Ο κλάδος ΤΠΕ αποτελείται από εργασία που μπορεί εύκολα να διαιρεθεί σε επαναλαμβανόμενα βήματα και εργασία που ακριβώς δεν το επιτρέπει αυτό. Συγγραφή κώδικα, δοκιμές, τεκμηρίωση, διαλογή αιτημάτων (tickets), αξιολόγηση παρακολούθησης, ανάπτυξη ρυθμίσεων: πολλές από αυτές τις εργασίες έχουν σταθερή δομή και σαφή κριτήριο αξιολόγησης. Παράλληλα, υπάρχει εργασία που περιστρέφεται γύρω από αρχιτεκτονικές επιλογές, πλαίσιο πελάτη, σταθμίσεις ασφάλειας και την απόφαση πότε ένα σύστημα μεταβαίνει ή όχι σε παραγωγή. Αυτή η διάκριση καθορίζει πού η AI ήδη σήμερα αναλαμβάνει εργασίες, πού παραμένει απαραίτητο το ανθρώπινο τοίζοντας εποπτεία, και πού η ανθρώπινη εργασία παραμένει ο πυρήνας του θέματος.
Οι συνθήκες που καθορίζουν το αποτέλεσμα δεν είναι ενιαίες. Μια ομάδα που εργάζεται με καλά τεκμηριωμένο κώδικα (codebase) και σαφή πρότυπα δοκιμών μπορεί ευκολότερα να μεταβιβάσει εργασίες από μια ομάδα που βασίζεται σε άτυπη γνώση φυλής και προφορικές συμφωνίες. Ένας οργανισμός με σταθερή δομή αξιολόγησης (review) μπορεί να ενσωματώσει την εποπτεία επί της παραγωγής AI σε μια υπάρχουσα διαδικασία· ένας οργανισμός χωρίς αυτή τη δομή πρέπει πρώτα να την οικοδομήσει προτού η μεταβίβαση είναι υπεύθυνη.
Σε τμήματα του κλάδου η μετατόπιση είναι ήδη ορατή. Προτάσεις κώδικα, δημιουργία δοκιμών και ενημερώσεις τεκμηρίωσης παράγονται σε ορισμένες ομάδες σε μεγάλο βαθμό από AI, με έναν προγραμματιστή που εγκρίνει ή απορρίπτει βάσει λειτουργικότητας και αναγνωσιμότητας. Σε άλλες ομάδες η ίδια ακριβώς εργασία εξακολουθεί να γίνεται εντελώς χειρωνακτικά, όχι επειδή εκεί το ζήτημα είναι αρχικά διαφορετικό, αλλά επειδή λείπουν οι προϋποθέσεις: καμία πρόσβαση στα κατάλληλα εργαλεία, κανένα καθορισμένο κριτήριο ποιότητας, καμία χρόνος αφιερωμένος στην αναδιάρθρωση της διαδικασίας.
Αυτή η διαφορά μεταξύ επιχειρήσεων σπάνια βρίσκεται στην ίδια την τεχνολογία. Βρίσκεται στην ετοιμότητα: έχει ο οργανισμός τα δεδομένα και την τεκμηρίωση σε τάξη, υπάρχει δικαίωμα απόφασης ανατεθειμένο σε κάποιον που αξιολογεί την παραγωγή AI, έχει απελευθερωθεί χωρητικότητα για να οργανωθεί η νέα διαδικασία προτού καταργηθεί η παλιά. Όπου αυτές οι προϋποθέσεις λείπουν, μια φιλοδοξία παραμένει στο χαρτί, ακόμη και όταν η τεχνολογία είναι ήδη διαθέσιμη.
Μια φιλοδοξία όπως «η AI υποστηρίζει τους προγραμματιστές μας» ακούγεται σαφής, αλλά απαιτεί στην πράξη μια σειρά ικανοτήτων (capabilities) που δεν υπάρχουν αυτόματα: ένα περιβάλλον δοκιμών που μπορεί να επικυρώσει κώδικα που παράγεται από AI, μια διαδικασία αξιολόγησης που δεν επιβραδύνεται από επιπλέον όγκο, και αξιολογητές που γνωρίζουν σε ποιο σημείο απορρίπτουν μια πρόταση AI. Χωρίς αυτές τις ικανότητες, η φιλοδοξία παραμένει πρόθεση χωρίς εκτέλεση.
