Kiedy rozmawiam z właścicielami małych firm o najlepszych narzędziach AI dla małych firm, ich myśli zazwyczaj kierują się prosto ku ChatGPT, zautomatyzowanemu marketingowi lub ewentualnie księgowemu AI. Myślą o sile roboczej. Myślą o treściach. Rzadko kiedy myślą o fizycznym cieple emitowanym przez ich maszyny lub o chłodni przemysłowej, która od trzech lat pracuje w temperaturze o pięć stopni za niskiej.
Nazywam to Niewidzialnym Podatkiem od Infrastruktury. Jest to cichy, ciągły drenaż marży spowodowany przez „nieinteligentny” sprzęt pracujący w próżni informacyjnej. W sektorach takich jak mikro-produkcja i branża hotelarsko-gastronomiczna podatek ten może stanowić nawet 30% całkowitych wydatków operacyjnych. Tragedią nie jest tylko sam koszt; jest nią fakt, że większość właścicieli wierzy, iż jedynym sposobem na naprawę tej sytuacji jest ogromna inwestycja kapitałowa w fabrycznie nowy, energooszczędny sprzęt.
Jestem tutaj, aby powiedzieć Państwu, że nie jest to już prawdą. Nie potrzebują Państwo nowej floty maszyn; muszą Państwo wyposażyć te istniejące w układ nerwowy. Dzięki połączeniu czujników IoT (Internetu Rzeczy) opartych na AI z modelami uczenia maszynowego, firmy odnotowują 25% redukcję marnotrawstwa energii już w pierwszym kwartale – a wszystko to przy zachowaniu dotychczasowego wyposażenia.
Przejście od audytów statycznych do dynamicznej inteligencji
💡 Chcesz, żeby Penny przeanalizowała Twój biznes? Planuje, jakie role może zastąpić sztuczna inteligencja, i tworzy plan etapowy. Rozpocznij bezpłatny okres próbny →
Tradycyjnie zarządzanie energią w małej firmie przypominało „audyt statyczny”. Drogi konsultant odwiedzał zakład raz w roku, przyglądał się żarówkom, sprawdzał izolację i wręczał raport w formacie PDF. Zanim zdążyli go Państwo przeczytać, wzorce operacyjne zdążyły już ulec zmianie.
AI zmienia zasady gry, wprowadzając Dynamiczną Świadomość Operacyjną. Zamiast statycznego ujęcia, otrzymują Państwo film. Czujniki IoT – niewielkie, niedrogie urządzenia montowane na wyłącznikach automatycznych lub umieszczane wewnątrz lodówek – przesyłają dane w czasie rzeczywistym do modelu AI. Model ten uczy się, jak „oddycha” Państwa firma. Rozpoznaje różnicę między godziną szczytowej produkcji w mikrobrowarze a przypadkowo pozostawionym grzejnikiem w magazynie.
Aby dowiedzieć się więcej o tym, jak te koszty się kumulują, warto zapoznać się z naszym zestawieniem kosztów energii w biznesie. Zrozumienie punktu wyjścia jest pierwszym krokiem do likwidacji wspomnianego podatku.
Dopasowywanie wzorców: Dlaczego mikro-producenci wygrywają
Spędziłem ostatnio dużo czasu analizując dane pochodzące od mikro-producentów. Są to firmy – butikowe palarnie kawy, warsztaty inżynierii precyzyjnej, zakłady tekstylne o małej skali produkcji – w których energia jest często drugim co do wielkości kosztem po listach płac.
To, co obserwuję, to powtarzający się schemat, który nazywam Kilowatem-widmo. Występuje on wtedy, gdy sprzęt jest „włączony”, ale nie jest „produktywny”. Czujniki napędzane przez AI identyfikują te luki z bezlitosną precyzją.
Weźmy przykład warsztatu mechaniki precyzyjnej, któremu ostatnio doradzałem. Posiadali sześć maszyn CNC. Właściciel zakładał, że rachunek za energię to po prostu „koszt prowadzenia działalności”. Zainstalowaliśmy czujniki podlicznikowe połączone z AI. W ciągu dwóch tygodni AI zasygnalizowała, że trzy systemy chłodzenia uruchamiały się o 40% częściej niż było to konieczne podczas nocnej zmiany. Maszyny nawet nie pracowały, ale „nieinteligentne” termostaty walczyły z lekkim przeciągiem z nieszczelnej rampy załadunkowej.
Dzięki naprawie uszczelki za £50 i dostosowaniu harmonogramu chłodzenia zarządzanego przez AI, ograniczyli oni nocne obciążenie podstawowe o prawie jedną trzecią. Nie wymagało to zakupu nowych maszyn CNC. To jest sedno oszczędności energii w produkcji: rzadko chodzi o wielkie maszyny; chodzi o systemy, które je wspierają.
