Lauksaimniecības uzņēmums, vai tas ir lauka kultūru audzētājs, siltumnīcu dārzkopības uzņēmums, piena lopkopības saimniecība vai lauksaimniecības pakalpojumu sniedzējs, darbojas uz fiziska darba āra vai kūtī un administratīva darba pie virtuves galda vai birojā kombinācijas. Stundas paiet kultūraugu monitoringā, dzīvnieku aprūpē, audzēšanas vai piena plūsmas plānošanā, reģistrācijā sertifikācijai un subsīdijām, kā arī administrācijā, kas saistīta ar mēslošanas politiku, augu aizsardzības līdzekļiem un dzīvnieku labturību. Laikapstākļi, augsne, slimību spiediens un tirgus cenas ietekmē rezultātu vairāk nekā daudzās citās nozarēs, un tas padara darbu mazāk atkārtojamu, nekā tas izskatās uz papīra.
Tieši šī kombinācija - daudz noteikumiem saistītas administrācijas un daudz apstākļiem saistīta fiziska darba - ir tas, kur AI ambīcijas šajā nozarē tagad sastopas ar šķēršļiem. Ambīcija bieži izklausās vienkārša: mazāk laika veidlapām, vairāk laika kultūraugam vai dzīvniekam. Jautājums ir, vai uzņēmums tam jau ir gatavs.
Lauksaimniecības uzņēmumā caurvij trīs darba kategorijas, un sadalījums katrā uzņēmumā ir ļoti atšķirīgs.
Pirmā daļa ir darbs, ko AI jau var pārņemt: reģistrāciju aizpildīšana, pamatojoties uz sensoru datiem, mēslošanas uzskaites sastādīšana no esošajiem skaitļiem, novirzošos augšanas modeļu atpazīšana satelītattēlos. Uzņēmumi, kas jau strukturēti fiksē savus datus, redz šo daļu pārvietojamies visātrāk.
Otrā daļa ir darbs, kurā AI izsaka priekšlikumu un cilvēks to apstiprina vai noraida ar pamatojumu: augu aizsardzības devas ieteikums, dzīvnieku barošanas shēma, ražas novākšanas laika novērtējums. Šeit uzraudzība paliek nepieciešama, jo nepareizas izvēles sekas tieši ietekmē ražu vai dzīvnieku labturību, un tāpēc, ka vietējos apstākļus reti izdodas pilnībā ietvert datos.
Trešā daļa paliek cilvēka darbs: slima dzīvnieka novērtēšana pēc uzvedības, sarunas ar pircēju, audzēšanas lēmuma pieņemšana nenoteiktu laikapstākļu apstākļos. Tas ir darbs, kurā pieredze un atbildība saplūst tādā veidā, ko nevar nodot sistēmai.
Atšķirība starp uzņēmumiem nav nozarē, bet gan gatavībā. Uzņēmums ar fiksētiem protokoliem, strukturētiem datiem un komandu, kas zina, kurš drīkst noraidīt AI priekšlikumu, pārvieto darbu ātrāk nekā uzņēmums, kuram šī bāze trūkst, arī tad, ja abi uzņēmumi izsaka vienu un to pašu ambīciju.
Arī tīrīšanas nozarē un atpūtas nozarē ir fizisks darbs mainīgos apstākļos, taču tur regulējums ir vieglāks un rezerve bieži plānāka. Lauksaimniecības nozarē ir otrādi: regulējuma slogs ir smags un detalizēts, un tieši tāpēc reģistrācijas darbs ir salīdzinoši labi piemērots pārņemšanai ar AI, savukārt fiziskais spriedums par kultūraugu un dzīvnieku tāds nav. Kas vēlas uzzināt, kā šī attiecība izpaužas citās nozarēs, var to salīdzināt ar ambīcijām IT nozarē vai ar ambīcijām finanšu pakalpojumu nozarē, kur darbs galvenokārt notiek aiz ekrāna un gatavības jautājums ir citāds.
Lauksaimniecības uzņēmuma vadība bieži izsakās teikumā, ko visi saprot un neviens neinterpretē vienādi: "mēs vēlamies mazāk laika veltīt administrācijai." Viens ar to domā mēslošanas uzskaites pilnīgu automatizāciju, cits domā ātrāku veidlapu, ko cilvēks joprojām pats aizpilda. Abas ir leģitīmas ambīcijas, taču tās prasa atšķirīgas spējas: citu datu infrastruktūru, citas lēmumu pilnvaras, citu uzraudzību. Nefiksējot šo ambīciju slāņos, no vīzijas līdz konkrētam mērķa stāvoklim, diskusija par to, kam tieši jānotiek, paliek neizlemta.
Tieši šeit ir jāprecizē lēmumu pilnvaras: kurš drīkst noraidīt AI ieteikumu par augu aizsardzību, un ar kādu pamatojumu. To fiksē tā, kā aprakstīts kā fiksēt lēmumu pilnvaras pārmaiņu gadījumā. Un tā kā administrācijas automatizācija ietaupa izmaksas, bet automātiski neietekmē apgrozījumu, ir lietderīgi jau iepriekš pārdomāt, kā izaugsme saistās ar peļņas normu stratēģijā, lai ambīcija būtu ne tikai par stundām, bet arī par to, kurp jāvirza atbrīvotā kapacitāte.
Ja AI ambīcija skar personāla sastāvu, tad tai piemērojamas savas juridiskās prasības; šis izvērtējums neietilpst gatavības pārbaudē.
Pamatjautājums vienmēr ir tas pats: kuru darbu šajā konkrētajā uzņēmumā AI patiešām var pārņemt, kurai daļai vajadzīga pastāvīga uzraudzība un kura daļa paliek cilvēka darbs. Šo jautājumu atbild pa uzdevumiem ar FTE TO AI darba skenēšanu, nevis ar nozares vidējo rādītāju.
Pirms uzņēmums pārvērš AI ambīciju projektā, ir lietderīgi zināt, kur organizācija jau ir gatava un kur nav. Bezmaksas gatavības pārbaude sastāv no astoņiem īsiem jautājumiem, pa vienam katrai dimensijai, un sniedz priekšstatu par to, kur esat tikuši vistālāk un kur atpalicība ir vislielākā. Pilnā ambīciju pārbaude ar četriem slāņiem un pieciem confidence gates ir izstrādes stadijā.
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.