O comércio grossista funciona com base em fluxos: mercadorias, encomendas, faturas e informação que se movem entre fornecedores e clientes. Uma grande parte das horas de escritório vai para trabalho que se repete dentro desse fluxo — introduzir e verificar encomendas, conciliar existências com compras e vendas, acompanhar acordos de preços, cruzar faturas com guias de remessa, responder a perguntas de clientes sobre prazos de entrega e disponibilidade. Ao lado disso está trabalho que se repete menos: negociar com fornecedores, compor um sortido, atender um cliente numa situação difícil, decidir o que acontece quando uma entrega encravar.
Esses dois tipos de trabalho conduzem a um resultado diferente quando uma ambição pressupõe trabalho de IA. Trabalho repetitivo com regras fixas deixa-se assumir mais facilmente do que trabalho em que alguém pondera repetidamente o que é correto nesta situação. As circunstâncias que determinam o resultado não são apenas a natureza do trabalho, mas também o grau de limpeza e estruturação dos dados subjacentes — uma linha de encomenda que é registada de forma diferente em cinco sistemas é mais difícil de ler para um sistema do que para uma pessoa que conhece o contexto.
Em parte das empresas grossistas, já hoje se assume trabalho: verificação de encomendas face às condições de compra, resumir e-mails de fornecedores numa ação, alimentar uma previsão de existências com base em padrões históricos. Noutra parte das empresas, exatamente o mesmo trabalho continua integralmente nas mãos das pessoas. A diferença raramente está na vontade de mudar. Está em saber se os dados estão em ordem, se há alguém autorizado a aprovar ou rejeitar com fundamento o resultado de um sistema, e se a organização definiu quem decide sobre o quê quando algo corre mal.
Três categorias percorrem quase todos os processos do comércio grossista. Há trabalho que um sistema pode assumir sem intervenção, como transpor uma linha de encomenda para o formato correto. Há trabalho em que a IA faz uma proposta e uma pessoa avalia essa proposta — uma nota de crédito que é proposta, mas aprovada ou devolvida com justificação por um colaborador. E há trabalho que continua a ser trabalho humano, como a conversa com um fornecedor que não cumpre o prazo de entrega. Que tarefa se enquadra em que categoria varia de empresa para empresa e de sistema para sistema, e muda logo que os dados ou o processo mudam.
Uma ambição como "o nosso atendimento ao cliente passará a funcionar em grande parte de forma automatizada" pressupõe que a empresa consegue categorizar perguntas de clientes, que o conhecimento subjacente a uma resposta está estruturado em algum lugar, e que existe um acordo sobre quando uma pergunta passa para uma pessoa. Sem esses três elementos, a ambição é uma frase, não um plano. O mesmo se aplica a uma ambição em torno da gestão de existências: essa exige que os dados de compras, vendas e logística estejam alinhados entre si, e que alguém tenha autoridade para corrigir uma proposta de encomenda sugerida pela IA.
O teste de ambição fixa essas ambições em quatro camadas — visão, vision state, target, target state — e avalia-as em oito dimensões de preparação, com cinco confidence gates que indicam onde o plano ainda se apoia em confiança em vez de em prova. Esse mesmo teste traduz o resultado de volta para capabilities: o que cada função deve conseguir fazer, e quem recebe o direito de decisão quando um sistema apresenta um resultado. Para empresas grossistas que também refletem sobre quanto do lucro se destina a manter a quota de mercado, vale a pena ler como pesar o crescimento face à margem numa estratégia, porque uma ambição de IA sem essa ponderação rapidamente se torna um pressuposto em vez de uma escolha.
O comércio grossista partilha muito com os elos logísticos que vêm antes e depois. Quem quiser fazer a comparação com um setor onde o trabalho físico com mercadorias está ainda mais próximo do processo, encontra-o em que ambições de IA estão em jogo no setor dos transportes, e quem quiser ver como a mesma ambição se traduz num ambiente de produção, pode ler que ambições de IA estão em jogo na indústria transformadora. O padrão repete-se: as mesmas palavras de ambição, preparação diferente, resultado diferente.
Onde isto toca no pessoal — que funções mudam quando o trabalho se desloca — aplicam-se requisitos legais próprios que ficam fora deste teste. O que o teste de ambição faz, sim, é tornar claro que capacidade fica disponível quando determinado trabalho se desloca, em horas e fte, para que uma equipa de direção saiba de que está a falar antes de falar sobre pessoas.
A questão subjacente — que trabalho nesta empresa pode realmente ser assumido pela IA — é respondida pelo scan de trabalho da FTE TO AI por tarefa, em vez de por função ou por suposição. Para uma equipa de direção que queira primeiro saber se a sua própria visão é suficientemente mensurável para ser testada, há como tornar uma visão mensurável.
Quem quiser saber onde a própria organização se encontra pode fazer a verificação de preparação gratuita: oito perguntas breves, uma por dimensão, com um retrato de onde está mais avançado e onde está menos avançado como resultado. O teste de ambição completo, com as quatro camadas e os cinco confidence gates, está em construção.
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.