Industria prelucrătoare este alcătuită din activități care se lasă greu rezumate la un singur tip de sarcină. Există lucrări de planificare: programarea ordinelor, coordonarea fluxurilor de materiale, distribuirea capacității pe utilaje și schimburi. Există lucrări de calitate: inspectare, măsurare, evaluarea și documentarea abaterilor. Există lucrări de întreținere: diagnosticarea defecțiunilor, comandarea piesele, planificarea lucrărilor preventive. Și există munca administrativă din jurul tuturor acestora: certificate, calculații ulterioare, raportare către clienți și autorități de supraveghere.
Aceste tipuri de muncă diferă considerabil în privința gradului lor de previzibilitate. O sarcină de planificare cu reguli fixe și date istorice se pretează diferit la automatizare comparativ cu evaluarea unei suduri care se situează chiar în afara normei, dar care probabil este totuși bună. Această din urmă evaluare depinde de experiență, de context care nu este consemnat într-un sistem și de responsabilitate pe care cineva trebuie să o poată purta. Această diferență determină în mare măsură care ambiție este realistă pentru care parte a muncii.
În întreaga industrie prelucrătoare, aceeași triplă diviziune traversează munca. O parte poate fi preluată de AI: verificări repetitive pe baza datelor de la senzori, întocmirea rapoartelor standard, recunoașterea unor modele de defecțiuni cunoscute. O parte se face parțial, cu un om care aprobă sau respinge: evaluări de calitate în care un algoritm face o propunere, iar un operator sau un angajat din departamentul de calitate confirmă sau corectează decizia, cu motiv. Și o parte rămâne muncă umană: rezolvarea unei defecțiuni pe care nimeni nu a mai văzut-o astfel, negocierea cu un furnizor cu privire la o livrare neconformă, asumarea responsabilității în cazul unui incident de siguranță.
Ce se încadrează astăzi într-o fabrică deja în prima categorie, în altă fabrică se află încă complet în a treia. Această diferență se datorează rareori tehnicii în sine. Se datorează faptului dacă datele sunt disponibile, dacă senzorii măsoară lucrurile corecte, dacă angajații au suficientă încredere în sistem pentru a-i lăsa ceva pe mână, și dacă există cineva care poate aproba rezultatul fără ca procesul să se blocheze în așteptarea unei semnături.
O conducere care afirmă „vrem control de calitate condus de AI” spune astfel și ceva despre organizația care trebuie să poată susține acest lucru. Trebuie să existe cineva care evaluează mesajele de eroare ale sistemului, nu doar teoretic, ci în schimbul zilnic. Trebuie să existe claritate cu privire la cine poate anula o respingere a sistemului și pe ce temei. Și trebuie să existe capacitate disponibilă pentru configurarea și întreținerea sistemului, capacitate care este de multe ori deja alocată integral muncii curente.
Aici se blochează multe ambiții din industria prelucrătoare: nu la întrebarea dacă tehnica poate face acest lucru, ci la întrebarea dacă organizația a completat deja rolul din jurul ei. Cine decide când sistemul are dubii? Cine este de contactat atunci când un client are o reclamație despre un produs care a trecut printr-o inspecție condusă de AI? Aceste întrebări privesc responsabilități în cadrul personalului, iar pentru deciziile care rezultă din acestea se aplică cerințe legale proprii; acea evaluare nu este subiectul de aici.
Două fabrici cu utilaje comparabile și produse comparabile pot diferi puternic în privința a ceea ce AI preia efectiv din munca lor. Una a colectat și structurat date de la senzori de-a lungul anilor, cealaltă are aceiași senzori, dar datele se pierd în jurnale pe care nimeni nu le-a curățat vreodată. Una are o echipă de calitate care are timp săptămânal să evalueze abaterile și să ajusteze sistemul, cealaltă are acea echipă complet ocupată cu producția curentă. Niciuna dintre situații nu este greșită, dar aceasta determină cât din ambiție este realizabil în acest an și cât în anul următor.
Aceste diferențe nu sunt unice pentru industria prelucrătoare. Aceeași tensiune între ambiție și pregătire se manifestă în sectorul transporturilor, unde planificarea și alegerea rutelor generează întrebări similare, și în serviciile de afaceri, unde supravegherea rezultatelor consultanței joacă un rol similar controlului de calitate de pe hală. De asemenea, întrebarea despre cum să împărțiți o ambiție în bucăți pe care o organizație le poate gestiona efectiv într-un an revine în fiecare sector și este tratată separat în o explicație despre eșalonarea unei ambiții prea mari pentru un an.
Întrebarea care se află la baza tuturor acestor exemple nu este dacă AI poate prelua, în general, acest tip de muncă. Este care parte specifică a muncii din această companie specifică poate fi cu adevărat preluată, având în vedere datele, sistemele și oamenii existenți în prezent. Acea întrebare este răspunsă pentru fiecare sarcină cu scanul de lucru al FTE TO AI, independent de imaginea pe care conducerea o are ea însăși despre acest lucru.
O ambiție devine utilizabilă doar atunci când este împărțită în ceea ce organizația trebuie să poată face și este verificată în raport cu ceea ce poate face deja. Cât de rapid poate o organizație să se schimbe cu adevărat pe astfel de aspecte este o întrebare separată de ambiția în sine și este dezvoltată separat în o analiză despre ritmul real de schimbare al organizațiilor.
Ca prim pas, există o verificare de pregătire gratuită: opt întrebări scurte, câte una pentru fiecare dimensiune, care oferă o imagine asupra locului în care organizația dumneavoastră este cel mai avansată și unde este încă cel mai puțin pregătită. Testul complet de ambiție, cu cele patru straturi de la viziune la starea țintă și traducerea în roluri și drepturi de decizie, este în construcție.
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.