Partihandeln bygger på flöden: varor, order, fakturor och information som rör sig fram och tillbaka mellan leverantörer och kunder. En stor del av kontorstimmarna går till arbete som upprepar sig inom det flödet — registrera och kontrollera order, stämma av lager mot inköp och försäljning, hålla koll på prisavtal, matcha fakturor mot följesedlar, besvara kundfrågor om leveranstider och tillgänglighet. Vid sidan av det finns arbete som upprepar sig mindre: förhandla med leverantörer, sätta samman ett sortiment, hantera en kund i en svår situation, besluta vad som ska hända när en leverans fastnar.
Dessa två typer av arbete styr ett annat utfall när en ambition förutsätter AI-arbete. Upprepat arbete med fasta regler låter sig lättare tas över än arbete där någon om och om igen väger av vad som är rätt i just den situationen. De omständigheter som styr utfallet är inte bara arbetets karaktär, utan också hur ren och strukturerad den underliggande datan är — en orderrad som noteras olika i fem system är svårare för ett system att läsa än för en människa som känner sammanhanget.
Hos en del partihandelsföretag tas arbete redan över idag: ordervkontroll mot inköpsvillkor, sammanfattning av leverantörsmejl till en åtgärd, ifyllning av en lagerprognos baserad på historiska mönster. Hos ett annat antal företag ligger exakt samma arbete fortfarande helt hos människor. Skillnaden ligger sällan i viljan att förändras. Den ligger i om datan är i ordning, om det finns någon som får godkänna eller avvisa ett systems utfall med motivering, och om organisationen har fastställt vem som beslutar om vad när något går fel.
Tre kategorier löper genom nästan varje process inom partihandeln. Det finns arbete som ett system kan ta över utan mellanhand, som att överföra en orderrad till rätt format. Det finns arbete där AI lägger fram ett förslag och en människa bedömer det förslaget — en kreditnota som föreslås men godkänns eller skickas tillbaka med motivering av en medarbetare. Och det finns arbete som förblir mänskligt arbete, som samtalet med en leverantör som inte klarar sin leveranstid. Vilken uppgift som hamnar i vilken kategori skiljer sig per företag och per system, och förändras i takt med att data eller process förändras.
En ambition som "vår kundservice kommer snart att fungera i stort sett automatiserat" förutsätter att företaget kan kategorisera kundfrågor, att kunskapen bakom ett svar finns strukturerad någonstans, och att det finns en överenskommelse om när en fråga går vidare till en människa. Utan dessa tre är ambitionen en mening, inte en plan. Detsamma gäller en ambition kring lagerstyrning: den kräver att inköps-, försäljnings- och logistikdata stämmer samman, och att någon har befogenhet att korrigera en beställningsrekommendation som AI föreslagit.
Ambitionstestet fastställer sådana ambitioner i fyra lager — vision, vision state, target, target state — och prövar dem mot åtta dimensioner av beredskap, med fem confidence gates som visar var planen fortfarande vilar på förtroende i stället för på bevis. Samma test översätter utfallet tillbaka till capabilities: vad måste en roll kunna, och vem får beslutsrätten när ett system lägger fram ett utfall. För partihandelsföretag som också funderar på hur stor del av vinsten som går åt till att behålla marknadsandel, är det värt att läsa hur ni väger tillväxt mot marginal i en strategi, eftersom en AI-ambition utan den avvägningen snabbt blir ett antagande snarare än ett val.
Partihandeln delar mycket med de logistiska leden före och efter. Den som vill göra jämförelsen med en sektor där det fysiska varuarbetet ligger ännu närmare processen hittar det i vilka AI-ambitioner finns inom transportsektorn, och den som vill se hur samma ambition översätts i en produktionsmiljö kan läsa vilka AI-ambitioner finns inom tillverkningsindustrin. Mönstret upprepar sig: samma ambitionsord, annan beredskap, annat utfall.
Där det berör personal — vilka funktioner som förändras när arbete förskjuts — gäller egna lagstadgade krav som faller utanför detta test. Vad ambitionstestet däremot gör är att göra tydligt vilken kapacitet som frigörs när visst arbete förskjuts, i timmar och heltidstjänster, så att en ledningsgrupp vet vad den talar om innan den talar om människor.
Den underliggande frågan — vilket arbete i detta företag som verkligen kan tas över av AI — besvaras med FTE TO AI:s arbetsscan per uppgift, i stället för per funktion eller antagande. För en ledningsgrupp som först vill veta om den egna visionen är mätbar nog för att prövas mot den finns hur ni gör en vision mätbar.
Den som vill veta var den egna organisationen står kan göra den kostnadsfria beredskapskontrollen: åtta korta frågor, en per dimension, som ger en bild av var ni har kommit längst och var ni har kommit minst långt. Det fullständiga ambitionstestet, med de fyra lagren och de fem confidence gates, är under uppbyggnad.
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.