Il commercio al dettaglio è composto da lavoro che si ripete e da lavoro che ruota attorno al momento stesso. Contare le scorte, adeguare i prezzi, effettuare ordini, gestire i resi, fare gli orari del personale: questo costituisce gran parte delle ore d'ufficio e di backoffice, e si tratta di lavoro con una struttura fissa. Di fronte a questo c'è il lavoro al banco, in negozio, al telefono: qualcuno che è indeciso tra due taglie, un reclamo su una consegna, una domanda che non rientra nello script. Questi due tipi di lavoro determinano insieme l'esito di ogni ambizione AI in questo settore. Dove il lavoro è strutturato e i dati sono corretti, la capacità si sposta relativamente in fretta. Dove il lavoro consiste nel leggere una situazione e nell'assumersi la responsabilità di una decisione, si sposta poco o nulla.
La stessa tripartizione che percorre tutti i settori vale anche qui. Una parte del lavoro può essere ripresa dall'AI: il confronto dei prezzi, la previsione delle scorte sulla base dello storico delle vendite, la compilazione di rapporti standard, la prima suddivisione delle richieste di reso. Un'altra parte avviene parzialmente, con una persona che approva o respinge motivandolo: un sistema propone un ordine, un addetto agli acquisti lo verifica rispetto a influenze stagionali o a un accordo con un fornitore che il sistema non conosce. E una terza parte resta lavoro umano: la conversazione con un cliente che ha bisogno di qualcosa specifico, la valutazione in una controversia su una garanzia, la guida di un team sul punto vendita durante un periodo di picco. Quale parte del lavoro rientra in quale categoria varia da azienda ad azienda. Dipende da quanto è standardizzato l'assortimento, da quanto sono puliti i dati su scorte e vendite, e da quanta parte del contatto con il cliente passa già attraverso canali fissi.
Una catena di negozi con un assortimento limitato, acquisti centralizzati e casse digitali ha già le basi in ordine per gran parte dei compiti di backoffice: i dati ci sono, il processo è ripetibile, e un sistema può fare una proposta che una persona verifica. Una catena con un assortimento ampio e variabile, acquisti decentralizzati per singolo punto vendita e molte eccezioni gestite manualmente non ha queste basi. Questa differenza non risiede nell'ambizione — entrambe le direzioni possono pronunciare la stessa frase, "l'AI deve prendere in mano la nostra pianificazione delle scorte" — ma in ciò che l'organizzazione è già in grado di fare prima che quel lavoro possa spostarsi. I ruoli che oggi ordinano manualmente sono anche i ruoli che domani valuteranno una proposta del sistema? È stato attribuito un diritto decisionale a chi gestisce l'eccezione? Queste domande stanno sotto l'ambizione, e diventano visibili non appena si verifica invece di assumere.
Se si libera capacità perché un compito passa a un sistema con supervisione, emerge una domanda su cosa fare di quelle ore liberate: altri compiti, meno esternalizzazione, una diversa composizione del personale. Questa domanda spetta al datore di lavoro, e per le decisioni che riguardano l'organico valgono requisiti legali propri. Ciò che qui è in discussione è il passo precedente: quale lavoro, per struttura dei compiti e qualità dei dati, è già a un punto tale che un sistema possa assumerlo o supportarlo, e quale non lo è. È una domanda fattuale sul lavoro, non un consiglio sulle persone.
Il commercio al dettaglio non è il solo settore in cui si pone questa domanda, e le risposte differiscono da settore a settore per ragioni simili. Nel settore della ristorazione la domanda si pone diversamente per il servizio diretto e l'occupazione variabile, come descritto in le ambizioni AI che emergono nella ristorazione; nel settore agricolo giocano un ruolo maggiore le influenze stagionali e il lavoro fisico, descritto in come le ambizioni AI nel settore agricolo si rapportano al lavoro stagionale; e nei servizi finanziari il peso ricade proprio su regolamentazione e supervisione, come illustrato in le ambizioni AI nei servizi finanziari e il ruolo della compliance. Il confronto mostra che l'ambizione in sé è meno distintiva della prontezza che ci sta dietro.
Un'ambizione che afferma che l'AI riprenderà del lavoro presuppone capacità che forse oggi non esistono ancora: dati puliti, un diritto decisionale chiaro per le eccezioni, un team in grado di valutare una proposta del sistema invece di limitarsi a eseguirla. Senza questa verifica, l'ambizione resta una frase scritta su carta, un rischio che si presenta più in generale e che viene trattato in perché una strategia a volte resta un documento invece di diventare un cambiamento. Al contrario, è anche possibile che un cambiamento cominci già a manifestarsi prima che qualcuno gli dia un nome; quali segnali lo indicano è descritto in i primi segnali che un cambiamento sta attecchendo. La domanda di fondo — quale lavoro, in questa specifica azienda, sia realmente trasferibile all'AI — trova risposta compito per compito con la scansione del lavoro di FTE TO AI.
Il primo passo non è riformulare l'ambizione, ma osservare a che punto si trova già l'organizzazione. Un test di prontezza gratuito di otto brevi domande, una per dimensione, offre un quadro di dove siete più avanti e dove siete meno avanti. Il test completo dell'ambizione, con i quattro livelli e i cinque confidence gate, è in fase di costruzione.
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.