Transport in logistika ni sektor, ki mora AI šele povabiti od zunaj. Programska opremo za načrtovanje, sledenje in izsledovanje (track-and-trace), optimizacija poti in sistemi za upravljanje skladišč tu delujejo že desetletja. To ustvarja videz prednosti: obstajajo podatki, obstajajo sistemi, obstaja kultura merjenja in optimizacije. Toda meritev zrelosti podjetja hybridresourcing pokaže, da je to nekaj drugega kot pripravljenost na AI. Organizacija je lahko odlična v operativnih sistemih in vseeno na temeljnih dimenzijah — organizacija, IT-infrastruktura, upravljanje podatkov — še vedno na ravni baseline ali foundation. Vprašanje ni, ali obstajajo sistemi, temveč ali ti sistemi med seboj komunicirajo in ali je organizacija okoli njih urejena tako, da lahko na tem zgradi nekaj novega.
Znotraj transporta in logistike se razmerje med podjetji močno razlikuje glede na vrsto dejavnosti. Podjetje, ki se predvsem ukvarja z načrtovanjem in vodenjem, z lastnim razvojem programske opreme in IT-oddelkom, ki lahko sisteme med seboj poveže, je pogosto bližje ravni activation ali insight. Podjetje, ki predvsem izvaja — vozi, nalaga, razklada — in dela z zbirko delnih sistemov različnih ponudnikov, je pogosto še na ravni foundation. Večji del sektorja se nahaja nekje med tema dvema položajema, s temeljno plastjo, ki je bolje razvita kot pri številnih drugih sektorjih, vendar z upravljanjem podatkov, ki zaostaja: podatki so pogosto v silosih po sistemu, po lokaciji, po stranki, brez da bi kdo bil lastnik celote.
To postavlja transport v posebno pozicijo v primerjavi s sektorji, kjer je ravno organizacijska struktura ovira. Pri poslovnih storitvah je pogosto problem že samo zbiranje podatkov, ker delo v veliki meri sestoji iz nestrukturirane komunikacije. V transportu je ravno veliko strukturiranih podatkov — lokacije, časi, teže, temperature — vendar so ti podatki razpršeni po sistemih, ki niso zgrajeni za medsebojno komunikacijo. To je drugačna vrsta zamika kot pomanjkanje podatkov; gre za pomanjkanje povezanosti.
V krogu ocenjevanja, kjer različni ljudje ocenjujejo neodvisno drug od drugega, se pri transportnih podjetjih pogosto pojavi prepoznaven vzorec. Operativno vodstvo visoko oceni IT-infrastrukturo, ker sistemi, ki jih vsakodnevno uporabljajo, dobro delujejo za njihov lastni proces. IT ali CIO oceni isto dimenzijo nižje, ker vedo, koliko ročnega dela je potrebnega za prenos podatkov med sistemi. Ta razpršenost ni napaka meritve. Gre za razliko med sistemom, ki deluje za nalogo, za katero je bil zgrajen, in infrastrukturo, ki je primerna za razvoj nove funkcionalnosti. Za uporabo AI je predvsem to drugo vprašanje relevantno, in to vprašanje se med vsakodnevnim delovanjem redko zastavlja.
Sedem dimenzij se nadgrajuje ena na drugo, in v transportu je ta zgradba dobro vidna. Brez plasti upravljanja podatkov, ki združuje informacije iz sistemov za načrtovanje, telematike in strankinih portalov, nima uporaba AI nič doslednega, na čemer bi lahko trenirala ali se odzivala. Podjetja, ki ta korak preskočijo in takoj začnejo pilotni projekt AI na enem delnem procesu — na primer napovedno vzdrževanje na enem tipu tovornjaka — pogosto ugotovijo, da se rezultat ne razširi na preostali vozni park, preprosto ker osnovni podatki niso zajeti na enak način. To ni tehnična napaka AI, temveč znak, da temeljna plast še ni dokončana.
Ta vrstni red ne velja le za transport. Pri kmetijskem sektorju se pojavlja podoben problem s podatki senzorjev, ki se zajemajo različno po pridelku ali po podjetju, in pri trgovini na drobno se to vidi v podatkih o zalogah in prodaji, ki so ločeni po trgovski verigi ali kanalu. Transport se razlikuje po obsegu strukturiranih podatkov, ki že obstajajo, kar temeljni korak hkrati olajša in naredi bolj skušnjavo za preskok — lažje, ker gradniki obstajajo, bolj skušnjavo, ker se zdi, da si že daleč.
Meritev zrelosti podjetja hybridresourcing ta vzorec razdeli na pet ravni, od baseline do intelligence, porazdeljenih na sedem dimenzij. Za transportno podjetje to običajno prinese profil z močno operativno plastjo in šibkejšo plastjo podatkov in organizacije, s razlikami, ki so lahko velike glede na del podjetja ali lokacijo. Ta profil ne pove nič o tem, ali bo AI delovala ali ne, in nič o časovnem načrtu. Pokaže, katera dimenzija trenutno zadržuje druge, in to je prav informacija, ki je potrebna, preden se organizacija odloči, kje začeti. Orodje, ki izvaja to meritev, je v izdelavi; kdor želi delati s tem, ko bo na voljo, se lahko prijavi na čakalno listo.
Ta stran obravnava vprašanje, ali organizacija lahko nosi AI — ali so temelji organizacije, infrastrukture in podatkov urejeni, preden se na njih kaj zgradi. To je drugo vprašanje kot to, kateri del samega dela lahko prevzame AI. Za to vprašanje, na ravni posameznih nalog znotraj načrtovanja, transporta in logistične administracije, obstaja delovna analiza (werkscan) podjetja FTE TO AI: ta za vsako nalogo izračuna, kolikšen del te lahko prevzame AI, ne glede na to, na kateri ravni se nahaja organizacija okoli nje. Kdor želi vedeti, kje stoji organizacija, začne pri tej meritvi; kdor želi vedeti, kaj se dogaja s samim delom, to najde v delovni analizi.
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.