Tukkukauppa toimii virtojen varassa: tavarat, tilaukset, laskut ja tieto liikkuvat edestakaisin toimittajien ja asiakkaiden välillä. Suuri osa toimistotunneista kuluu työhön, joka toistuu tässä virrassa — tilausten syöttäminen ja tarkistaminen, varaston täsmäyttäminen ostoihin ja myyntiin, hintasopimusten seuraaminen, laskujen täsmäyttäminen lähetteisiin, asiakkaiden toimitusaika- ja saatavuuskysymyksiin vastaaminen. Sen rinnalla on työtä, joka toistuu vähemmän: neuvottelu toimittajien kanssa, valikoiman kokoaminen, hankalassa tilanteessa olevan asiakkaan kohtaaminen, päättäminen siitä, mitä tehdään, kun toimitus juuttuu.
Nämä kaksi työtyyppiä ohjaavat erilaista lopputulosta, kun ambitio olettaa AI-työtä. Toistuva työ, jolla on kiinteät säännöt, on helpompi siirtää kuin työ, jossa joku punnitsee jatkuvasti uudelleen, mikä on kussakin tilanteessa oikein. Lopputulosta ohjaavat olosuhteet eivät ole vain työn luonne, vaan myös se, kuinka puhdasta ja jäsenneltyä taustalla oleva data on — tilausrivi, joka on kirjattu viidessä eri järjestelmässä eri tavalla, on järjestelmälle vaikeampi lukea kuin ihmiselle, joka tuntee kontekstin.
Osassa tukkukaupan yrityksistä työtä otetaan jo nyt tekoälyn hoidettavaksi: tilausten tarkistaminen ostoehtoja vasten, toimittajasähköpostien tiivistäminen toimenpiteeksi, varastoennusteen täyttäminen historiallisten kuvioiden pohjalta. Toisessa osassa yrityksiä täsmälleen sama työ on edelleen kokonaan ihmisten käsissä. Ero on harvoin muutoshalussa. Se on siinä, onko data kunnossa, onko olemassa henkilö, joka voi hyväksyä tai hylätä järjestelmän tuottaman tuloksen perustellusti, ja onko organisaatiossa määritelty, kuka päättää mistäkin, kun jokin menee pieleen.
Kolme kategoriaa toistuu lähes jokaisessa tukkukaupan prosessissa. On työtä, jonka järjestelmä voi ottaa hoitaakseen ilman väliintuloa, kuten tilausrivin siirtäminen oikeaan muotoon. On työtä, jossa tekoäly tekee ehdotuksen ja ihminen arvioi sen — ehdotettu hyvityslasku, jonka työntekijä hyväksyy tai palauttaa perustellen. Ja on työtä, joka pysyy ihmistyönä, kuten keskustelu toimittajan kanssa, joka ei pidä toimitusaikaansa. Se, mihin kategoriaan mikäkin tehtävä kuuluu, vaihtelee yrityksittäin ja järjestelmittäin, ja muuttuu heti kun data tai prosessi muuttuu.
Ambitio kuten "asiakaspalvelumme toimii jatkossa suurelta osin automatisoidusti" olettaa, että yritys pystyy luokittelemaan asiakaskysymykset, että vastauksen taustalla oleva tieto on jäsennelty jonnekin, ja että on sovittu, milloin kysymys siirtyy ihmiselle. Ilman näitä kolmea ambitio on lause, ei suunnitelma. Sama pätee varastonohjaukseen liittyvään ambitioon: se edellyttää, että osto-, myynti- ja logistiikkadata sopivat yhteen, ja että jollakulla on valtuudet korjata tekoälyn ehdottamaa tilaussuositusta.
Ambitiotesti kirjaa tällaiset ambitiot neljään kerrokseen — visio, vision state, target, target state — ja arvioi ne kahdeksan valmiusulottuvuuden perusteella, viiden confidence gaten avulla, jotka osoittavat, missä kohdin suunnitelma nojaa vielä luottamukseen todisteiden sijaan. Sama testi kääntää tuloksen takaisin kyvykkyyksiksi: mitä kunkin roolin on osattava, ja kuka saa päätösvallan, kun järjestelmä esittää ratkaisun. Tukkukaupan yrityksille, jotka pohtivat myös sitä, kuinka suuri osa voitosta kuluu markkinaosuuden säilyttämiseen, kannattaa lukea miten kasvua punnitaan katteen suhteen strategiassa, sillä ilman tätä punnintaa AI-ambitiosta tulee helposti oletus valinnan sijaan.
Tukkukauppa jakaa paljon yhteistä sitä edeltävien ja seuraavien logistiikkaketjujen kanssa. Se, joka haluaa vertailla toimialaa, jossa fyysinen tavaratyö on vielä lähempänä prosessia, löytää sen kohdasta millaisia AI-ambitioita kuljetusalalla esiintyy, ja se, joka haluaa nähdä, miten sama ambitio kääntyy tuotantoympäristöön, voi lukea kohdasta millaisia AI-ambitioita valmistavassa teollisuudessa esiintyy. Kuvio toistuu: samat ambitiosanat, eri valmius, eri lopputulos.
Siellä, missä tämä koskettaa henkilöstöä — mitkä toimenkuvat muuttuvat, kun työ siirtyy — sovelletaan omia lakisääteisiä vaatimuksia, jotka jäävät tämän testin ulkopuolelle. Mitä ambitiotesti sen sijaan tekee, on selventää, kuinka paljon kapasiteettia vapautuu, kun tietty työ siirtyy, tunteina ja henkilötyövuosina, jotta johtoryhmä tietää, mistä se puhuu, ennen kuin se puhuu ihmisistä.
Perimmäiseen kysymykseen — mikä työ tässä yrityksessä on todella siirrettävissä tekoälylle — vastataan FTE TO AI:n työscanilla tehtävätasolla, ei toimenkuva- tai oletustasolla. Johtoryhmälle, joka haluaa ensin tietää, onko oma visio riittävän mitattava testattavaksi, on saatavilla miten visio tehdään mitattavaksi.
Se, joka haluaa tietää, missä oma organisaatio on nyt, voi tehdä maksuttoman valmiustarkistuksen: kahdeksan lyhyttä kysymystä, yksi kutakin ulottuvuutta kohden, tuloksena kuva siitä, missä olette pisimmällä ja missä vähiten pitkällä. Täydellinen ambitiotesti, neljine kerroksineen ja viidellä confidence gatella, on rakenteilla.
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.