Αυτός είναι ακριβώς ο λόγος για τον οποίο οι ίδιες λέξεις μπορούν να σημαίνουν διαφορετικά πράγματα σε μια διευθυντική ομάδα. Ο CTO σκέφτεται αυτοματοποιημένες ροές εργασίας (pipelines), ο επιχειρησιακός διευθυντής λιγότερες απελευθερωμένες ώρες για υποστήριξη, ο υπεύθυνος HR διαφορετική διαμόρφωση ρόλων. Καμία από αυτές τις ερμηνείες δεν είναι εσφαλμένη, αλλά χωρίς κοινό κριτήριο ελέγχου η φιλοδοξία παραμένει χωρίς δεσμευτικό χαρακτήρα. Πώς μεταφράζετε ένα όραμα σε κάτι μετρήσιμο, και όχι σε τρεις χωριστές υποθέσεις, περιγράφεται στο πώς κάνετε ένα όραμα μετρήσιμο.
Ο κλάδος ΤΠΕ δεν είναι μοναδικός στην αντιμετώπιση αυτής της μετατόπισης, αν και τα σημεία τριβής διαφέρουν. Στις χρηματοοικονομικές υπηρεσίες το ζήτημα είναι διαφορετικό, επειδή εκεί η εποπτεία και η λογοδοσία παίζουν μεγαλύτερο ρόλο· τι συμβαίνει εκεί περιγράφεται στο ποιες φιλοδοξίες AI υπάρχουν στις χρηματοοικονομικές υπηρεσίες. Στον κατασκευαστικό κλάδο η φυσική εργασία είναι σταθερός παράγοντας που οριοθετεί την ανάληψη από την AI διαφορετικά από την ΤΠΕ, όπως περιγράφεται στο ποιες φιλοδοξίες AI υπάρχουν στον κατασκευαστικό κλάδο. Και στον κλάδο καθαρισμού πρόκειται κυρίως για προγραμματισμό και έλεγχο ποιότητας αντί για παραγωγή κώδικα, όπως αναλύεται στο ποιες φιλοδοξίες AI υπάρχουν στον κλάδο καθαρισμού. Το μοτίβο είναι κάθε φορά το ίδιο: η φιλοδοξία γίνεται συγκεκριμένη μόνο όταν γίνεται σαφές ποιες ικανότητες λείπουν.
Μια διευθυντική ομάδα που αποφασίζει ότι η AI πρέπει να αναλάβει «το μεγαλύτερο μέρος του κύκλου αξιολόγησης» διατυπώνει έτσι μια φιλοδοξία που δεν μπορεί να πραγματοποιηθεί σε ένα τρίμηνο. Αυτό δεν αποτελεί αντίρρηση προς την ίδια τη φιλοδοξία, αλλά ένα σήμα για σταδιοποίηση: ποια ικανότητα πρέπει να υπάρχει πρώτα, ποια έπειτα, και σε ποιο σημείο ο οργανισμός είναι για πρώτη φορά σε θέση να κρίνει αν λειτουργεί. Πώς μπορεί να φαίνεται αυτή η σταδιοποίηση περιγράφεται στο πώς σταδιοποιείτε μια φιλοδοξία που είναι πολύ μεγάλη για έναν χρόνο.
Για αποφάσεις προσωπικού που ενδέχεται να προκύψουν από τέτοια σταδιοποίηση, εμείς δεν αποφαινόμαστε: ποια εργασία καταργεί ή αναδιανέμει ένας εργοδότης, υπόκειται στις δικές του νομικές απαιτήσεις και στη δική του κρίση. Αυτό που περιγράφουμε είναι ποια εργασία μπορεί να μεταβιβαστεί, εν μέρει ή πλήρως, και υπό ποιες προϋποθέσεις.
Το υποκείμενο ερώτημα δεν είναι αν οι φιλοδοξίες AI στον κλάδο ΤΠΕ είναι ρεαλιστικές, αλλά αν αυτή η συγκεκριμένη επιχείρηση, με αυτόν τον κώδικα (codebase), αυτή την ομάδα και αυτές τις διαδικασίες, είναι έτοιμη να τις εκτελέσει. Ποια εργασία σε αυτή την επιχείρηση μπορεί πράγματι να αναληφθεί από την AI, ανά εργασία, απαντάται με τη σάρωση εργασίας (werkscan) του FTE TO AI.
Όποιος θέλει πρώτα μια εντύπωση, χωρίς δέσμευση, μπορεί να κάνει τον δωρεάν έλεγχο ετοιμότητας: οκτώ σύντομες ερωτήσεις, μία ανά διάσταση, με μια εικόνα του πού ο οργανισμός βρίσκεται πιο μπροστά και πού λιγότερο μπροστά. Ο πλήρης έλεγχος φιλοδοξίας, με όλα τα τέσσερα επίπεδα και τις πέντε πύλες εμπιστοσύνης (confidence gates), βρίσκεται υπό κατασκευή.
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.