In gran parte sì. Il monitoraggio dei contatori di elettricità, gas e acqua, la segnalazione di anomalie e la proposta di misure di risparmio è un compito che si presta bene a un agente AI, purché i dati siano disponibili. Per una sede senza contatori intelligenti o con consumi rilevati manualmente, la risposta è diversa. Questa pagina spiega perché, sulla base del profilo che utilizziamo per questo compito.
Sono tre gli assi determinanti in questo caso: strutturabilità, costo dell'errore e volume.
Il consumo di elettricità, gas o acqua proviene da sistemi che già forniscono dati strutturati: letture dei contatori, marcature temporali, fatture. Non c'è testo libero da interpretare, nessuna telefonata da gestire, nessun documento da leggere con un formato diverso per ogni fornitore. Un sistema di gestione energetica fornisce una serie di numeri, e un'anomalia in essi -- un picco in una domenica pomeriggio, un consumo triplo rispetto a settimane comparabili -- è riconoscibile con una regola di calcolo fissa. Questo è esattamente il tipo di lavoro in cui un agente AI ottiene già oggi buoni risultati: riconoscimento di pattern su serie strutturate, in modo continuo, senza che l'attenzione diminuisca dopo la cinquantesima lettura del contatore.
Il costo dell'errore è limitato. Se l'analisi segnala un picco di consumo con un giorno di ritardo, o propone una misura di risparmio non ottimale, non ne deriva la perdita di un cliente, una multa o un'interruzione della produzione. Al massimo costa qualche euro di energia o un'opportunità di risparmio mancata che viene comunque notata la settimana successiva. Si confronti questo con un compito come il controllo qualità su un prodotto, dove un'anomalia non rilevata produce immediatamente un prodotto fuori specifica: lì i costi dell'errore sono nettamente più alti, e questo spiega perché in quel caso la supervisione viene organizzata in modo più rigoroso.
Il volume è elevato e ripetitivo. Una sede con più contatori, più fornitori e letture giornaliere o orarie produce un flusso costante di dati che non si presta a un controllo occasionale e manuale. Un facility manager che oggi svolge questo compito guarda solitamente in modo periodico a una dashboard o a una fattura; un agente può monitorare in modo continuo ed escalare verso l'alto solo ciò che esce dalla norma.
Altri tre assi relativizzano il quadro: margine di giudizio, creatività e compliance ottengono un punteggio moderato, non basso.
Segnalare un'anomalia è diverso dall'attuare una misura di risparmio. Se un picco nel consumo d'acqua indica una perdita, un guasto a un impianto, o semplicemente una squadra di pulizie che ha effettuato un turno extra, richiede qualcuno che conosca la sede. L'agente può fornire il segnale e proporre alcune spiegazioni possibili; il facility manager o il servizio tecnico determina quale misura è appropriata e quando va eseguita. Questo è lo schema adatto a questo compito: l'AI segnala e calcola, una persona valuta con una supervisione che approva o respinge motivando la decisione.
La compliance entra in gioco quando i dati di consumo vengono utilizzati per rendicontazioni verso un ente di controllo, una certificazione o un rapporto di sostenibilità. In tal caso è necessaria una responsabilità documentata su chi ha verificato le cifre prima che venissero diffuse all'esterno, anche se l'analisi sottostante è stata eseguita da un sistema.
Se questo funziona già oggi per un'azienda specifica dipende da due condizioni. I dati dei sensori devono essere disponibili: contatori intelligenti o un sistema di gestione energetica che trasmette le letture in modo continuo o a intervalli regolari. Senza questo collegamento non c'è nulla da analizzare, e si resta a una lettura manuale che qualcuno inserisce periodicamente in un foglio di calcolo. Inoltre, è utile un collegamento con la fatturazione del fornitore, in modo che un'anomalia nel consumo possa essere tradotta immediatamente in un importo, e non solo in un numero di chilowattora o metri cubi.
Le aziende con impianti più vecchi, immobili in affitto senza dati propri dei contatori, o sedi dove la fornitura delle utenze passa tramite il locatore, spesso non dispongono di queste condizioni. Lì il monitoraggio resta per il momento un lavoro umano, finché l'infrastruttura di misurazione non viene adeguata.
Ciò che cambia qui non è la scomparsa del facility management, ma lo spostamento del lavoro dalla lettura periodica al monitoraggio continuo con gestione delle eccezioni. Lo stesso movimento si osserva in altri compiti basati su dati strutturati: il calcolo del fabbisogno di materiali per ordine segue uno schema simile, dove una regola di calcolo fissa svolge la maggior parte del lavoro e una persona valuta l'eccezione. Anche nella registrazione delle merci in entrata si osserva lo stesso fenomeno: molto input strutturato, poco margine di giudizio, e una supervisione che si concentra sulle anomalie. La quantità di tempo liberato non dipende quindi dal settore, ma dal grado di strutturazione dei dati sottostanti.
Questa non è una raccomandazione per eliminare posizioni lavorative. Se uno spostamento di compiti ha conseguenze per il personale, si applicano requisiti legali specifici; non vengono trattati in questa pagina. Questa pagina descrive solo quale parte del lavoro, in base alla natura del compito, può essere ripresa da un sistema, e quale parte continua a richiedere supervisione.
Se questo vale specificamente per la sua sede dipende da quali contatori, sistemi e fornitori possiede, e da come il suo servizio facility o tecnico lavora già oggi con quei dati. La quickscan gratuita di FTE TO AI consiste in dodici domande, senza necessità di account, e fornisce un'indicazione di quale parte delle ore in un profilo come questo può essere ripresa oggi dall'AI. La scansione completa del lavoro, che mappa a livello di compito il lavoro di un'intera azienda, è ancora in fase di sviluppo.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.