אם אתם מנהלים את הפעילות בחברת אנרגיה או שירותים, אתם כבר יודעים את הלחץ. תשתית הרשת נמצאת תחת לחץ רב יותר מאי פעם, הביקוש הגובר ממרכזי נתונים מבוססי בינה מלאכותית (AI) גורם ללחץ על הקיבולת בעוד שתוכניות מודרניזציה מתקשות לעמוד בקצב. דרישות הרגולציה ודיכוי פליטות הקרבון הולכות ומתהדקות, כאשר חובות הדיווח הסביבתיות, החברתיות והממשלתיות (ESG) מתרחבות על פני רשתות החשמל, הגז והמים. ובאיזשהו מקום באמצע כל זה, הצוותים שלכם עדיין מתאימים ידנית נתונים בין מערכות תפעוליות וארגוניות שאינן קשורות זו לזו.

מערכות אלו נועדו לתעד את מה שקרה, לא לפעול על סמך מה שקורה עכשיו. זהו הפער ש-SAP Autonomous Enterprise בנוי לסגור.

הלחץ שעומד בפני חברות התשתיות כיום

מגזר השירותים מתמודד עם התכנסות לחצים שלא דומה לאף עשור קודם. המעבר האנרגטי מאיץ את פריסת משאבי אנרגיה מבוזרים (DER) - אנרגיה סולארית, אחסון, כלי רכב חשמליים (EV) - ברשתות שנבנו עבור עידן אחר. הוראת הדיווח על קיימות תאגידית (CSRD) ומסגרות מקבילות דורשות מחברות שירות לעקוב בו זמנית אחר פליטות במערכות תפעוליות ופיננסיות. החשיפה לאבטחת סייבר בתשתיות רשת חכמה גוברת לצד הקישוריות המאפשרת מודרניזציה. ופער מיומנויות הולך וגדל מקשה על ביצוע שינוי בקצב שהשוק דורש.

על פי מחקר של Oxford Economics שהוזמן על ידי SAP, חברות שירות משקיעות בכוונה תחילה, ומוציאות כיום בממוצע 29 מיליון דולר על בינה מלאכותית - ומדווחות על תשואה ממוצעת על ההשקעה (ROI) של 15%, כאשר מנהיגים צופים שנתון זה יעלה ל-29% תוך שנתיים. המחקר, המבוסס על סקר עולמי שנערך בקרב 106 מנהלים בכירים בתחומי האנרגיה והתשתיות, מצא כי תשעה מתוך עשרה מדווחים על שיפורים במהירות האספקה, במעורבות הלקוחות ובחדשנות כתוצאה מפריסות בינה מלאכותית קיימות. השיפורים הבולטים ביותר הם בתובנות ובקבלת החלטות, שם 44% מהנשאלים מדווחים על שיפור משמעותי.

מה המשמעות של "ארגון אוטונומי" בעצם?

המונח נמצא בשימוש נרחב בתעשייה - וכדאי לדייק לגבי מה הוא עושה ומה לא. עסק אוטונומי אינו עוסק בהוצאת אנשים מהחלטות עסקיות. זה עניין של שינוי במה שאנשים מבלים את זמנם.

קחו בחשבון מה קורה בפעילות שירותים קונבנציונלית כאשר אירוע מזג אוויר גדול גורם להפסקות חשמל נרחבות. רכזי שטח מקבלים זימון. צוותי שירות הלקוחות מוצפים. מהנדסים שולפים רשומות היסטוריות של נכסים ממערכת אחת, טופולוגיית רשת מאחרת והיסטוריית הזמנות עבודה ממערכת שלישית. עד שנוצרת תמונה קוהרנטית של שיקום, חלפו השעות והתקשורת עם הלקוחות כבר מפגרת. בארגון אוטונומי, סוכני בינה מלאכותית מזהים את האירוע, מבצעים הפניות מצליבות בין נתוני מצב הנכסים לזמינות הצוות בזמן אמת, מתעדפים את רצף השיקום, מפעילים תקשורת עם הלקוחות באופן אוטומטי ומציגים המלצות למרכז התפעול - והכל לפני הגשת הדוח הידני הראשון.

כפי ש- SAP מתארת זאת: אנשים קובעים את הכיוון. בינה מלאכותית מבצעת. זה לא קונספט עתידני. זהו שינוי מבני באופן שבו תוכנה ארגונית מתוכננת - ויש לו השלכות ספציפיות על חברות שירות המנהלות פעולות בתחומי ה-"מדד למזומן", ניהול ביצועי נכסים, תכנון רשת, דיווח קיימות, מעורבות לקוחות וניהול משאבי אנרגיה מבוזרים.

