ktorá sa venuje predovšetkým vykonávaniu — jazde, nakladaniu, vykladaniu — a pracuje so zbierkou dielčich systémov od rôznych dodávateľov, sa často stále nachádza na úrovni foundation. Väčšia časť sektora sa nachádza niekde medzi týmito dvoma pozíciami, s fundamentálnou vrstvou, ktorá je lepšie vybudovaná než u mnohých iných sektorov, ale s dátovým manažmentom, ktorý zaostáva: dáta sa často nachádzajú v silách podľa systému, podľa pobočky, podľa klienta, bez toho, aby bol niekto vlastníkom celku.
To stavia dopravu do osobitnej pozície voči sektorom, kde je bottleneckom práve organizačná štruktúra. Pri obchodných službách je často problémom samotné zbieranie dát, pretože práca do veľkej miery pozostáva z neštruktúrovanej komunikácie. V doprave je naopak veľa štruktúrovaných dát — lokácie, časy, hmotnosti, teploty — ale tieto dáta sú rozptýlené po systémoch, ktoré neboli postavené na to, aby medzi sebou komunikovali. To je iný druh zaostávania než nedostatok dát; je to nedostatok súvislosti.
V kole plotovania, kde rôzni ľudia hodnotia nezávisle od seba, si v dopravných firmách často povšimnete rozpoznateľný vzor. Operačný manažment hodnotí IT-infraštruktúru vysoko, pretože systémy, ktoré denne používajú, dobre funguju pre ich vlastný proces. IT alebo CIO hodnotí tú istú dimenziu nižšie, pretože vedia, koľko manuálnej práce je potrebné na presun dát medzi systémami. Tento rozptyl nie je chyba merania. Je to rozdiel medzi systémom, ktorý funguje pre úlohu, na ktorú bol postavený, a infraštruktúrou, ktorá je vhodná na budovanie novej funkcionality. Pre AI-aplikácie je relevantná predovšetkým tá druhá otázka, a tá sa počas dennej operácie zriedka pýta.
Sedem dimenzií na sebe stavia, a v doprave je táto stavba dobre viditeľná. Bez vrstvy dátového manažmentu, ktorá spája informácie z plánovacích systémov, telematiky a klientskych portálov, nemá AI-aplikácia nič konzistentné, na čom by sa mohla natrénovať alebo na čo by mohla reagovať. Firmy, ktoré tento krok vynechajú a rovno spustia AI-pilotný projekt na jednom dielčom procese — napríklad prediktívnu údržbu na jednom type nákladného vozidla — často zistia, že výsledok sa nedá rozšíriť na zvyšok vozového parku, jednoducho preto, že podkladové dáta nie sú zaznamenávané rovnakým spôsobom. To nie je technický nedostatok AI, ale znak toho, že fundamentálna vrstva ešte nie je dokončená.
Toto poradie neplatí len pre dopravu. V poľnohospodárskom sektore sa vyskytuje rovnaký problém s dátami zo senzorov, ktoré sa zaznamenávajú inak podľa plodiny alebo podľa firmy, a v maloobchode to vidíte v dátach o zásobách a predaji, ktoré sú oddelené podľa obchodného reťazca alebo kanála. Doprava sa odlišuje rozsahom štruktúrovaných dát, ktoré už existujú, čo súčasne uľahčuje aj robí lákavejším vynechať fundamentálny krok — jednoduchšie, pretože stavebné kamene existujú, lákavejšie, pretože sa to javí, ako by ste už boli ďaleko.
Meranie vyspelosti od hybridresourcing rozdeľuje tento vzor do piatich úrovní, od baseline po intelligence, rozdelených do siedmich dimenzií. Pre dopravnú firmu to zvyčajne prináša profil so silnou operačnou vrstvou a slabšou dátovou a organizačnou vrstvou, s rozdielmi, ktoré sa môžu výrazne líšiť podľa časti firmy alebo pobočky. Tento profil nič nehovorí o tom, či AI bude alebo nebude fungovať, a nič o časovom horizonte. Ukazuje, ktorá dimenzia v tejto chvíli zadržiava tie ostatné, a to je presne informácia, ktorá je potrebná predtým, ako sa organizácia rozhodne, kde začať. Nástroj, ktorý toto meranie vykonáva, sa pripravuje; kto s ním chce pracovať hneď, ako bude k dispozícii, sa môže prihlásiť na čakaciu listinu.
Táto stránka sa venuje otázke, či organizácia môže uniesť AI — či sú základy organizácie, infraštruktúry a dát v poriadku predtým, než sa na nich niečo postaví. To je iná otázka než to, akú časť samotnej práce môže AI prevziať. Pre túto otázku, na úrovni jednotlivých úloh v rámci plánovania, dopravy a logistickej administratívy, existuje pracovný scan od FTE TO AI: ten pre každú úlohu vypočíta, akú časť z nej môže AI prevziať, bez ohľadu na to, na akej úrovni sa organizácia okolo nej nachádza. Kto chce vedieť, kde organizácia stojí, začína pri tomto meraní; kto chce vedieť, čo sa deje so samotnou prácou, to nájde v pracovnom scane.
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.