Inom företagstjänster består arbetet till stor del av språk: upprätta dokument, gå igenom dossierer, formulera råd, anpassa rapporter till en klient eller situation. Advokatbyråer, revisionsbyråer, konsultbolag och försäkringsförmedlare skiljer sig åt i yrke, men inte i detta mönster: många timmar går till att samla in och omorganisera information som redan finns någonstans, och en mindre del till det omdöme som följer därpå. Det gör sektorn känslig för en förskjutning som redan pågår: språkarbete är precis den typ av arbete som AI-system presterar bra på, förutsatt att informationen de arbetar med är tillgänglig och tillförlitlig.
De omständigheter som styr utfallet ligger inte i yrket självt utan i hur kontoret är organiserat. Arbetar ett team med fasta mallar och en dossierstruktur som alla använder på samma sätt, då kan en stor del av arbetet göras förutsägbart. Arbetar teamet skräddarsytt per klient eller per ärende, med avvikelser som endast finns i handläggarens huvud, då är det arbetet svårare att överlämna, oavsett hur ambitiöst målet är.
Inom samma sektor skiljer sig kontoren redan nu åt. Hos ett kontor upprättar ett system ett första utkast till rådgivning, med en medarbetare som bedömer det och med motivering godkänner eller skickar tillbaka det. Hos ett annat kontor sker exakt samma arbete fortfarande helt manuellt, inte av ovilja utan för att dossiererna inte har en form som ett system kan läsa, eller för att ingen har fastställt när ett utkast till rådgivning är tillräckligt bra för att gå vidare.
Tre kategorier av arbete löper genom varje kontor. En del kan ett system självständigt ta över: sammanfatta handlingar, fylla i standardformulär, upptäcka avvikelser i siffror. En del kan göras delvis, med en medarbetare som bedömer utfallet och motiverat godkänner eller avslår det. Och en del förblir mänskligt arbete: samtalet med klienten om en svår situation, avvägningen som inte kan fångas i regler, ansvaret som hör ihop med ett namn och en underskrift. Vilken uppgift som hamnar i vilken kategori skiljer sig per kontor och per process, och det är precis därför en ambition som "vi använder AI i vår rådgivningsprocess" utan vidare förklaring säger ganska lite.
En mening som "AI kommer att snabba upp vårt dossierarbete" låter entydig, men i styrelserummet uppfattas den sällan entydigt. Den ena delägaren tänker på ett system som levererar utkasttexter som sedan skrivs om i sin helhet. Den andra tänker på en process där systemet till stor del arbetar självständigt och endast läggs fram vid tvivel. Båda tolkningarna är en rimlig förklaring av samma ambition, och skillnaden mellan dem avgör hur mycket kapacitet som frigörs, vilka roller som faktiskt förändras och vilka beslutsrättigheter som hör därtill. Hur den skillnaden exakt uppstår och varför den så ofta går obemärkt förbi beskrivs på sidan om varför människor menar olika saker med samma ord.
Denna otydlighet berör även frågan om hur organisationen själv är uppbyggd: vilken avdelning som kommer att utföra arbetet, vilket lager som styr det, och var vilket beslut fattas. Den som vill ha en tydlig bild av detta innan ambitionen fastställs hittar en förklaring utan fackjargong på sidan om en target operating model i vanliga ord.
En ambition som förutsätter AI-arbete kräver andra saker av en organisation än samma ambition utan AI. För företagstjänster handlar det bland annat om: står dossierer och mallar i en form som ett system kan läsa, finns det ett fastställt tillfälle då en medarbetare bedömer ett AI-resultat och med motivering godkänner eller avslår det, och är det tydligt vem som förblir ansvarig när det slutliga rådet skickas ut. På dessa punkter visar det sig ofta att ambitionen går snabbare än organisationen: ledningen talar om automatisering av rådgivningsprocessen, medan de underliggande dossiererna ännu inte är tillräckligt strukturerade för att kunna läsas av ett system. Det är inte en fråga om vilja, utan om beredskap, och den beredskapen kan prövas separat per dimension.
Andra sektorer uppvisar ett liknande mönster med egna omständigheter: inom utbildningssektorn finns andra ambitioner än här, vilket beskrivs på sidan om AI-ambitioner inom utbildning, och även inom detaljhandeln förskjuts arbetet längs ett annat slags linjer, utvecklat på sidan om AI-ambitioner inom detaljhandeln. Den underliggande mekanismen — vilket arbete som låter sig överlämnas och vilket arbete som förblir mänskligt arbete — är densamma i varje sektor, endast utformningen skiljer sig åt.
Denna sida beskriver vilket arbete som kan förskjutas, inte vad ett kontor bör göra med sin personal om det sker. För beslut som rör anställningsförhållandet gäller egna lagstadgade krav, oberoende av vilken uppgift ett system kan ta över eller inte.
Frågan om vilket arbete på just detta kontor som faktiskt kan tas över av AI kan inte besvaras med ett allmänt intryck av sektorn. Arbetsscanen från FTE TO AI besvarar den frågan per uppgift, med ett resultat som anger vilken del av arbetet som utförs självständigt, under tillsyn eller fortfarande av människor. Den som först vill veta var den egna organisationen är längst respektive minst framme kan göra den kostnadsfria beredskapskontrollen: åtta korta frågor, en per dimension, med en bild av var beredskapen redan står och var ett steg till behöver tas. Den fullständiga ambitionstestet, med de fyra lagren från vision till target state och översättningen till roller och beslutsrättigheter, 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.