מדוע Utilities מתאים במיוחד לבינה מלאכותית של סוכנים

פעולות שירות הן, בליבתן, עתירות נכסים, מפוקחות בכבדות ורציפות נתונים. חיישנים, מדי חשמל, צמתי רשת וצוותי שטח מייצרים אותות בנפח ובמהירות שאף צוות אנושי לא יכול לפעול עליהם באופן ידני. שילוב זה הופך את חברות השירות למתאימות במיוחד לסוג של אופטימיזציה רציפה, מונעת על ידי בינה מלאכותית, שמאפשר הארגון האוטונומי.

שקלו היכן סוכנים אוטונומיים יכולים להשפיע ישירות על התוצאות:

• ביצועי נכסים ותחזוקה חזויה: סוכנים עוקבים אחר אותות ציוד, חוזים הסתברות לכשל ומפעילים הזמנות תחזוקה באופן אוטומטי - תוך מעבר מתיקון תגובתי לתחזוקה פרואקטיבית.
• עיבוד ממד למזומן: סוכנים מטפלים בקריאת מונה, נתוני סדרות זמן ופתרון חריגים בחיוב באופן אוטונומי - תוך קיצור זמן המחזור והפחתת עבודות חוזרות ידניות.
• תגובה להפסקות חשמל ואירועי רשת: סוכנים מחברים אירועי רשת עם רישומי לקוחות, לוחות זמנים של צוותים ותבניות תקשורת כדי לתאם שיקום ללא תזמור ידני.
• דיווח קיימות ו-ESG: סוכנים אוספים נתוני פליטות, ממפים פעילויות לדרישות CSRD ומנסחים דוחות תאימות - מחליפים שבועות של הרכבה ידנית בתהליך רציף וניתן לביקורת.
• מעורבות לקוחות ושירות עצמי: סוכני בינה מלאכותית פותרים שאילתות צריכה, שאלות חיוב ובקשות שירות בערוצים דיגיטליים - תוך הפחתת עלות השירות תוך שיפור מהירות הפתרון.

כל אחד מאלה מהווה נקודת כאב של ממש עבור מנהלי תפעול, מנהלי נכסים ומובילי קיימות בקרב מפעילי רשתות ושירותים משולבים. המטרה אינה אוטומציה לשמה - אלא שחרור אנשים מנוסים מעבודה שגרתית בנפח גבוה כדי שיוכלו להתמקד בהחלטות הדורשות שיקול דעת אנושי.

מה מייחד את זה מגישות קודמות של בינה מלאכותית?

רוב ארגוני השירותים כבר הטמיעו בינה מלאכותית בצורה כלשהי, מודל תחזוקה חזויה כאן, כלי חיזוי ביקוש שם, צ'אטבוט המטפל בפניות לקוחות מהשורה הראשונה. התסכול המתמשך: כלים אלה משפרים פינה אחת של המבצע תוך שהם משאירים את התמונה הגדולה ללא שינוי. הם מבצעים אופטימיזציה בממגורות.

הארגון האוטונומי של SAP בנוי על שלושה יסודות החשובים לפריסה בקנה מידה ארגוני:

ראשית, ידע מעמיק בתהליכים ובתעשייה. SAP מקודדת למעלה מ-50 שנות ניסיון בבינה מלאכותית, כולל זרימות עבודה רלוונטיות לתשתיות בייצור, לוגיסטיקה, תפעול נכסים וניהול לקוחות. משמעות הדבר היא שסוכנים לא רק קוראים את הנתונים שלכם; הם חושבים בהקשר של איך העסק שלכם מתנהל בפועל.

שנית, נתונים עסקיים עשירים מבחינה סמנטית. במקום להתחבר לנתונים לאחר מעשה, SAP Business AI בנוי על מודל סמנטי כלל-סוויטה המכסה יותר מ-7.3 מיליון שדות נתונים. סוכנים יכולים לראות את הקשר בין שיבוש אצל ספק, הזמנת לקוח פתוחה, לוח זמנים לייצור ומצב פיננסי, בו זמנית.

שלישית, משילות ברמת ארגון. כל פעולה של בינה מלאכותית ניתנת לביקורת ומעקב. עבור חברות מוצרי טחנה הפועלות תחת דרישות רגולטוריות ודיווח ESG מחמירות יותר ויותר, זה לא אופציונלי, זה בסיסי.

