W dużej mierze tak. Śledzenie liczników prądu, gazu i wody, sygnalizowanie odchyleń oraz proponowanie środków oszczędnościowych to zadanie, które dobrze nadaje się do wykonania przez agenta AI, pod warunkiem że dane są dostępne. W przypadku lokalizacji bez inteligentnych liczników lub gdzie zużycie odczytywane jest ręcznie, odpowiedź wygląda inaczej. Ta strona wyjaśnia dlaczego, na podstawie profilu, który stosujemy do tego zadania.
Decydujące są tu trzy osie: ustrukturyzowanie, koszty błędu i wolumen.
Zużycie prądu, gazu lub wody pochodzi z systemów, które już dostarczają ustrukturyzowane dane: odczyty liczników, znaczniki czasu, faktury. Nie trzeba interpretować wolnego tekstu, prowadzić rozmowy telefonicznej, czytać dokumentu, który u każdego dostawcy jest inaczej sformatowany. System zarządzania energią dostarcza szereg liczb, a odchylenie w nim -- szczyt w niedzielne popołudnie, zużycie trzy razy wyższe niż w porównywalnych tygodniach -- można rozpoznać za pomocą ustalonej reguły obliczeniowej. To właśnie ten rodzaj pracy, w którym agent AI już dziś sprawdza się dobrze: rozpoznawanie wzorców na ustrukturyzowanych ciągach danych, w sposób ciągły, bez spadku uwagi po pięćdziesiątym odczycie licznika.
Koszty błędu są ograniczone. Jeśli analiza zasygnalizuje szczyt zużycia z jednodniowym opóźnieniem, albo zaproponuje rozwiązanie oszczędnościowe, które nie jest optymalne, nie kosztuje to klienta, nie skutkuje karą i nie zatrzymuje produkcji. Kosztuje to co najwyżej kilka euro na energii lub przegapioną szansę na oszczędność, która zostanie i tak zauważona tydzień później. Porównajmy to z zadaniem takim jak kontrola jakości produktu, gdzie przeoczone odchylenie natychmiast skutkuje produktem niezgodnym ze specyfikacją: tam koszty błędu są zasadniczo wyższe, co wyjaśnia, dlaczego nadzór jest tam zorganizowany bardziej rygorystycznie.
Wolumen jest wysoki i powtarzalny. Lokalizacja z wieloma licznikami, wieloma dostawcami oraz dziennymi lub godzinowymi odczytami generuje stały strumień danych, który nie nadaje się do sporadycznej, ręcznej kontroli. Kierownik obiektu, który zajmuje się tym obecnie, zazwyczaj okresowo sprawdza dashboard lub faktury; agent może monitorować w sposób ciągły i eskalować wyłącznie to, co wykracza poza normę.
Trzy inne osie relatywizują ten obraz: przestrzeń oceny, kreatywność i zgodność z przepisami uzyskują wynik umiarkowany, nie niski.
Zasygnalizowanie odchylenia to coś innego niż wdrożenie środka oszczędnościowego. Czy skok w zużyciu wody wskazuje na wyciek, usterkę w instalacji, czy po prostu ekipę sprzątającą, która pracowała w dodatkowej zmianie, wymaga kogoś, kto znajdzie się w lokalizacji. Agent może dać sygnał i przedstawić kilka możliwych wyjaśnień; kierownik obiektu lub dział techniczny decyduje, jaki środek jest odpowiedni i kiedy zostanie wdrożony. To jest wzorzec, który odpowiada temu zadaniu: AI sygnalizuje i przelicza, człowiek ocenia w ramach nadzoru, który zatwierdza lub odrzuca z podaniem powodu.
Zgodność z przepisami staje się istotna w momencie, gdy dane o zużyciu są wykorzystywane do raportowania organowi nadzoru, w ramach certyfikacji lub w raporcie zrównoważonego rozwoju. Wtedy potrzebna jest ustalona odpowiedzialność za to, kto sprawdził dane przed ich udostępnieniem na zewnątrz, nawet jeśli sama analiza została wykonana przez system.
Czy to działa już dziś w konkretnej firmie, zależy od dwóch warunków wstępnych. Dane z czujników muszą być dostępne: inteligentne liczniki lub system zarządzania energią, który przekazuje odczyty w sposób ciągły lub w regularnych odstępach. Bez takiego połączenia nie ma nic do analizy i pozostaje ręczny odczyt, który ktoś okresowo wpisuje do arkusza kalkulacyjnego. Ponadto przydatne jest połączenie z fakturowaniem dostawcy, tak aby odchylenie w zużyciu można było natychmiast przeliczyć na kwotę, a nie tylko na liczbę kilowatogodzin czy metrów sześciennych.
Firmy ze starszymi instalacjami, wynajmowanymi budynkami bez własnych danych licznikowych lub lokalizacjami, gdzie media są rozliczane przez wynajmującego, często nie spełniają tych warunków wstępnych. Tam monitorowanie na razie pozostaje pracą ludzką, do czasu dostosowania infrastruktury pomiarowej.
Co się tu zmienia, to nie zniknięcie zarządzania obiektem, lecz przesunięcie pracy z okresowego odczytu w kierunku ciągłego monitorowania z obsługą wyjątków. Ten sam ruch widać przy innych zadaniach opierających się na ustrukturyzowanych danych: obliczanie potrzeby materiałowej na zamówienie przebiega według podobnego wzorca, w którym ustalona reguła obliczeniowa wykonuje większość pracy, a człowiek ocenia wyjątek. Widać to również przy rejestrowaniu przychodzących towarów: dużo ustrukturyzowanych danych wejściowych, mało przestrzeni oceny, a nadzór skoncentrowany na odchyleniach. Ilość uwolnionego czasu zależy więc nie od branży, lecz od tego, jak ustrukturyzowane są już dane źródłowe.
To nie jest zalecenie likwidacji stanowisk. Jeśli przesunięcie zadań ma konsekwencje dla personelu, obowiązują wtedy odrębne wymogi prawne; te nie są tu omawiane. Ta strona opisuje wyłącznie to, jaka część pracy, na podstawie charakteru zadania, może zostać przejęta przez system, i jaka część wciąż wymaga nadzoru.
Czy to dotyczy konkretnie danej lokalizacji, zależy od tego, jakie liczniki, systemy i dostawców się posiada, oraz od tego, jak dział obiektowy lub techniczny już teraz pracuje z tymi danymi. Bezpłatny quickscan FTE TO AI składa się z dwunastu pytań, bez konieczności posiadania konta, i daje wskazanie, jaka część godzin w profilu takim jak ten może już dziś zostać przejęta przez AI. Pełny werkscan, który mapuje pracę całej firmy na poziomie zadań, jest wciąż w budowie.
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.