IT nozare sastāv no darba, ko var viegli sadalīt atkārtojamos soļos, un darba, ar kuru tas tieši nav iespējams. Koda rakstīšana, testēšana, dokumentēšana, biļešu šķirošana, monitoringa izvērtēšana, konfigurāciju izvietošana: daudziem no šiem uzdevumiem ir fiksēta struktūra un skaidrs vērtēšanas kritērijs. Līdzās tam ir darbs, kas balstās uz arhitektūras izvēlēm, klienta kontekstu, drošības apsvērumiem un lēmumu par to, vai sistēma nonāk produkcijā vai ne. Šī atšķirība nosaka, kur AI jau šodien pārņem uzdevumus, kur joprojām nepieciešama uzraudzība, un kur cilvēku darbs paliek lietas kodols.
Apstākļi, kas nosaka iznākumu, nav vienveidīgi. Komanda, kas strādā ar labi dokumentētu koda bāzi un skaidriem testēšanas standartiem, var vieglāk nodot uzdevumus nekā komanda, kas balstās uz nerakstītām zināšanām un mutiskām vienošanām. Organizācija ar fiksētu pārskatīšanas struktūru var iestrādāt AI izvades uzraudzību esošā procesā; organizācijai bez šādas struktūras tā vispirms jāizveido, pirms nodošana ir atbildīga.
Daļā nozares pārmaiņas jau ir redzamas. Koda ieteikumus, testu ģenerēšanu un dokumentācijas atjauninājumus dažās komandās lielā mērā rada AI, un izstrādātājs apstiprina vai noraida, balstoties uz funkcionalitāti un lasāmību. Citās komandās tieši tāds pats darbs joprojām tiek veikts pilnībā manuāli, ne tāpēc, ka tur situācija principiāli atšķirtos, bet tāpēc, ka trūkst priekšnoteikumu: nav piekļuves pareizajiem rīkiem, nav noteiktu kvalitātes kritēriju, nav atvēlēts laiks procesa pārveidei.
Šī atšķirība starp uzņēmumiem reti slēpjas pašā tehnoloģijā. Tā slēpjas gatavībā: vai organizācijas dati un dokumentācija ir kārtībā, vai lēmuma tiesības par AI izvades vērtēšanu ir kādam piešķirtas, vai ir atbrīvota kapacitāte, lai izveidotu jauno procesu, pirms tiek demontēts vecais. Kur šo priekšnoteikumu trūkst, ambīcija paliek uz papīra pat tad, ja tehnoloģija jau ir pieejama.
Ambīcija, piemēram, "AI atbalsta mūsu izstrādātājus", izklausās viennozīmīga, taču praksē prasa virkni spēju, kas nav pašsaprotami klātesošas: testa vidi, kas var validēt AI ģenerētu kodu, pārskatīšanas procesu, kas nepalēninās papildu apjoma dēļ, un vērtētājus, kuri zina, pēc kā noraidīt AI priekšlikumu. Bez šīm spējām ambīcija paliek nodoms bez izpildes.
Tieši tāpēc tie paši vārdi valdes komandā var nozīmēt dažādas lietas. Tehniskais direktors domā par automatizētiem pipeline procesiem, operatīvais direktors — par mazāku atbrīvoto stundu skaitu atbalsta darbam, HR atbildīgais — par cita veida lomu sadalījumu. Neviena no šīm interpretācijām nav nepareiza, taču bez kopīga pārbaudes kritērija ambīcija paliek nesaistoša. Kā vīziju pārvērst kaut kā izmērāmā, nevis trīs atsevišķos pieņēmumos, aprakstīts sadaļā kā padarīt vīziju izmērāmu.
IT nozare nav vienīgā, kas cīnās ar šo pārmaiņu, kaut arī sarežģījumi atšķiras. Finanšu pakalpojumu nozarē jautājums ir citāds, jo tur lielāku lomu spēlē uzraudzība un atbildība; kas tur notiek, aprakstīts sadaļā kādas AI ambīcijas pastāv finanšu pakalpojumu nozarē. Būvniecībā fiziskais darbs ir fiksēts faktors, kas AI pārņemšanu ierobežo citādi nekā IT jomā, kā lasāms sadaļā kādas AI ambīcijas pastāv būvniecības nozarē. Un tīrīšanas nozarē galvenokārt runa ir par plānošanu un kvalitātes kontroli, nevis koda ražošanu, kā izklāstīts sadaļā kādas AI ambīcijas pastāv tīrīšanas nozarē. Modelis katru reizi ir vienāds: ambīcija kļūst konkrēta tikai tad, kad ir skaidrs, kādas spējas trūkst.
Valdes komanda, kas nolemj, ka AI ir jāpārņem "lielākā daļa no pārskatīšanas cikla", ar to formulē ambīciju, ko nav iespējams īstenot vienā ceturksnī. Tas nav iebildums pret pašu ambīciju, bet gan signāls, ka nepieciešama sadalīšana posmos: kurai spējai jābūt izveidotai vispirms, kurai pēc tam, un kurā brīdī organizācija pirmo reizi spēj novērtēt, vai tas strādā. Kā šāda posmu secība var izskatīties, aprakstīts sadaļā kā sadalīt posmos ambīciju, kas ir par lielu vienam gadam.
Par personāla lēmumiem, kas var izrietēt no šādas posmu secības, mēs nespriedam: kādu darbu darba devējs atceļ vai pārdala, ir pakļauts paša tiesiskajām prasībām un paša apsvērumiem. Tas, ko mēs aprakstām, ir tas, kādu darbu var nodot, daļēji vai pilnībā, un ar kādiem nosacījumiem.
Būtiskais jautājums nav par to, vai AI ambīcijas IT nozarē ir reālas, bet gan par to, vai šis konkrētais uzņēmums, ar šo koda bāzi, šo komandu un šiem procesiem, ir gatavs tās īstenot. Uz jautājumu, kāds darbs šajā uzņēmumā faktiski ir pārņemams ar AI, katram uzdevumam atsevišķi, atbild FTE TO AI darba skenēšana.
Kas vēlas vispirms gūt priekšstatu, bez jebkādām saistībām, var veikt bezmaksas gatavības pārbaudi: astoņi īsi jautājumi, viens katrai dimensijai, sniedzot ainu par to, kur organizācija ir tālāk un kur mazāk tālu tikusi. Pilnā ambīciju pārbaude, ar visiem četriem slāņiem un pieciem uzticamības vārtiem, ir izstrādes procesā.
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.