Hoe maken maritieme organisaties voorspellende inzichten écht schaalbaar? (Hint: start níet met AI!)
De maritieme sector is enorm in beweging. De brandstofkosten stijgen, connectiviteit op de schepen is een uitdaging en regelgeving wordt aangescherpt op allerlei gebieden (van cybersecurity tot CO2-uitstoot). Voorspellende inzichten zijn relevanter dan ooit. En daarbij grijpt menig organisatie graag naar de ‘nieuwkomer’ die elke sector nu ingrijpend transformeert: AI.
Begrijpelijk, want als maritieme organisatie kun je hier ook veel voordeel mee behalen binnen je logistieke en productieprocessen. Maar laten we even een stapje terug doen. Want is jouw organisatie eigenlijk wel klaar voor het inzetten van AI?
Waar moet je aan denken bij ‘voorspellende inzichten’?
De mogelijkheden zijn enorm breed. We zetten enkele voorbeelden op een rij:
- Voorspellen van aankomsttijden
Wanneer komt iets binnen en wanneer gaat het weer eruit? Wanneer je dat weet, breng je wachttijden (drastisch) terug.
- Dynamische capaciteitsplanning
Hoeveel mensen of vrachtwagens heb je nodig om een lading te vervoeren? Een accurate voorspelling van inkomende en uitgaande hoeveelheden zorgt dat je de juiste capaciteit van resources tot je beschikking hebt.
- Besparen op brandstof
Kun je routes zó inplannen dat je minder brandstof verbruikt? Of kun je andere middelen inzetten? Met goede voorspellingen bespaar je op brandstof. En daardoor realiseer je ook een kostenbesparing.
- CO2-uitstoot reduceren en route optimaliseren
Wat is je CO2-uitstoot op een bepaalde transportroute? Wat kun je doen om deze te reduceren op basis van wat je onderweg allemaal tegenkomt? Met voorspellende inzichten bepaal je de optimale route met minimale CO2-uitstoot.
Driestappenplan: cloudstrategie, data, AI
Vóórdat je dit soort voorspellende inzichten schaalbaar kunt maken, dien je de basis op orde te hebben. Deze bestaat allereerst uit een goed cloudfundament. Van werkstation tot IoT: je wilt alles wat je hebt, gekoppeld hebben in de cloud. Van daaruit kun je het namelijk goed beveiligen en monitoren. En gaat er iets ‘stuk’, dan kun je automatisch acties uitvoeren om dit te herstellen.
Belangrijk om te weten: een cloudbasis alléén volstaat niet. Het is ook cruciaal om een goed overzicht te hebben van je data. Het creëren daarvan is dus de tweede stap die je dient te nemen. Want hoe kun je anders alle binnenkomende informatie (zoals handleidingen, systeeminformatie en signalen uit sensoren) orkestreren?
Pas wanneer je de cloud hebt ingericht en je data op orde hebt, kun je veilig aan het experimenteren slaan met AI. (Veel organisaties denken dat ze hiermee moeten starten, maar dit is dus eigenlijk de derde stap!)
Snel starten met AI? Bouw parallel
Voordat je ontmoedigd raakt: we raden je niet aan om te wachten totdat alles perfect is!
Ja: een solide cloudstrategie is hét fundament dat je nodig hebt. Maar zo’n strategie is het meest efficiënt wanneer je AI erin verwerkt.
Ons advies: start tijdens het bouwen van je cloudfundament óók met kleine AI-pilots. Haal use cases voor AI op in je organisaties, zodat je hier parallel mee aan de slag kunt gaan. Het is slim om daarbij niet AI als uitgangspunt te nemen. Vraag liever door op de knelpunten en de kosten. Zodra je deze in kaart hebt, kun je bepalen welke AI-experimenten concreet voor verbetering kunnen zorgen. Op deze use cases draai je pilots.
Wanneer je ziet dat een pilot succesvol is, ben je alweer een stuk verder met de cloud en kun je direct gaan schalen.
Ondersteuning en begeleiding nodig bij het nemen van de drie stappen? Wij helpen je er graag bij. Bijvoorbeeld via een Data Governance Assessment, het vormgeven en implementeren van een cloudstrategie of een AI Envisioning.