Žemės ūkio įmonė, nesvarbu, ar tai augalininkystės ūkis, šiltnamio sodininkystės įmonė, pieno ūkis ar paslaugų teikėjas žemės ūkiui, veikia derinant fizinį darbą lauke ar tvarte su administraciniu darbu prie virtuvės stalo ar biure. Valandos sunaudojamos pasėlių stebėsenai, gyvulių priežiūrai, augalininkystės ar pieno srautų planavimui, registravimui sertifikavimui ir subsidijoms, taip pat administravimui, susijusiam su mėšlo tvarkymo politika, augalų apsaugos produktais ir gyvūnų gerove. Oras, dirvožemis, ligų spaudimas ir rinkos kainos nulemia rezultatą labiau nei daugelyje kitų sektorių, todėl darbas yra mažiau pakartojamas, nei atrodo popieriuje.
Toks derinys - daug su taisyklėmis susijusio administravimo ir daug nuo aplinkybių priklausančio fizinio darbo - yra tiksliai ta vieta, kur šiuo metu susiduria AI ambicijos šiame sektoriuje. Ambicija dažnai skamba paprastai: mažiau laiko formoms, daugiau laiko augalui ar gyvūnui. Klausimas yra, ar įmonė tam jau yra parengta.
Trys darbo kategorijos eina per kiekvieną žemės ūkio įmonę, ir jų proporcija skirtinguose ūkiuose labai skiriasi.
Pirmoji dalis - tai darbas, kurį AI jau gali perimti: registracijų pildymas remiantis sensorių duomenimis, mėšlo apskaitos sudarymas iš esamų skaičių, augimo modelio nukrypimų atpažinimas palydoviniuose vaizduose. Įmonės, kurios jau struktūriškai fiksuoja savo duomenis, mato, kad ši dalis persislenka greičiausiai.
Antroji dalis - tai darbas, kai AI pateikia pasiūlymą, o žmogus jį patvirtina arba atmeta pagrįstai: augalų apsaugos priemonės dozės rekomendacija, gyvulių šėrimo grafikas, derliaus nuėmimo laiko įvertinimas. Čia priežiūra tebėra reikalinga, nes klaidingo sprendimo pasekmės tiesiogiai atsiliepia derliui ar gyvūnų gerovei, ir todėl, kad vietinės sąlygos retai visiškai atsispindi duomenyse.
Trečioji dalis tebėra žmogaus darbas: sergančio gyvūno įvertinimas pagal elgesį, derybos su pirkėju, sprendimo dėl auginimo priėmimas neaiškiomis oro sąlygomis. Tai darbas, kuriame patirtis ir atsakomybė susijungia taip, kad to neįmanoma perduoti sistemai.
Skirtumas tarp įmonių nėra sektoriuje, o parengtume. Įmonė su fiksuotais protokolais, struktūriškais duomenimis ir komanda, kuri žino, kas gali atmesti AI pasiūlymą, darbą perkelia greičiau nei įmonė, kuriai tokio pagrindo trūksta, net jei abi įmonės deklaruoja tą pačią ambiciją.
Valymo pramonė ir laisvalaikio pramonė taip pat susiduria su fiziniu darbu kintančiomis sąlygomis, tačiau ten reguliavimas švelnesnis, o marža dažnai mažesnė. Žemės ūkio sektoriuje yra atvirkščiai: reguliavimo našta yra didelė ir detali, ir todėl registravimo darbas yra santykinai gerai pritaikytas perėmimui AI, o fizinis vertinimas apie augalą ir gyvūną - ne. Kas norėtų sužinoti, kaip ta proporcija atrodo kitose sektoriuose, gali tai palyginti su ambicijomis IT sektoriuje arba su ambicijomis finansinių paslaugų sektoriuje, kur darbas didžia dalimi vyksta prie ekrano, ir parengtumo klausimas kyla kitaip.
Žemės ūkio įmonės vadovybė dažnai pasako sakinį, kurį visi supranta ir kurį niekas supranta vienodai: "norime mažiau laiko skirti administravimui." Vienas tuo turi omenyje visišką mėšlo apskaitos automatizavimą, kitas - greitesnę formą, kurią žmogus vis tiek pats užpildo. Abi yra teisėtos ambicijos, tačiau jos reikalauja skirtingų gebėjimų: skirtingos duomenų infrastruktūros, skirtingų sprendimų teisių, skirtingos priežiūros. Nefiksuojant šios ambicijos sluoksniais, nuo vizijos iki konkretaus tikslo, diskusija apie tai, kas tiksliai turi vykti, lieka neišspręsta.
Tai taip pat vieta, kur sprendimų teisės turi būti aiškiai nustatytos: kas gali atmesti AI patarimą dėl augalų apsaugos ir kokiu pagrindu. Tai fiksuojama tokiu būdu, kuris aprašytas kaip fiksuojamos sprendimų teisės pokyčio metu. Ir kadangi administravimo automatizavimas taupo išlaidas, bet automatiškai nepaveikia apyvartos, naudinga iš anksto apsvarstyti kaip augimas siejamas su marža strategijoje, kad ambicija būtų ne tik apie valandas, bet ir apie tai, kur ta atlaisvinta pajėgumas turėtų būti nukreiptas.
Jei AI ambicija paveikia personalo struktūrą, tam taikomi atskiri teisiniai reikalavimai; toks vertinimas nepatenka į tai, ką atlieka parengtumo patikra.
Pagrindinis klausimas visada yra tas pats: kuris darbas šioje konkrečioje įmonėje iš tikrųjų gali būti perimtas AI, kuriai daliai nuolat reikia priežiūros, ir kuri dalis tebėra žmogaus darbas. Į šį klausimą atsakoma pagal kiekvieną užduotį naudojant FTE TO AI darbo skenavimą, o ne pagal sektoriaus vidurkį.
Prieš įmonei paverčiant AI ambiciją projektu, naudinga žinoti, kur organizacija jau yra parengta ir kur ne. Nemokamą parengtumo patikrą sudaro aštuoni trumpi klausimai, po vieną kiekvienai dimensijai, ir ji suteikia vaizdą, kur esate pažengę toliausiai ir kur atsilikimas didžiausias. Visa ambicijų patikra, su keturiais sluoksniais ir penkiais patikimumo vartais, yra kuriama.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.