Agrarinis sektorius turi struktūrą, kokios turi nedaug kitų sektorių: individualus ūkis, kooperatyvas ar realizacijos organizacija, technikos ar sėklų tiekėjas, ir dažnai perdirbėjas ar mažmenininkas, kuris kelia reikalavimus tam, kas vyksta ūkyje. AI sprendimai atkeliauja ne tik iš vidaus. Didelė dalis jų ateina kartu su trečiųjų šalių įranga, sensoriais ar programine įranga. Taigi, atsakingas už valdymą asmuo turi žiūrėti ne tik į tai, ką įsigyja paties verslas, bet ir į tai, kas ateina per technikas, konsultavimo paslaugas ir tiekimo grandinės partnerius. Šis santykis — savi sprendimai lyginant su kartu pristatytomis sistemomis — yra didesnis nei sektoriuose, kur IT centralizuotai perkama.
Agrariniame sektoriuje AI naudojama įvairioms užduotims: vaizdo atpažinimui vertinant augalus, derliaus ar ligų rizikos prognozavimui, pašarų ir klimato sistemų valdymui, ir subsidijų prašymų ar tiekimo grandinės ataskaitų administraciniam apdorojimui. Kai kurie iš šių sprendimų yra fiksuotai įmontuoti į technikas ir vos atskiriami nuo aparatinės įrangos. Kiti yra pavieniai įrankiai, kuriuos augalininkystės konsultantas, pirkimų vadybininkas ar ūkio vadovas ėmė naudoti savarankiškai, dažnai niekur to neužfiksavus. Taigi valdymas turi apžvelgti du AI tipus: sistemas, atkeliavusias su technika, ir sistemas, kurias žmonės ėmė naudoti savarankiškai.
Daugelyje agrarinių ūkių ir kooperatyvų nėra centrinio IT padalinio, kuris valdytų visą programinę įrangą. Technikos, konsultavimo paslaugų ir duomenų įrankių pirkimas dažnai vyksta pagal verslo padalinį arba pagal konkretų asmenį. Tai reiškia, kad inventorizacija, kuri prasideda tik nuo IT ar pirkimų skyriaus, praleidžia didelę dalį to, kas iš tikrųjų naudojama. Augalininkystės konsultantas, naudojantis AI įrankį ligų požymiams atpažinti, arba planuotojas, kuris konsultuojasi su pokalbių robotu logistikos sprendimams, dažniausiai tai daro savo iniciatyva. Norint tai pastebėti, reikia daugiau nei paprašyti sąrašo: reikia klausti žmonių, kurie atlieka darbą, tokiu būdu, kuris nesijaustų kaip kontrolė. Kaip tai veikia praktikoje, aprašyta puslapyje apie kaip išvengti, kad darbuotojai naudotų įrankį, kurio niekas nepatvirtino. Kita rizika, kuri šiame sektoriuje dažnai sutampa su AI naudojimu, yra jautrių verslo duomenų, tokių kaip derliaus rodikliai ar sutarčių sąlygos, pasidalijimas viešame pokalbių lange; kaip su tuo susitvarkyti, aprašyta puslapyje apie kaip išvengti, kad verslo duomenys atsidurtų nemokamame pokalbių lange.
AI sprendimas, vertinantis augalo ligą, turi kitokį poveikį nei įrankis, kuris parašo laiško tiekėjui juodraštį. Pirmasis įtakoja operatyvinį sprendimą, galintį turėti finansinių ir kartais maisto saugos pasekmių; antrasis yra tik administracinė pagalba. Valdymas šiame sektoriuje reikalauja klasifikacijos, kuri atskiria sistemas, susijusias su sprendimais apie gyvūnus, augalus ar saugumą, nuo sistemų, kurios tik palaiko tekstą ar planavimą. Šis skirstymas nustato, koks priežiūros ir dokumentacijos lygis reikalingas, ir ar sprendimas patenka pagal griežtesnes taisykles. Tikslus taisyklių turinys ir su tuo susiję terminai nėra šio puslapio tema; jie stebimi kitur. Čia svarbu pats mechanizmas: žinoti, kas veikia, žinoti, kokį vaidmenį tai atlieka, ir tai įrodomai pagrįsti.
Agrarinis sektorius su kitais sektoriais turi bendrą tai, kad AI plinta per individualų naudojimą, o ne per centralizuotą sprendimą. Šis modelis pastebimas ir tame, kaip IT sektorius sprendžia AI valdymą, kur pavieniai kūrimo įrankiai plinta lygiai taip pat greitai, kaip konsultavimo įrankiai ūkyje. Skirtumas slypi priklausomybėje nuo fizinės įrangos ir tiekimo grandinės reikalavimų: kai finansinių paslaugų sektorius daugiausia susiduria su modeliais programinėje įrangoje, o energetikos sektorius su tinklų ir įrenginių valdymu, agrarinis sektorius abu šiuos aspektus sujungia: AI, įmontuotą į technikas, ir AI, naudojamą atskirai administravimui ar konsultavimui. Taigi valdymas turi apimti tiek technikos tiekėją, tiek naudotoją darbo vietoje.
Vadovui ar kooperatyvo valdybai, kuri turi atsiskaityti už AI naudojimą, reikia kažko, kuo galima remtis: nuolat atnaujinamos inventorizacijos, pritaikytos klasifikacijos ir apžvalgos, kas kokį sprendimą naudoja ir kokiam tikslui. Neturint tokios apžvalgos, kiekvienas pareiškimas apie AI naudojimą yra tik įvertinimas. Turint valdymo priemonių rinkinį, kuris atitinka esamą verslo ar kooperatyvo rizikos struktūrą, tokia ataskaita tampa nuolatinio atnaujinimo, o ne vėlesnio atkūrimo klausimu.
Kai tampa aišku, kokie AI sprendimai egzistuoja ir kokį vaidmenį jie atlieka, natūraliai kyla kitas klausimas: kokią dalį darbo, kuris dabar dar atliekamas rankiniu būdu, iš tikrųjų galėtų perimti AI. FTE TO AI darbo skanavimo priemonė tai apskaičiuoja pagal kiekvieną užduotį, remdamasi tuo, ką darbas iš tikrųjų apima, ir parodo, kokia jo dalis tinkama automatizavimui.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.