Valymas didele dalimi yra vykdomasis darbas vietoje: patalpų valymas, medžiagų papildymas, patikrų vykdymas, incidentų pranešimas. Aplink tai yra planavimo darbo sluoksnis, kuris mažiau pastebimas, tačiau lemia kaštus: grafikų sudarymas, pavaduojančių darbuotojų organizavimas, skundų tvarkymas, kokybės patikrų planavimas ir ataskaitų teikimas užsakovams. Sąlygos vietoje labai stipriai lemia rezultatą: viename pastate dirba fiksuota ryto pamaina su mažai pasikeitimų, kitame dirbama su kintančiomis komandomis, trumpomis sutartimis ir daug pavaduojančių darbuotojų. Šis skirtumas nulemia, kokia darbo dalis gali būti užfiksuota modelyje, o kuri dalis vis dar priklauso nuo to, ką žmogus randa vietoje.
Šie du sluoksniai — vykdymas vietoje ir planavimas nuotoliniu būdu — skirtingai reaguoja į AI. Ne taip, kad vienas sluoksnis būtų „protingesnis" už kitą; tiesiog vienas geriau užfiksuojamas duomenyse nei kitas.
Planavimo sluoksnyje matyti, kad dalis darbo jau perkelta. Grafikai pagal fiksuotus modelius, valandų registravimas, sąskaitų išrašymas ir bazinė kokybės ataskaita yra užduotys, kurias AI galima perimti, kai tik pagrindiniai duomenys yra susisteminti. Įvertinti staigų personalo trūkumą dėl ligos, apsvarstyti skundą, kuris netelpa į formatą, ar derėtis su užsakovu dėl sutarties pakeitimo — tai vis dar žmogaus darbas arba darbas, kuriame AI pateikia pasiūlymą, o vadovas jį patvirtina arba atmeta su pagrindimu.
Aikštėje, kur dirbama, situacija kitokia. Sensorinė technika, kuri praneša, kai patalpa buvo faktiškai naudojama ir todėl turi būti valoma, yra AI palaikymo forma, kuri jau egzistuoja, tačiau reikalauja investicijų į įrangą ir pastatą, kuris tam pritaikytas. Daugelyje objektų to nėra. Patį valymą, išskyrus robotų naudojimą specifinėse aplinkose, vis tiek atlieka žmonės.
Kodėl vienoje valymo įmonėje tai jau veikia, o kitoje ne? Skirtumas retai slypi pačioje ambicijoje — beveik kiekviena įmonė norėtų planuoti efektyviau ir mažiau laiko prarasti dėl rankinių grafikų. Skirtumas slypi tame, kas yra po šia ambicija: ar įmonė jau turi valandas, ligos atvejus ir skundus sistemoje, kurią AI sprendimas galėtų nuskaityti, ar tai vis dar laikoma planuotojų galvose ir atskirose regioninėse skaičiuoklėse.
Valymo įmonė, sakanti „norime automatizuoti grafikų sudarymą", viena organizacijoje tai reiškia: sistemą, kuri savarankiškai sukuria pilną grafiką. Kitoje: pagalbinę priemonę, kuri pateikia pirminį pasiūlymą, kurį po to koreguoja planuotojas. Tai dvi skirtingos ambicijos su skirtingais reikalavimais duomenims, planuotojų įgaliojimams ir mastu, kuriuo užsakovai turi sutikti su pakeitimais. Kol vadovų komanda nėra šio skirtumo tarpusavyje aptarusi, ji kalba apie automatizavimą, nežinodama, kurį variantą turi omenyje.
Čia tiksliai matyti, kokį skirtumą sudaro ambicija, išdėstyta sluoksniais — nuo vizijos iki konkrečios tikslinės būsenos: ji priverčia įvardyti, kas pasikeičia tame, kas gali priimti sprendimą, ir kas už tai lieka atsakingas. Palyginimui, kitose sektoriuose su gausiu vykdomuoju darbu vietoje pastebimas panašus modelis: kas skaito, kaip tai atrodo statybos sektoriuje arba įrengimo sektoriuje, pamato tą pačią skiriamąją liniją tarp planavimo ir vykdymo darbo, tik su kitokiais duomenų šaltiniais.
Dažniausiai minima kliūtis yra ne technologija, o fiksavimas. Darbo valandos, nedarbingumas, skundai ir medžiagų naudojimas dažnai yra išskaidyti po regioninėse sistemose, popierinėse formose ir žodiniuose susitarimuose tarp planuotojo ir objekto vadovo. AI sprendimui, kuris perima grafikų sudarymą ar kokybės patikras, šie duomenys reikalingi tokia forma, kurią galima nuskaityti. Be šio pagrindo ambicija tampa teiginiu be pagrindo.
Be to, kyla klausimas, kas gali patvirtinti ar atmesti AI pasiūlymą. Įmonėse, kur planuotojas dabar turi visą sprendimų galią dėl grafikų pakeitimų, AI sprendimas, kuris pats jau sudaro grafikus, de facto pakeičia to planuotojo vaidmenį į kontrolieriaus vaidmenį. Tai susijęs su tuo, kaip suformuotos pareigos ir su darbo sąlygomis; sprendimams, kurie paveikia personalą, taikomi atskiri teisiniai reikalavimai, kurie čia nėra aptariami.
Klausimas, kuris slypi po visomis šio sektoriaus ambicijomis, yra ne „ar AI gali perimti valymą", o „kurios iš mūsų užduočių yra jau taip užfiksuotos, kad AI sprendimas galėtų jas nuskaityti, o kurios ne". Tai skiriasi pagal įmonę, regioną ir net užsakovą, ir į tai negalima atsakyti bendrais terminais. Ką tai konkrečiai reiškia jūsų organizacijai kiekvienai užduočiai, parodo FTE TO AI darbo skanavimas: apžvalga, kuris darbas jau tinka perėmimui, kuriai daliai reikia priežiūros ir kuri dalis lieka žmogaus darbu. Kas pirmiausia norėtų suprasti, kaip ambicija verčiama į veiklos modelį, tai rasite paaiškinta tiksliniame veiklos modelyje paprasta kalba, o kas norėtų sužinoti, kokių galimybių reikalauja konkreti ambicija, gali tai perskaityti galimybėse, kurių jūsų organizacijai reikia šiai ambicijai.
AI ambicijos valymo darbe formulavimas pradedamas nustatant, kur organizacija realiai yra, o ne kur vadovybė tikisi būti. FTE TO AI nemokamas pasirengimo patikrinimas susideda iš aštuonių trumpų klausimų, po vieną kiekvienai dimensijai, ir suteikia vaizdą, kur organizacija yra pažengusi toliausiai ir kur reikia žengti daugiausiai žingsnių. Pilnas ambicijos testas, su keturiais sluoksniais ir penkiais patikimumo vartais (confidence gates), yra kuriamas.
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.