תוצאות אמיתיות מחברות שירות

המעבר לפעילות אוטונומית כבר בעיצומו. חברות בתחום התשתיות מדגימות מה אפשרי:

רשתות החשמל של דרום אפריקה (אוסטרליה)

SA Power Networks, מפעילת רשת חלוקת החשמל המשרתת את דרום אוסטרליה, יישמה מגוון פתרונות SAP AI כדי לחולל מהפכה בניהול התשתיות ובפעילות השטח. באמצעות ניתוח בסיוע בינה מלאכותית של נתוני מצב היסטוריים של הנכס, החברה השיגה שיעור הצלחה של 99% בזיהוי עמודי חשמל שאינם צפויים להיתקל בקורוזיה, מה שאפשר תחזוקה ממוקדת במקום תוכניות בדיקה גורפות. התוצאה: חיסכון של יותר ממיליון דולר אוסטרלי (600,000 דולר) מדי שנה בבדיקות עמודים שעברו חלודה, כאשר 50 שנות היסטוריית נכסים נגישות כעת לטכנאי שטח באמצעות שאילתה פשוטה.

סנטריקה בע"מ (בריטניה)

Centrica מנהלת ייצור חשמל, אחסון אנרגיה, פעולות מסחר ומיליוני חשבונות לקוחות ביותר מ-1,500 יישומים ו-20 אגמי נתונים - סביבה שבה נתונים מנותקים עלולים להאט החלטות בנוגע למסחר, הקצאת הון ותמחור לקוחות. בעזרת בסיס נתונים מנוטרל ו-SAP Business AI, החברה מפחיתה את הצורך בהתאמה ידנית כך שצוותים יוכלו להתמקד בתחזיות חזויות, תכנון תרחישים, מידול נתונים וקבלת החלטות תפעוליות טובה יותר. חשוב לציין, היוזמה מייצגת עיצוב מחדש מהותי של אופן ניהול עסקיה של Centrica. הערך הצפוי כולל הפחתה של 6,400 שעות ביום באיסוף נתונים ידני, הפחתה פי 10 במאמץ הידני הכולל ו-800 שווה ערך למשרה מלאה (FTE) המתמקדים מחדש בפעילויות פירוש נתונים בעלות ערך גבוה במקום בהרכבת נתונים. מיליוני רשומות כבר לא צריכים להיות משוכפלים על פני אגמי נתונים.

Elektrizitätswerk des Kantons Schaffhausen (גרמניה)

Elektrizitätswerk des Kantons Schaffhausen (EKS), כלי שירות התומך בשוויץ וגרמניה, בנתה מסייע דואר GenAI על פתרונות SAP. עוזר הבינה המלאכותית מסווג אוטומטית אימיילים נכנסים לפי דחיפות, סנטימנט וסוג, מייצר הצעות תשובה מבוססות הקשר באמצעות נתוני צריכה בזמן אמת, ומאחזר מקרים דומים מהעבר. התוצאות:

• דיוק של 95% בתחזית הביקוש, המאפשר חיוב מדויק ורכישת אנרגיה אופטימלית
• זמני תגובה מהירים יותר של לקוחות ב-60 עד 70%, עם הצעות תגובה שנוצרות על ידי בינה מלאכותית המפחיתות את הטיפול מדקות לשניות.
• שקיפות רבה יותר עבור 44,000 משקי בית באמצעות תובנות צריכה ברורות יותר ומבוססות נתונים

מאיפה להתחיל

עבור מנהיגים עסקיים המעריכים את הארגון האוטונומי בפועל, השאלה החשובה ביותר אינה 'כמה בינה מלאכותית עלינו להשתמש?' אלא 'היכן בשרשרת הערך שלנו הפער בין האות לפעולה עולה לנו הכי הרבה?'

ייתכן שזהו העיכוב בין אות מצב הנכס להחלטת תחזוקה - וזמן ההשבתה הלא מתוכנן שמצטבר בין לבין. ייתכן שמדובר בשבועות של עבודה ידנית הנדרשים כדי להפיק דוח ESG יחיד. ייתכן שזה הזמן שבין קריאת המונה לבין חשבונית מדויקת של הלקוח.

SAP Cloud ERP ו-SAP Autonomous Suite נועדו לסייע לחברות שירות לזהות פערים אלה ולטפל בהם באופן שיטתי - לא באמצעות פתרונות נקודתיים מבודדים, אלא באמצעות גישה משולבת המגדילה את הערך על פני כל הפעילות. הפתרונות של SAP לתעשיית התשתיות מכסים את שרשרת הערך המלאה ממד לצריכה במזומן ומנכס לתובנה, ו-SAP Autonomous Suite מרחיבה כיסוי זה עם ביצוע סוכני, בינה בזמן אמת וממשל מובנה בקנה מידה ארגוני.

תעשיית השירותים תמיד הוגדרה על ידי יכולתה להפעיל תשתיות מורכבות וקריטיות לבטיחות באופן אמין בתנאים שאין לה שליטה מלאה עליהם. הגל הבא של יתרון תחרותי ורגולטורי שייך לחברות שיכולות לעשות את אותו הדבר - באופן חכם, אוטונומי ובקנה מידה גדול.