IT-sektoren består af arbejde, der let lader sig opdele i gentagelige trin, og arbejde, der netop ikke gør det. Skrive kode, teste, dokumentere, triagere tickets, vurdere overvågning, udrulle konfigurationer: mange af disse opgaver har en fast struktur og et klart bedømmelseskriterium. Derudover findes arbejde, der handler om arkitektoniske valg, kundekontekst, sikkerhedsafvejninger og beslutningen om, hvornår et system skal eller ikke skal i produktion. Dette skel bestemmer, hvor AI allerede i dag overtager opgaver, hvor tilsyn stadig er nødvendigt, og hvor menneskeligt arbejde forbliver kernen af sagen.
De omstændigheder, der styrer udfaldet, er ikke ensartede. Et team, der arbejder med en velmodulopbygget codebase og klare teststandarder, kan lettere overdrage opgaver end et team, der bygger på tribal viden og mundtlige aftaler. En organisation med en fast reviewstruktur kan indbygge tilsyn med AI-output i en eksisterende proces; en organisation uden den struktur skal først opbygge den, før overdragelse er ansvarlig.
I dele af sektoren er forskydningen allerede synlig. Kodeforslag, testgenerering og dokumentationsopdateringer produceres i nogle teams i vid udstrækning af AI, med en udvikler, der godkender eller afviser baseret på funktionalitet og læsbarhed. I andre teams udføres nøjagtig samme arbejde stadig fuldstændig manuelt, ikke fordi det principielt forholder sig anderledes der, men fordi forudsætningerne mangler: ingen adgang til de rigtige værktøjer, ingen fastlagte kvalitetskriterier, ingen tid afsat til at ombygge processen.
Den forskel mellem virksomheder ligger sjældent i teknikken selv. Den ligger i parathed: har organisationen data og dokumentation i orden, er der en beslutningsret tildelt til den, der bedømmer AI-output, er der frigjort kapacitet til at indrette den nye proces, før den gamle afvikles. Hvor disse forudsætninger mangler, forbliver en ambition på papiret, selv når teknikken allerede er tilgængelig.
En ambition som "AI understøtter vores udviklere" lyder entydig, men kræver i praksis en række capabilities, der ikke automatisk er til stede: et testmiljø, der kan validere AI-genereret kode, en reviewproces, der ikke forsinkes af ekstra volumen, og bedømmere, der ved, hvornår de skal afvise et AI-forslag. Uden disse capabilities forbliver ambitionen en hensigt uden udførelse.
Det er præcis derfor, samme ord i et direktionsteam kan betyde forskellige ting. CTO'en tænker på automatiserede pipelines, driftsdirektøren på færre frigjorte timer til support, HR-ansvarlige på anden rolleudfyldning. Ingen af disse fortolkninger er forkerte, men uden en fælles målestok forbliver ambitionen uforpligtende. Hvordan man omsætter en vision til noget målbart, og ikke til tre løsrevne antagelser, er beskrevet i hvordan man gør en vision målbar.
IT-sektoren er ikke unik i at kæmpe med denne forskydning, selvom knastene er forskellige. I den finansielle sektor stiller spørgsmålet sig anderledes, fordi tilsyn og ansvarlighed spiller en større rolle der; hvad der gør sig gældende der, findes i hvilke AI-ambitioner der er i den finansielle sektor. I byggebranchen er fysisk arbejde en fast faktor, der begrænser AI-overtagelse anderledes end i IT, som beskrevet i hvilke AI-ambitioner der er i byggebranchen. Og i rengøringsbranchen handler det primært om planlægning og kvalitetskontrol i stedet for kodeproduktion, udfoldet i hvilke AI-ambitioner der er i rengøringsbranchen. Mønstret er hver gang det samme: ambitionen bliver først konkret, når det er klart, hvilke capabilities der mangler.
Et direktionsteam, der beslutter, at AI skal overtage "den største del af reviewcyklussen", formulerer dermed en ambition, der ikke kan realiseres i et kvartal. Det er ikke en indvending mod ambitionen selv, men et signal om at faseopdele: hvilken capability skal stå først, hvilken derefter, og på hvilket punkt er organisationen for første gang i stand til at bedømme, om det virker. Hvordan denne faseopdeling kan se ud, er beskrevet i hvordan man faseopdeler en ambition, der er for stor for et år.
Om personalebeslutninger, der kan følge af en sådan faseopdeling, udtaler vi os ikke: hvilket arbejde en arbejdsgiver lader bortfalde eller omfordeler, hører under egne lovmæssige krav og egen afvejning. Hvad vi beskriver, er hvilket arbejde der lader sig overdrage, delvist eller helt, og under hvilke betingelser.
Det underliggende spørgsmål er ikke, om AI-ambitioner i IT-sektoren er reelle, men om denne specifikke virksomhed, med denne codebase, dette team og disse processer, er klar til at udføre dem. Hvilket arbejde i denne virksomhed der rent faktisk kan overtages af AI, opgave for opgave, besvares med FTE TO AI's arbejdsscan.
Den, der først vil have et indtryk, uden forpligtelse, kan tage den gratis parathedscheck: otte korte spørgsmål, ét per dimension, med et billede af, hvor organisationen er længst og mindst langt fremme. Den fulde ambitionstest, med alle fire lag og de fem confidence gates, er under udvikling.
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.