Det første spørgsmål er: kan AI udføre denne opgave? Det andet spørgsmål, som ofte springes over, er: har denne organisation den teknologi og den kapacitet, der er nødvendig for at lade dette arbejde faktisk flytte sig? En opgave kan være teknisk overdragelig og alligevel forblive menneskeligt arbejde i årevis, fordi systemerne ikke taler med hinanden, dataene ikke er i orden, eller ingen har beføjelsen til at organisere det tilsyn, der er nødvendigt. Beredskab ligger altså ikke i opgaven. Det ligger i organisationen.
Tre kategorier af arbejde løber gennem hvert proces. En del kan AI overtage selvstændigt. En del kan overtages delvist, med et menneske, der godkender eller afviser og underbygger det med en grund. Og en del forbliver menneskeligt arbejde, fordi dømmekraft, relation eller ansvar ikke kan delegeres. Hvilken kategori en opgave får, er ikke fastlagt. Det ændrer sig med den teknologi, en virksomhed har tilsluttet, og med den kapacitet, der er fri til at skabe og vedligeholde denne forbindelse.
To virksomheder med sammenlignelige ambitioner kan score meget forskelligt på denne dimension. Ikke fordi den ene er mere fremskreden end den anden, men fordi de underliggende forudsætninger er udfyldt forskelligt.
Den første virksomhed har data, der er struktureret, aktuel og tilgængelig for de systemer, der skal overtage arbejdet. Den har forbindelser mellem applikationer, der i dag kører uafhængigt af hinanden. Og den har mennesker med tid til at teste nye arbejdsmåder, justere dem og sikre dem, ud over deres eksisterende arbejde.
Den anden virksomhed har den samme ambition på papiret, men dataene er spredt over systemer, der ikke er indrettet til at kommunikere med hinanden. Alle, der skulle revidere processen, er allerede fuldt belagt med operationelt arbejde. Der er ingen frigjort kapacitet til at bære forandringen, endsige teste om den fungerer.
Forskellen mellem de to er målbar. Det handler om teknologiens tilstand, om den fte-kapacitet, der er til rådighed ud over den daglige drift, og om spørgsmålet, hvorvidt nogen har opgaven og mandatet til at lade denne forskydning lykkes. Uden disse tre forbliver en ambition en udtalelse på et strategidokument.
Når en opgave går fra fuldstændigt menneskeligt arbejde til AI-udførelse med menneskeligt tilsyn, ændrer der sig mere end blot hvem der udfører opgaven. Menneskets arbejde forskydes fra udførelse til vurdering. Det kræver andre færdigheder, en anden slags opmærksomhed, og ofte en anden placering i processen. Den kapacitet, der frigøres, er ikke automatisk anvendelig til noget andet; den skal organiseres, med et klart billede af, hvor disse timer skal hen.
Også teknologien ændrer rolle. Et system, der tidligere kun registrerede, skal nu være tilstrækkeligt pålideligt til at understøtte beslutninger eller delvist tage dem. Det stiller krav til datakvalitet, til forklarlighed af resultater, og til spørgsmålet om hvem der justerer, hvis systemet afviger. Hvad en arbejdsgiver derefter gør med den frigjorte kapacitet, falder uden for denne test; dertil gælder egne lovmæssige krav, og det er et valg, der ligger hos arbejdsgiveren selv.
Det mærkes ikke i en meddelelse. Det mærkes i små signaler, der hober sig op. Et team, der spørger om adgang til data, som egentlig for længst skulle have været delt. En beslutning, der forsinkes, fordi ingen ved, hvem der må godkende, at en opgave nu forløber automatiseret. En fremdriftsrapport, hvor den samme opgave hos et team betragtes som "AI-understøttet" og hos et andet stadig fuldt manuel, uden at nogen kan forklare hvorfor.
Disse signaler hænger sammen med andre dimensioner af beredskab. Hvordan De fastslår, om adfærd ændrer sig, afhænger af hvordan Deres præstationsmåling er indrettet til arbejde, som AI overtager; hvem der må tage hvilken beslutning, når en opgave ændrer kategori, er beskrevet i hvad De fastlægger om beslutningsrettigheder ved en forandring; og om eksterne parter i processen følger med, afhænger af hvor klar Deres partnerships er til arbejde, som AI overtager. Teknologi og kapacitet står ikke isoleret fra resten af organisationen; de er det lag, hvor de andre dimensioner støtter sig på eller går i stå.
Et direktionsteam kan bruge ordet "AI-klar" og alle mene noget andet med det. Den ene direktør tænker på en pilot, der forløb godt, den anden på et system, der stadig skal udskiftes. Denne begrebsforvirring er præcis, hvor en vag ambition holder op, og en konkret test begynder. Hvordan De omsætter en vision, der lyder overbevisende på papiret, til noget, der kan testes, er udfoldet på siden om at konkretisere en vag vision.
Spørgsmålet om, hvilket arbejde i denne specifikke virksomhed reelt kan overtages af AI, besvares ikke ved at diskutere en dimension i generelle termer, men opgave for opgave, med arbejdsscanningen fra FTE TO AI.
Den gratis beredskabscheck består af otte korte spørgsmål, et pr. dimension, og giver et billede af, hvor Deres organisation står længst og mindst langt fremme, inklusive denne dimension af teknologi og kapacitet. Den fulde ambitionstest, med de fire lag fra vision til target state og oversættelsen til roller og beslutningsrettigheder, er under udarbejdelse.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.