Transport och logistik är ingen sektor som måste släppa in AI utifrån. Planeringsmjukvara, track-and-trace, ruttoptimering och warehouse management-system har funnits här i decennier. Det ger ett sken av försprång: det finns data, det finns system, det finns en kultur av att mäta och optimera. Men mognadsmätningen från hybridresourcing visar att detta är något annat än AI-beredskap. En organisation kan vara utmärkt på operativa system och ändå befinna sig på baseline- eller foundation-nivå på de fundamentala dimensionerna — organisation, IT-infrastruktur, datahantering. Frågan är inte om det finns system, utan om de systemen kommunicerar med varandra och om organisationen runt omkring är utformad för att bygga något nytt på dem.
Inom transport och logistik varierar förhållandet mellan företag kraftigt beroende på typ av verksamhet. En aktör som huvudsakligen sysslar med planering och styrning, med egen mjukvaruutveckling och en IT-avdelning som kan koppla samman system, ligger ofta närmare activation eller insight. En aktör som huvudsakligen utför arbetet — kör, lastar, lossar — och arbetar med en samling delsystem från olika leverantörer, ligger ofta fortfarande på foundation. Den största delen av sektorn befinner sig någonstans mellan dessa två positioner, med ett fundamentalt lager som är bättre utbyggt än i många andra sektorer, men med en datahantering som släpar efter: data ligger ofta i silos per system, per anläggning, per kund, utan att någon äger helheten.
Det placerar transport i en särskild position jämfört med sektorer där det istället är organisationsstrukturen som är flaskhalsen. Inom affärstjänster är det ofta själva datainsamlingen som är problemet, eftersom arbetet till stor del består av ostrukturerad kommunikation. Inom transport finns det däremot mycket strukturerad data — platser, tider, vikter, temperaturer — men den datan är utspridd över system som inte är byggda för att kommunicera med varandra. Det är en annan typ av efterslip än brist på data; det är brist på sammanhang.
I en plot-runda där olika personer poängsätter oberoende av varandra framträder ofta ett igenkännbart mönster i transportföretag. Operativ ledning betygsätter IT-infrastrukturen högt, eftersom de system de använder dagligen fungerar bra för deras egen process. IT eller en CIO betygsätter samma dimension lägre, eftersom de vet hur mycket manuellt arbete som krävs för att föra över data mellan system. Den spridningen är inget mätfel. Det är skillnaden mellan ett system som fungerar för den uppgift det är byggt för, och en infrastruktur som är lämpad för att bygga ny funktionalitet på. För AI-tillämpningar är det framför allt den andra frågan som är relevant, och den ställs sällan under den dagliga driften.
De sju dimensionerna bygger på varandra, och inom transport syns den uppbyggnaden tydligt. Utan ett datahanteringslager som sammanför information från planeringssystem, telematik och kundportaler har en AI-tillämpning inget konsekvent att träna på eller reagera utifrån. Företag som hoppar över detta steg och direkt startar en AI-pilot på en delprocess — till exempel prediktivt underhåll på en lastbilstyp — märker ofta att resultatet inte skalar upp till resten av fordonsflottan, helt enkelt eftersom den underliggande datan inte har registrerats på samma sätt. Det är inte ett tekniskt fel hos AI:n, utan ett tecken på att det fundamentala lagret ännu inte är klart.
Denna ordning gäller inte bara för transport. Inom jordbrukssektorn finns samma problem med sensordata som registreras olika beroende på gröda eller företag, och inom detaljhandeln syns det i lager- och försäljningsdata som ligger separat per butikskedja eller kanal. Transport skiljer sig genom omfattningen av den strukturerade data som redan finns, vilket gör det fundamentala steget både lättare och mer lockande att hoppa över — lättare eftersom byggstenarna finns, mer lockande eftersom det känns som att man redan kommit långt.
Mognadsmätningen från hybridresourcing sätter detta mönster på fem nivåer, från baseline till intelligence, fördelat över de sju dimensionerna. För ett transportföretag ger det vanligtvis en profil med ett starkt operativt lager och ett svagare data- och organisationslager, med skillnader som kan vara stora per affärsenhet eller anläggning. Den profilen säger ingenting om huruvida AI kommer att fungera eller inte, och inget om en tidsplan. Den visar vilken dimension som just nu håller tillbaka de andra, och det är precis den information som behövs innan en organisation beslutar var den ska börja. Verktyget som utför denna mätning är under uppbyggnad; den som vill använda det så snart det finns tillgängligt kan anmäla sig till väntelistan.
Denna sida handlar om frågan huruvida organisationen kan bära AI — om fundamenten inom organisation, infrastruktur och data är på plats innan något byggs på dem. Det är en annan fråga än vilken del av själva arbetet som kan tas över av AI. För den frågan, på nivån av enskilda uppgifter inom planering, transport och logistisk administration, finns arbetsscanen från FTE TO AI: den räknar ut per uppgift hur stor del av den AI kan ta över, oavsett vilken nivå organisationen runt omkring befinner sig på. Den som vill veta var organisationen står börjar med denna mätning; den som vill veta vad som händer med själva arbetet hittar det i arbetsscanen.
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.