Kad es runāju ar mazo uzņēmumu īpašniekiem par labākajiem AI rīkiem mazajam biznesam, viņu domas parasti uzreiz pievēršas ChatGPT, automatizētajam mārketingam vai, iespējams, AI grāmatvedim. Viņi domā par darbaspēku. Viņi domā par saturu. Reti kurš domā par fizisko siltumu, kas izdalās no viņu iekārtām, vai par ledusskapi, kurš trīs gadus darbojies par pieciem grādiem par aukstu.
Es to saucu par nematemo infrastruktūras nodokli. Tā ir klusa, nepārtraukta jūsu peļņas rādītāju pasliktināšanās, ko izraisa "neinteligentas" iekārtas, kas darbojas vakuumā. Nozaru segmentos, piemēram, mikro-ražošanā un viesmīlībā, šis nodoklis var veidot līdz pat 30% no kopējiem pamatdarbības izdevumiem. Traģēdija nav tikai izmaksās; tā ir tajā, ka lielākā daļa īpašnieku uzskata — vienīgais veids, kā to novērst, ir milzīgi kapitālieguldījumi jaunās, energoefektīvās iekārtās.
Es esmu šeit, lai pateiktu, ka tā vairs nav taisnība. Jums nav vajadzīgs jauns iekārtu parks; jums ir nepieciešams esošajām iekārtām piešķirt "nervu sistēmu". Apvienojot ar AI darbināmus IoT (lietiskā interneta) sensorus ar mašīnmācīšanās modeļiem, uzņēmumi pirmajā ceturksnī novēro enerģijas izšķērdēšanas samazināšanos par 25% — tajā pašā laikā saglabājot savu esošo aprīkojumu tieši turpat, kur tas ir.
Pāreja no statiskiem auditiem uz dinamisku inteliģenci
💡 Vai vēlaties, lai Penijs analizē jūsu biznesu? Viņa kartē, kuras lomas AI var aizstāt, un izveido pakāpenisku plānu. Sāciet savu bezmaksas izmēģinājuma versiju →
Tradicionāli mazo uzņēmumu enerģijas pārvaldība izskatījās kā "statisks audits". Dārgs konsultants reizi gadā izstaigāja jūsu telpas, apskatīja spuldzes, pārbaudīja izolāciju un iesniedza PDF failu. Līdz brīdim, kad jūs to izlasījāt, jūsu darbības paradumi jau bija mainījušies.
AI maina spēles noteikumus, ieviešot dinamisku darbības apzināšanos. Momentuzņēmuma vietā jūs saņemat "filmu". IoT sensori — mazas, lētas ierīces, kas piestiprināmas pie jūsu jaudas slēdžiem vai atrodas ledusskapjos — straumē reāllaika datus AI modelim. Šis modelis iemācās, kā jūsu uzņēmums "izskatās", kad tas elpo. Tas atpazīst atšķirību starp maksimālo ražošanas stundu mikro-alus darītavā un nejauši atstātu sildītāju noliktavas skapī.
Lai uzzinātu vairāk par to, kā šīs izmaksas uzkrājas, iesakām apskatīt mūsu uzņēmuma enerģijas izmaksu sadalījumu. Bāzes līmeņa izpratne ir pirmais solis ceļā uz šī nodokļa likvidēšanu.
Modeļu atpazīšana: Kāpēc mikro-ražotāji uzvar
Pēdējā laikā esmu veltījis daudz laika mikro-ražotāju datu analīzei. Tie ir uzņēmumi — boutique kafijas grauzdētavas, precīzās inženierijas darbnīcas, maza apjoma tekstila rūpnīcas —, kur enerģija bieži vien ir otrās lielākās izmaksas pēc algām.
Tas, ko es redzu, ir atkārtots modelis, ko es saucu par spoku kilovatu (The Ghost Kilowatt). Tas notiek, kad iekārta ir "ieslēgta", bet nav "produktīva". Ar AI darbināmi sensori identificē šīs plaisas ar nežēlīgu precizitāti.
Apskatīsim precīzās mehānikas darbnīcu, kuru nesen konsultēju. Viņiem bija sešas CNC iekārtas. Īpašnieks pieņēma, ka enerģijas rēķins ir vienkārši "uzņēmējdarbības izmaksas". Mēs uzstādījām ar AI saistītus apakšmērīšanas sensorus. Divu nedēļu laikā AI konstatēja, ka trīs dzesēšanas sistēmas nakts maiņas laikā ieslēdzās par 40% biežāk nekā nepieciešams. Iekārtas pat nedarbojās, bet "neinteligentie" termostati cīnījās ar nelielu caurvēju no slikti noslēgtas iekraušanas rampas.
Salabojot £50 vērtu blīvējumu un pielāgojot AI pārvaldīto dzesēšanas grafiku, viņi samazināja savu nakts pamata slodzi par gandrīz trešdaļu. Neviena jauna CNC iekārta nebija nepieciešama. Tā ir ražošanas enerģijas ietaupījumu būtība: runa reti ir par lielajām iekārtām; runa ir par sistēmām, kas tās atbalsta.
