Az üzleti szolgáltatásokban a munka nagy része nyelvi jellegű: dokumentumok készítése, dossziék áttekintése, tanácsok megfogalmazása, jelentések egy ügyfélhez vagy helyzethez igazítása. Ügyvédi irodák, könyvelőirodák, tanácsadó cégek és biztosítási közvetítők szakmájukban különböznek, de ebben a mintázatban nem: sok óra megy el már valahol létező információ összegyűjtésére és átrendezésére, és kisebb rész az azt követő megítélésre. Ez érzékennyé teszi az ágazatot egy jelenleg is zajló elmozdulásra: a nyelvi munka pontosan az a fajta munka, amelyben az AI-rendszerek jól teljesítenek, feltéve hogy az az információ, amellyel dolgoznak, hozzáférhető és megbízható.
Az eredményt meghatározó körülmények nem magában a szakmában rejlenek, hanem abban, hogyan van felépítve az iroda. Ha egy csapat rögzített sablonokkal és mindenki által ugyanúgy használt dossziéstruktúrával dolgozik, akkor a munka nagy része kiszámíthatóvá tehető. Ha a csapat ügyfelenként vagy ügyenként testre szabottan dolgozik, olyan eltérésekkel, amelyek csak az ügyintéző fejében léteznek, akkor ezt a munkát nehezebb átadni, függetlenül attól, mennyire ambiciózus a célkitűzés.
Ugyanazon az ágazaton belül az irodák már most eltérnek egymástól. Az egyik irodánál egy rendszer készít egy első tervezet-tanácsot, egy munkatárs pedig értékeli és indokolással jóváhagyja vagy visszaküldi. A másik irodánál pontosan ugyanaz a munka még teljesen kézzel történik, nem akaratlanság miatt, hanem mert a dossziék nincsenek olyan formában, amelyet egy rendszer olvasni tudna, vagy mert senki nem rögzítette, mikor elég jó egy tervezet-tanács ahhoz, hogy továbbengedjék.
Minden irodán három munkakategória húzódik végig. Egy részt egy rendszer önállóan is átvehet: iratok összefoglalása, szabványos űrlapok kitöltése, eltérések jelzése a számokban. Egy rész csak részben: egy munkatárs értékeli az eredményt, és indokolással hagyja jóvá vagy utasítja el. Egy rész pedig emberi munka marad: az ügyféllel folytatott beszélgetés egy nehéz helyzetről, a szabályokba nem foglalható mérlegelés, a felelősség, amely egy névhez és egy aláíráshoz tartozik. Hogy melyik feladat melyik kategóriába esik, irodánként és folyamatonként eltér, és pontosan ezért mond keveset egy olyan ambíció, mint „mi AI-t vetünk be a tanácsadási folyamatunkhoz”, további magyarázat nélkül.
Egy olyan mondat, mint „az AI fel fogja gyorsítani a dossziémunkánkat”, egyértelműnek hangzik, de az igazgatói szobában ritkán hallják egyértelműen. Az egyik partner egy olyan rendszerre gondol, amely tervezetszövegeket szállít, amelyeket még teljesen átírnak. A másik egy olyan folyamatra gondol, amelyben a rendszer nagyrészt önállóan dolgozik, és csak kétség esetén terjesztik elő. Mindkét értelmezés ésszerű magyarázata ugyanannak az ambíciónak, és a kettő közötti különbség határozza meg, mennyi kapacitás szabadul fel, mely szerepek változnak ténylegesen, és milyen döntési jogok tartoznak hozzájuk. Hogy pontosan hogyan keletkezik ez a különbség, és miért marad olyan gyakran észrevétlen, azt az oldal írja le arról, miért gondolnak az emberek más és más dolgokra ugyanazokkal a szavakkal.
Ez a bizonytalanság azt a kérdést is érinti, hogyan van felépítve maga a szervezet: melyik osztály fogja majd végezni a munkát, melyik szint irányítja azt, és hol születik melyik döntés. Aki erről szeretne állandó képet kapni, mielőtt az ambíciót rögzítenék, az az oldalon talál szakzsargon nélküli magyarázatot a target operating modelről.
Egy AI-munkát feltételező ambíció mást kíván meg a szervezettől, mint ugyanaz az ambíció AI nélkül. Az üzleti szolgáltatások esetében ez többek között azt jelenti: a dossziék és sablonok olyan formában vannak-e, amelyet egy rendszer olvasni tud, létezik-e egy rögzített pillanat, amikor egy munkatárs értékel egy AI-eredményt, és indokolással hagyja jóvá vagy utasítja el, és világos-e, ki marad felelős, amikor a végleges tanács kikerül az ajtón. Ezeken a pontokon gyakran kiderül, hogy az ambíció gyorsabban halad, mint a szervezet: a vezetőség a tanácsadási folyamat automatizálásáról beszél, miközben a mögöttes dossziék még nem eléggé strukturáltak ahhoz, hogy egy rendszer elolvassa őket. Ez nem akarat kérdése, hanem készenlété, és ez a készenlét dimenziónként külön ellenőrizhető.
Más ágazatokban hasonló minta figyelhető meg, saját körülményekkel: az oktatásban más ambíciók élnek, mint itt, ahogy az AI-ambíciókról szóló oldalon olvasható az oktatásban, és a kiskereskedelemben is más jellegű mentén tolódik el a munka, ahogy azt a kiskereskedelemben megjelenő AI-ambíciókról szóló oldal kifejti. Az alapul szolgáló mechanizmus — mely munka adható át, és mely munka marad emberi munka — minden ágazatban ugyanaz, csak a kidolgozás különbözik.
Ez az oldal azt írja le, mely munka tolódhat el, nem azt, hogy egy irodának mit kellene tennie a személyzetével, ha ez megtörténik. A munkaviszonyt érintő döntésekre saját törvényi követelmények vonatkoznak, függetlenül attól, hogy egy rendszer át tudja-e venni az adott feladatot vagy sem.
Arra a kérdésre, hogy ebben a konkrét irodában mely munka vehető ténylegesen át az AI által, nem adható válasz az ágazatról alkotott általános benyomás alapján. Az FTE TO AI munkaszkennje feladatonként válaszolja meg ezt a kérdést, olyan eredménnyel, amely megmutatja, a munka mely része végezhető önállóan, felügyelet mellett, vagy továbbra is emberek által. Aki előbb azt szeretné tudni, hol áll a saját szervezete a legelőrébb és a legkevésbé előrehaladott állapotban, elvégezheti az ingyenes készenléti ellenőrzést: nyolc rövid kérdés, dimenziónként egy, amely képet ad arról, hol áll már a készenlét, és hol kell még lépést tenni. A teljes ambíciópróba, a vízió és a target state négy rétegével, valamint a szerepekre és döntési jogokra való lefordítással, jelenleg készül.
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.