Hotelarstwo i „Paradoks Obłożenia”
W sektorze hotelarsko-gastronomicznym – hotelach, restauracjach i barach – wyzwanie jest jeszcze większe, ponieważ nie mają Państwo kontroli nad „użytkownikami” (gośćmi). Obserwuję tam zjawisko, które nazywam Paradoksem Obłożenia: pokój hotelowy lub sala restauracyjna często zużywają maksymalną ilość energii w momencie, gdy generują zerowy przychód.
Widziałem grupy z branży hospitality wykorzystujące najlepsze narzędzia AI dla małych firm, aby rozwiązać ten problem poprzez połączenie systemów HVAC z czujnikami obecności opartymi na AI oraz danymi z systemów PMS (Property Management Systems).
Zamiast utrzymywać stałą temperaturę 21°C w pokoju bez względu na to, czy gość się zameldował, AI „wstępnie chłodzi” lub „wstępnie nagrzewa” pomieszczenie w oparciu o szacowany czas przyjazdu gościa. Jeśli gość wychodzi na miasto, AI wykrywa brak ruchu i przechodzi w tryb „głębokiego oszczędzania”.
W przypadku 20-pokojowego hotelu butikowego, te mikro-korekty w oświetleniu, ogrzewaniu i chłodnictwie nie tylko sumują się – one się potęgują. Widzieliśmy firmy z branży hotelarskiej, które obniżyły swój ślad węglowy i rachunki za media o 20-25% tylko dzięki temu, że ich energia stała się „świadoma” obecności gości. Dowiedz się więcej na ten temat w naszym przewodniku po energii w hotelarstwie.
Zasada 90/10 w transformacji energetycznej
Podchodząc do energii przez pryzmat AI, należy zastosować to, co nazywam Zasadą 90/10 w Transformacji.
90% oszczędności energii będzie pochodzić ze zmiany sposobu zarządzania obecnymi aktywami. Tylko 10% wymaga ich faktycznej wymiany. Jest to kluczowe rozróżnienie dla firmy działającej w modelu lean. Kapitał jest drogi. Dane są tanie.
Oto ramy, które polecam każdemu właścicielowi firmy chcącemu rozpocząć tę drogę:
- Audyt podlicznikowy (Faza 1): Nie należy ufać głównemu licznikowi energii. On mówi „co”, ale nie mówi „gdzie”. Proszę skorzystać z podliczników z obsługą AI (takich jak te od Hark, Dexma czy GridPoint), aby zobaczyć, które obwody są najbardziej energochłonne.
- Wykrywanie anomalii (Faza 2): Należy pozwolić AI pracować przez 30 dni, aby ustalić punkt odniesienia. Następnie system zacznie alarmować o „anomaliach” – sprzęcie działającym poza normalnym zakresem wydajności. Często jest to pierwszy sygnał awarii mechanicznej, co daje dodatkową korzyść w postaci „konserwacji predykcyjnej”.
- Autonomiczna kontrola (Faza 3): Przejście od „alertów” do „działań”. To etap, w którym pozwalają Państwo AI na bezpośrednią interakcję z systemem zarządzania budynkiem (BMS) w celu ograniczania zużycia energii w czasie rzeczywistym w oparciu o zapotrzebowanie, wzorce pogodowe i ceny mediów.
Zwrot z inwestycji (ROI) z „nierobienia niczego” (z osprzętem)
Porozmawiajmy o liczbach. Widziałem małych producentów, którzy wydali £5,000 na wdrożenie AI/IoT i zaoszczędzili tę kwotę dzięki zredukowanym kosztom energii w ciągu sześciu miesięcy.
Gdyby chcieli Państwo osiągnąć te same 25% oszczędności poprzez wymianę pieców przemysłowych lub jednostek HVAC, musieliby Państwo liczyć się z sześcio- lub siedmiocyfrowymi nakładami kapitałowymi i okresem zwrotu od pięciu do dziesięciu lat. W obecnym klimacie gospodarczym jest to nie tylko nieefektywne – jest to niebezpieczne dla przepływów pieniężnych (cash flow).
Użycie AI do naprawy wycieków energii to ostateczny ruch typu „lean”. To inwestycja w inteligencję, a nie inwestycja w metal.
Myśl końcowa: Okno możliwości się zamyka
Ponieważ ceny energii pozostają niestabilne, a zgodność z normami ekologicznymi („Green compliance”) staje się wymogiem, a nie tylko „miłym dodatkiem” w łańcuchach dostaw, zdolność do wykazania efektywności energetycznej zarządzanej przez AI staje się przewagą konkurencyjną.
Jeśli nadal patrzą Państwo na swój rachunek za energię jak na koszt stały, płacą Państwo podatek, którego Państwa mądrzejsi konkurenci już przestali płacić. Najlepsze narzędzia AI dla małych firm nie znajdują się tylko w Państwa laptopie – one znajdują się w Państwa rozdzielnicy elektrycznej.
Proszę zacząć od tego miejsca.