Viesmīlība un "noslogojuma paradokss"
Viesmīlības sektorā — viesnīcās, restorānos un bāros — izaicinājums ir vēl nepastāvīgāks, jo jūs nevarat kontrolēt savus "lietotājus" (viesus). Es redzu to, ko saucu par noslogojuma paradoksu: viesnīcas numurs vai restorāna zāle bieži patērē maksimālo enerģijas daudzumu tad, kad tie nenes nekādus ieņēmumus.
Esmu redzējis viesmīlības grupas, kas izmanto labākos AI rīkus mazajam biznesam, lai to atrisinātu, savienojot savas HVAC sistēmas ar AI iespējotiem noslogojuma sensoriem un PMS (Property Management Systems) datiem.
Tā vietā, lai telpā tiktu uzturēta nemainīga 21°C temperatūra neatkarīgi no tā, vai viesis ir reģistrējies, AI "iepriekš atdzesē" vai "iepriekš uzsilda" telpu, pamatojoties uz viesa aptuveno ierašanās laiku. Ja viesis dodas prom uz dienu, AI sajūt kustības trūkumu un pāriet "dziļās taupīšanas" režīmā.
20 numuru boutique viesnīcai šie mikropielāgojumi apgaismojumā, apkures un dzesēšanas sistēmās ne tikai summējas — tie rada kumulatīvu efektu. Esam redzējuši, ka viesmīlības uzņēmumi samazina savu oglekļa pēdu un komunālo pakalpojumu rēķinus par 20-25%, vienkārši padarot savu enerģijas patēriņu "informētu" par saviem viesiem. Uzziniet vairāk par to mūsu viesmīlības enerģijas rokasgrāmatā.
Enerģijas transformācijas 90/10 likums
Kad aplūkojat enerģiju caur AI prizmu, jums jāpiemēro tas, ko es saucu par transformācijas 90/10 likumu.
90% no jūsu enerģijas ietaupījuma radīsies, mainot to, kā jūs pārvaldāt savus pašreizējos aktīvus. Tikai 10% gadījumu ir nepieciešama to faktiskā nomaiņa. Šī ir būtiska atšķirība efektivitātei orientētam uzņēmumam. Kapitāls ir dārgs. Dati ir lēti.
Šeit ir ietvars, ko iesaku jebkuram uzņēmuma īpašniekam, kurš vēlas sākt šo ceļu:
- Apakšmērītāju audits (1. fāze): Neuzticieties savam galvenajam komunālo pakalpojumu skaitītājam. Tas pasaka "cik", bet ne "kur". Izmantojiet ar AI iespējotus apakšmērītājus (piemēram, no Hark, Dexma vai GridPoint), lai redzētu, kuras tieši ķēdes ir "rijīgākās".
- Anomāliju noteikšana (2. fāze): Ļaujiet AI darboties 30 dienas, lai izveidotu bāzes līniju. Pēc tam tas sāks jūs brīdināt par "anomālijām" — iekārtām, kas darbojas ārpus to normālā efektivitātes diapazona. Šī bieži vien ir pirmā mehānisku bojājumu pazīme, sniedzot jums "prognozējamās apkopes" bonusu.
- Autonoma vadība (3. fāze): Pārejiet no "brīdinājumiem" uz "rīcību". Šajā posmā jūs ļaujat AI tieši sazināties ar jūsu ēkas vadības sistēmu (BMS), lai reāllaikā regulētu enerģijas patēriņu, pamatojoties uz pieprasījumu, laikapstākļu modeļiem un energoresursu cenām.
Atdeve no "nekā nedarīšanas" (iekārtām)
Runāsim par skaitļiem. Esmu redzējis mazos ražotājus, kuri iztērē £5,000 AI/IoT ieviešanai un ietaupa šo summu uz samazinātām enerģijas izmaksām sešu mēnešu laikā.
Ja jūs mēģinātu sasniegt to pašu 25% ietaupījumu, nomainot savas rūpnieciskās krāsnis vai HVAC ierīces, jums būtu jārēķinās ar sešciparu kapitālieguldījumiem un piecu līdz desmit gadu atmaksāšanās periodu. Pašreizējā ekonomiskajā situācijā tas ir ne tikai neefektīvi — tas ir bīstami jūsu naudas plūsmai.
AI izmantošana enerģijas aizplūšanas novēršanai ir izcilākais "lean" gājiens. Tas ir ieguldījums inteliģencē, nevis ieguldījums metālā.
Noslēguma doma: iespēju logs aizveras
Tā kā enerģijas cenas joprojām ir nepastāvīgas un atbilstība "zaļajiem" standartiem kļūst par prasību, nevis izvēles iespēju piegādes ķēdēs, spēja demonstrēt ar AI pārvaldītu energoefektivitāti kļūst par konkurences priekšrocību.
Ja jūs joprojām uzskatāt savu enerģijas rēķinu par fiksētu izmaksu, jūs maksājat nodokli, ko jūsu gudrākie konkurenti jau ir pārstājuši maksāt. Labākie AI rīki mazajam biznesam nav atrodami tikai jūsu klēpjdatorā — tie ir jūsu jaudas slēdzī.
Sāciet tur.