Две организации описват една и съща задача. При една от тях резултатът е категория 'AI може да поеме задачата', при другата - 'остава ръчна работа'. Това не е несъответствие в метода, а резултат от метода. Резултатът зависи не само от съдържанието на задачата, но и от условията, при които тя се изпълнява. Тази страница обяснява кои фактори определят тази разлика и какво означава това за надеждността на една оценка.
Ние никога не оценяваме задача по един-единствен признак. Всяка задача се оценява по осем оси: структурираност на входните данни, пространство за преценка, чувствителност на контакта с клиента, физически компонент, креативност, разходи при грешка, чувствителност спрямо съответствие (compliance) и обем/повторяемост. Две организации с 'еднакъв' набор от задачи могат силно да се различават по тези оси. Задача за планиране с постоянни входни данни и висок обем се оценява различно от същата задача за планиране, когато входните данни варират и изключенията са правило. Не става дума за наименованието на задачата, а за комбинацията от резултати зад него.
При нисък обем инцидентите тежат повече, отколкото при висок обем. Задача, която се случва пет пъти годишно, дава малка основа за разпознаване на модел; задача, която се случва стотици пъти дневно, показва по-бързо къде AI работи стабилно и къде не. Висок обем често прави оценката по-конкретна, защото има повече повторяемост за проверка. Нисък обем прави оценката по-широка - не защото задачата е неясна, а защото просто има по-малко за обобщаване. Това се отчита например при въпроса дали AI мониторинг на напредъка на цели и проекти може да поеме: при няколко проекта годишно диапазонът е по-широк, отколкото при портфолио със стотици текущи инициативи.
Задача, която се извършва изцяло в структурирани системи, се оценява различно от задача, която се намира предимно в главите на хората, имейли и отделни документи. Не защото задачата сама по себе си се променя, а защото степента, в която AI има достъп до надеждна, актуална информация, силно варира. Това се вижда добре при контрола на бюджета: дали AI наблюдение на бюджет и сигнализиране на отклонения може да поеме силно зависи от това дали основните данни вече са налични структурирано и актуално, или трябва първо да бъдат събрани и интерпретирани ръчно. Една и съща задача, различна конфигурация на системата, различен резултат.
Разходите за грешка не са универсални. Грешна интерпретация във вътрешен преглед има различни последствия от грешна интерпретация в комуникация с клиент или доклад за съответствие. При високи разходи за грешка резултатът по-скоро се изместя към категория две - AI прави предложение, човек одобрява или отхвърля - дори ако задачата по другите оси би сочила към поемане от AI. Това е една от причините, поради които никога не правим заключение единствено на база 'какво съдържа задачата': контекстът, в който попада грешката, тежи в еднаква степен.
Диапазонът не е неясност, а честно представяне на това, което не знаем със сигурност. При задачи с голямо пространство за преценка - при които двама опитни служители биха се различавали и помежду си - всяка оценка по дефиниция е по-широка. При задачи с много контакт с клиента играе роля и това, че толерантността към взаимодействие с AI варира по сектор и по клиентска група, нещо, което не можем да измерим без вашите собствени данни. А при задачи, които са наскоро въведени или наскоро сменени на друга система, просто още няма стабилен модел, върху който да се стъпи. Във всички тези случаи ние избираме по-широк диапазон вместо точно число, което би подсказвало повече сигурност, отколкото можем да обосновем.
Има ситуации, в които единично измерване има малка стойност: при наскоро променен процес, при задача, която се среща рядко, или при организация, която все още е в преход към нови системи. Резултат в такъв момент е моментна снимка, не прогноза. Затова и повторното измерване е релевантно: една и съща задача, измерена по-късно, може да даде различен резултат, защото условията са се променили - не защото първото измерване е било грешно.
Този метод казва нещо за задачите, не за хората или длъжностите. Резултатът не е основание за решение относно персонала; за решения, засягащи трудовото правоотношение, важат отделни законови изисквания, които трябва да проверите отделно. Ние предоставяме факти за задачите, вие правите изводите, подходящи за вашата организация. Като илюстрация: дори задача като ръководене на срещи не може да се оценява еднообразно, което се вижда при въпроса дали AI провеждане на седмична екипна среща може да поеме - отговорът се различава по екип, по култура на провеждане на срещи и по степента на пространство за вземане на решения в тези срещи.
Ако искате първо впечатление за това как това се отразява на вашата собствена ситуация, можете да попълните безплатния quickscan на ftetoai: дванадесет въпроса, без акаунт, с индикация какъв дял от часовете във вашия профил може да бъде поет от AI днес. Пълният работен скан, който задълбочено разглежда осемте оси за всяка задача, все още е в разработка - той все още не съществува към момента, и предпочитаме да го кажем честно, вместо да го предлагаме.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.