Egy folyamat lépésekből áll, és minden lépésnek más a viszonya az AI-hoz. Egy kérelem elbírálása áll adatok ellenőrzéséből, kritériumok alkalmazásából, egy kivétel felismeréséből és egy döntés rögzítéséből. Ebből a négy lépésből az AI az elsőt gyakran át tudja venni, a másodikat részben, egy emberrel, aki indoklással jóváhagy vagy elutasít, a harmadik és negyedik pedig jellemzően emberi munka marad. Maga a folyamat nem vált kategóriát. A lépések igen, és pontosan itt van a pénz és az idő: nem abban, hogy kimondjuk, „ez a folyamat alkalmas AI-ra", hanem abban, hogy minden lépést külön szétszedünk, és újragondoljuk, mi marad utána.
Az ehhez kapcsolódó költségeknek ritkán van fix összege. Attól függnek, hány folyamat van, mennyire konzisztensen hajtják már most is végre őket, és mennyi tudás van a végrehajtásukról az emberekben ahelyett, hogy dokumentációban lenne rögzítve.
A felkészültség ezen a dimenzión háromféle munkát igényel, és ezek egyenlőtlenül oszlanak el a szervezetek között.
Az első a folyamat- és feladatleltár: rögzíteni, mi történik ténylegesen most, lépésről lépésre, ahelyett, amit a folyamatdokumentum állít. Sok vállalatnál a gyakorlat eltér a sémától, és pontosan ez az eltérés az, amin az AI alkalmazása elakad.
A második az AI és az ember közötti átadás újratervezése. Ha egy feladat egy része a végrehajtásból felügyeletbe kerül át, megváltozik a munkatárs szerepe: a végzésből az elbírálásba. Ez más készségeket, más időbeosztást és gyakran más típusú felelősséget igényel. Ezt a tervezőmunkát gyakran alábecsülik, mert nem úgy érződik, mint „AI bevezetése", hanem mint „a folyamat újragondolása".
A harmadik a visszacsatolás kialakítása: mi történik, ha a felügyelet elutasítást ad. Egy rögzített elutasítási útvonal nélkül az ember a gyakorlatban mindent újra elvégez, és eltűnik az AI-lépés előnye. Ez az egyik legalábecsültebb költségtétel, mert csak azután válik láthatóvá, hogy az első lépést már átvették.
Bizonyos vállalatoknál ez már működik: egy kárigényt digitálisan nyújtanak be, egy rendszer bírálja el a szokványos eseteket, egy munkatárs csak a kétes eseteket kapja meg, indoklással arról, hogy a rendszer miért kételkedik. Más, hasonló folyamattal rendelkező vállalatoknál ez nincs meg, és a különbség ritkán a rendelkezésre álló technológiában rejlik. Abban rejlik, hogy a folyamatot valaha is felbontották-e lépésekre, amelyeket külön-külön értékeltek aszerint, mit tud az AI, mi igényel felügyeletet, és mi marad emberi munka.
Azok a vállalatok, amelyek ezt már megtették, jellemzően a két megelőző lépésbe is befektettek: világos kritériumokba arra, mi számít kivételnek, és egy rögzített módszerbe arra, hogyan kell azt a kivételt kezelni. Azok a vállalatok, amelyek ezt még nem tették meg, gyakran csak az első AI-alkalmazási kísérletnél fedezik fel, hogy ezeket a kritériumokat sosem írták le, csak a tapasztalt munkatársak fejében léteznek.
Az első jel a zavar afelől, hogy „a folyamat felkészítése" konkrétan mit is jelent. A vezetésben egyesek egy rendszer beszerzésére gondolnak ez alatt, mások a munkautasítások átírására, megint mások a munkatársak új szerepre való képzésére. Mindezek a jelentések a felkészültség részét képezik, de eltérő munkacsomagok, eltérő átfutási idővel és eltérő felelőssel.
A második jel az ambíció és a jelenlegi irányítás közötti eltérés. Ha a vision state azt feltételezi, hogy egy folyamatot nagyrészt az AI intéz, miközben az adott lépésnél a jelenlegi döntési jogok még teljesen egy munkatársnál vannak, az nem technikai probléma, hanem irányítási kérdés: ki jogosult majd figyelmen kívül hagyni az AI-lépés elutasítását, és milyen felhatalmazás alapján. Ez a kérdés érinti azt, hogyan osztják és értékelik a munkát a szervezeten belül; erre saját jogi előírások vonatkoznak, és ezt magának a szervezetnek kell meghatároznia, nem ez az oldal feladata, hogy erről állítást tegyen.
A folyamatkészültség nem áll önmagában. Ha egy feladat a végrehajtásból a felügyeletbe tolódik el, az is megváltozik, amit mérni kell: nem az, hány feladatot végeztek el, hanem hány elutasítás volt és miért, ami összefügg azzal, hogyan kell megváltoznia a teljesítménymérésnek, ha az AI átveszi a munka egy részét. Érinti azokat a rendszereket is, amelyekben ezeket a lépéseket rögzítik, ami pedig kapcsolódik ahhoz, milyen technológia és kapacitás szükséges, mielőtt egy folyamat ténylegesen elmozdulhatna. És mivel a munkatársak azok, akik betöltik az új felügyeleti szerepet, jobban működik, ha korán bevonják őket a tervezésbe, ahogyan azt a munkatársak stratégiába való bevonásáról szóló leírásban olvashatja, anélkül, hogy ez évekig tartana.
A mögöttes kérdésre — hogy ebben a konkrét vállalatban, ezekben a konkrét folyamatokban milyen munkát lehet valójában átvenni az AI-val — nem egy általános becslés ad választ, hanem az FTE TO AI munkaszkennje, amely ezt feladatonként tárja fel.
Az ingyenes felkészültségi ellenőrzés nyolc rövid kérdésből áll, dimenziónként egyből, és képet ad arról, hol áll szervezete a legelőrébb és legkevésbé előrehaladva, beleértve ezt a dimenziót is. A teljes ambíciópróba, a négy réteggel és az öt confidence gate-tel, jelenleg készül. Aki most már azon gondolkodik, hogy a vision state-ben megfogalmazott ambíció összhangban van-e azzal, ami a gyakorlatban a döntési jogok és a felügyelet terén kialakult, egy első kiindulópontot talál abban, hogyan fordítható le egy homályos vízió valami elég konkréttá, hogy ellenőrizhető legyen.
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.