AIはあなたのユーティリティに適していますか? AIに効果的にアプローチする方法

この記事は、論文「AI & Water management — What utilities need to know now」からの抜粋です。論文全文はこちらからご覧いただけます。

問題の特定

AIは、すべてを解決し、どこでも機能するだろうという感覚を染み込ませることがよくあります。また、水セクターにおけるAIの可能性について楽観的な見方は重要ですが、健全な裁量と、個々の公益事業の固有の目標と優先順位に焦点を当てて検討するのが最善です。公益事業がAIに関心を持っている場合は、AIアプリケーションについてさらに学び、解決する必要がある問題を慎重に検討することが重要であり、ベンダーが大きなAIの約束を持って組織に来たときに、それが本当に目標に沿ったソリューションであるかどうかを評価する準備ができています。

AI ソリューションのデプロイの前に、問題または機会を明確に理解し、特定の AI ソリューションの最適な潜在的なアプリケーションを評価する必要があります。

つまり、問題を探すための解決策から始めるのではなく、最初に問題を特定することから始めて、次に適切なツールに逆方向に作業します。

水道セクターには、機械学習を使用して公益事業者が問題を解決するのに役立つ多くのツールがあり、上記のアプリケーションのいくつかを強調しました。 ChatGPTをめぐる興奮が続くにつれて、水道事業部門に関連するより多くのアプリケーションが開発されるでしょう。ここでは、留意すべき考慮事項をいくつか紹介します。

データに関する考慮事項

公益事業の最大の資産の1つは、そのデータです。公益事業のデータは、非常に多様で豊富ですが、ギャップや不均一な品質でむらがあり、組織全体に分散している場合もあります。顧客データ、使用率、サービス中断データ、財務データ、気象データ、ソーシャルデータ、そしてもちろんネットワークの動作とネットワーク資産に関する多くのデータがある場合があります。問題は、これらのデータがビジネスユニット間で、特に大規模な組織でサイロ化されることが多いことです。通常、組織はビジネスユニット間でデータを完全に活用しておらず、これは多くの業界で共通の問題です。

データを資産として捉え、それを資産システムとして活用することで、意思決定と顧客体験の向上に活用できるインサイトを生み出すことで、大きなチャンスが生まれます。データがAIにフィードして駆動するエンジンになるには、データの衛生状態とデータ準備に関する重要なアクションが必要になる可能性があります。

文化的適合性と変更管理

最高のアイデアは、組織文化のダイナミクスの中で適切にネストされていない場合、ブドウの木で死ぬ可能性があり、それはAIツールの採用にも当てはまります。あらゆる種類の大きな変化、特に技術の変化は、水部門が認識し、心に留めておく必要がある変更管理の影響があります。

組織における技術変革は、組織が新しい技術が必要な理由を明確に特定して伝達せず、その成功を測定するための明確なロードマップを作成していないなど、さまざまな理由で失敗し、非常にコストがかかる可能性があります。また、変更管理が不十分な場合、特にAI対応ツールでは、従業員の自動化や雇用の排除の脅威に対する懸念が高まることがよくあります。

しかし、新しいテクノロジーは人々を撃退することができますが、人々を引き付けることもできます。公益事業者は、「シルバー津波」、人口の高齢化、退職労働者の波を受けて、そして新世代の才能がAIを仕事に望んで期待するかどうかを検討したいと思うかもしれません。

AIテクノロジーに抵抗する水道団体は、水セクターが明確に必要とする新しい才能を引き付けないリスクがありますか? 若い世代がAIを採用する組織を、AIを長く保つ他の組織よりも選択するかどうかは、まだ議論の余地があります。重要なのは、ユーティリティが新興テクノロジーの利用に関して既存および将来の従業員の両方に伝えるメッセージは考慮すべきことであるということです。

小規模なユーティリティの方が機敏かもしれません

小規模な公益事業にとってはAIの方が気が遠くなるように思えるかもしれませんが、小規模な公益事業は、大規模な組織よりも早くAIツールを採用することになると有利になる可能性があります。単に小さいという理由だけで、サイロ化されたデータが少なくなり、人員が少なくなると、組織の仕組みを左から右に簡単に把握できるため、変更管理の作業が少なくなります。

言い換えれば、大規模な公益事業は、AIツールを供給して駆動するためのデータと分析を自然に持っているかもしれませんが、実際に組織を動員して新しいテクノロジーを採用することになると、俊敏性が低下する可能性があります。小規模なユーティリティは、データのギャップがある場合でも、官僚的形式主義が少なく、望ましいテクノロジーの変更に向けて調整する人員が少ないため、これらのギャップをすばやく埋めるため、より良い立場にある可能性があります。

それにもかかわらず、あらゆる規模の公益事業は、関連するAIソリューションを選択して展開するためのオプションを模索する際に、解決したい問題と関連する考慮事項に鋭い目で、人工知能のこの新しい時代にアプローチする必要があります。