IT sektor sastoji se od posla koji se lako dijeli na ponovljive korake i posla kod kojeg to baš nije slučaj. Pisanje koda, testiranje, dokumentiranje, obrada tiketa, procjena monitoringa, implementacija konfiguracija: mnogi od ovih zadataka imaju fiksnu strukturu i jasan kriterij ocjenjivanja. Uz to postoji posao koji se vrti oko arhitektonskih odluka, konteksta klijenta, sigurnosnih razmatranja i odluke o tome kada sustav ide ili ne ide u produkciju. Ta razlika određuje gdje AI danas već preuzima zadatke, gdje je nadzor i dalje potreban, te gdje ljudski rad ostaje srž stvari.
Okolnosti koje usmjeravaju ishod nisu jednolike. Tim koji radi s dobro dokumentiranom bazom koda i jasnim standardima testiranja lakše može prenijeti zadatke nego tim koji funkcionira na plemenskom znanju i usmenim dogovorima. Organizacija s ustaljenom strukturom pregleda može ugraditi nadzor nad AI-outputom u postojeći proces; organizacija bez te strukture mora je prvo izgraditi prije nego što je prijenos odgovoran.
U dijelovima sektora pomak je već vidljiv. Prijedlozi koda, generiranje testova i ažuriranja dokumentacije u nekim timovima uglavnom proizvodi AI, uz razvojnog inženjera koji odobrava ili odbija na temelju funkcionalnosti i čitljivosti. U drugim timovima isti se posao još uvijek radi potpuno ručno, ne zato što je tamo suštinski drugačiji, nego zato što nedostaju uvjeti: nema pristupa pravim alatima, nema utvrđenih kriterija kvalitete, nema izdvojenog vremena za preustroj procesa.
Ta razlika između tvrtki rijetko leži u samoj tehnologiji. Leži u spremnosti: ima li organizacija podatke i dokumentaciju u redu, je li pravo odlučivanja dodijeljeno onome tko ocjenjuje AI-output, je li oslobođen kapacitet za uspostavu novog procesa prije nego se stari ukine. Gdje ti uvjeti nedostaju, ambicija ostaje na papiru, čak i kad je tehnologija već dostupna.
Ambicija poput "AI podržava naše razvojne inženjere" zvuči jednoznačno, ali u praksi zahtijeva niz sposobnosti koje nisu same po sebi prisutne: testno okruženje koje može validirati kod generiran od strane AI-ja, proces pregleda koji ne usporava zbog dodatnog volumena, i ocjenjivače koji znaju na temelju čega odbiti AI-prijedlog. Bez tih sposobnosti ambicija ostaje namjera bez izvedbe.
Upravo je zato isti pojam u upravnom timu može značiti različite stvari. CTO misli na automatizirane pipeline-ove, operativni direktor na manje oslobođenih sati za podršku, HR-odgovorna osoba na drugačiju popunu uloga. Nijedno od ovih tumačenja nije pogrešno, ali bez zajedničkog mjerila ambicija ostaje neobavezujuća. Kako viziju pretvoriti u nešto mjerljivo, a ne u tri odvojene pretpostavke, opisano je u kako viziju učiniti mjerljivom.
IT sektor nije jedinstven u borbi s ovim pomakom, iako se problemi razlikuju. U financijskim uslugama pitanje se postavlja drugačije, jer tamo nadzor i odgovornost imaju veću ulogu; što se tamo događa opisano je u koje AI-ambicije postoje u financijskim uslugama. U građevinarstvu je fizički rad stalan faktor koji drugačije ograničava preuzimanje od strane AI-ja nego u IT-u, kako je opisano u koje AI-ambicije postoje u građevinarstvu. A u sektoru čišćenja radi se prvenstveno o planiranju i kontroli kvalitete, a ne o proizvodnji koda, razrađeno u koje AI-ambicije postoje u sektoru čišćenja. Obrazac je uvijek isti: ambicija postaje konkretna tek kada je jasno koje sposobnosti nedostaju.
Upravni tim koji odluči da AI mora preuzeti "najveći dio ciklusa pregleda" time formulira ambiciju koju nije moguće ostvariti u jednom kvartalu. To nije prigovor samoj ambiciji, nego signal za fazno uvođenje: koja sposobnost mora prva biti uspostavljena, koja zatim, i u kojem je trenutku organizacija prvi put u stanju procijeniti radi li to. Kako takva fazacija može izgledati, opisano je u kako fazirati ambiciju koja je prevelika za godinu dana.
O kadrovskim odlukama koje mogu proizaći iz takvog faziranja mi se ne izjašnjavamo: koji posao poslodavac ukida ili preraspodjeljuje, spada pod vlastite zakonske zahtjeve i vlastitu procjenu. Ono što mi opisujemo jest koji se posao može prenijeti, djelomično ili potpuno, i pod kojim uvjetima.
Osnovno pitanje nije jesu li AI-ambicije u IT sektoru realne, nego je li ova konkretna tvrtka, s ovom bazom koda, ovim timom i ovim procesima, spremna za njihovu provedbu. Koji se posao u ovoj tvrtki stvarno može prenijeti na AI, po zadatku, odgovara se pomoću radne analize (werkscan) tvrtke FTE TO AI.
Tko prvo želi steći dojam, bez obveze, može napraviti besplatnu provjeru spremnosti: osam kratkih pitanja, jedno po dimenziji, s pregledom gdje je organizacija najdalje, a gdje najmanje daleko odmakla. Potpuni test ambicije, sa svim četiri sloja i pet vrata pouzdanosti (confidence gates), još je u izradi.
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.