Kennisbank

AI и мениджмънт: какво се променя в задачите?

Мениджмънтът на пръв поглед изглежда като територия на съвещания, преценка и отговорност — все типично човешка територия. Въпреки това мениджърската функция се състои от редица отделни задачи, и тези задачи се различават силно по това, доколко AI може да ги поеме. От 40-те задачи, които ние разграничаваме в тази област, ясна част попада във всяка от трите категории. Моделът зад това е по-полезен от обикновен списък с отметки.

Къде AI вече може да поеме работата

Задачи, които преди всичко се състоят от събиране, подреждане и обобщаване на съществуващи данни, се предлагат добре за пълно поемане от AI. Помислете за изготвянето на мениджърски доклад за дирекция или акционери: цифрите вече са в системите, структурата на доклада е до голяма степен фиксирана, и AI може да сигнализира отклонения и тенденции без да е необходимо човек да въвежда всеки ред ръчно. Също и наблюдението на бюджет и сигнализирането на отклонения попада тук: това е въпрос на сравняване на реалните разходи с бюджета и прилагане на прагови стойности — нещо, в което софтуерът структурно е по-добър от човек, който прави това веднъж седмично, между другото.

Общата характеристика на тази категория е, че резултатът в голяма степен може да бъде обективно определен от наличните данни, и че задачата се повтаря по фиксирана структура. Има малко нужда от интерпретация и няма нужда от съпоставяне на интереси. Това прави разликата със сходни задачи в други отдели не случайна: и при може ли AI да поеме воденето на дневник за одит на финансови промени виждаме, че систематичното, базирано на данни регистриране е добре автоматизируемо, докато интерпретацията на това какво означава тази регистрация изисква нещо друго.

Къде AI подпомага, но надзор остава необходим

Голяма част от мениджърската работа се намира между пълна автоматизация и изцяло човешка работа. Тук AI може да изготви концепция, анализ или предложение, но човек оценява резултата и го одобрява или отхвърля, с основание.

Изготвянето на годишен план с конкретни цели е добър пример. AI може, на база исторически данни и информация от организацията, да направи първоначален проект на цели, действия и отговорности по отдели. Но дали тези цели са реалистични, достатъчно амбициозни и взаимно съгласувани, изисква преценка от някой, който познава организацията, хората и ограниченията ѝ. Същото важи за определянето на KPI-та по екип или процес: AI може да предложи идеи на база сходни организации или сектори, но изборът кои показатели наистина трябва да бъдат водещи, зависи от приоритети, които не могат напълно да бъдат извлечени от данните.

Също и подготовката и съставянето на дневния ред за мениджърски съвещания попада в тази средна категория: AI може да събере документи, да предложи дневен ред и да направи резюмета, но някой трябва да прецени дали правилните теми са включени по подходящ начин, и дали чувствителни точки трябва или не трябва да се обсъждат в тази компания. Моделът е винаги един и същ: AI предоставя солидна първа версия, човек я тества спрямо контекст, който не е напълно записан в данни, и одобрява или отхвърля.

Къде остава работа за хора

Трета група задачи остава предимно за хората, не защото AI не може да обработи информацията, а защото самата задача се върти около поемане на отговорност, съпоставяне на интереси или изказване от името на организацията.

Вземането на решения по време на мениджърско съвещание е най-ясният пример тук. Може да има напълно анализирана информация на масата, но самият избор — с отговорността, която идва с него — принадлежи на хората, които имат правомощието и мандата. AI може да направи опциите и последствията разбираеми, но натискането на бутона правят други.

Изготвянето на стратегически план за следващите години попада в голяма степен в същата категория. AI може да предостави анализи на пазар, клиенти и вътрешни процеси, но избирането на посока за организацията в средносрочен план изисква преценка на риска, амбицията и това, какво организацията всъщност иска да стане — нещо, което не може да бъде обективно извлечено от данни. Планирането на персоналните нужди на мениджърско ниво е чувствително от друга причина: то пряко засяга решения за хора и функции. За такива решения важат собствени законови изисквания, на които работодателят трябва да отговаря, и те изискват грижливост, която не може да бъде заменена чрез анализ на задачите. Който се ориентира по-широко към въпроси, свързани с персонала, вижда сходно разграничение на страницата за каква работа може да поеме AI в отдела по човешки ресурси: и там граница между подпомагащ анализ на данни и решения относно хора може да бъде ясно прокарана.

Моделът зад разпределението

Ако разгледате 40-те задачи в тази област, може да се прокара линия: колкото повече задача се състои от повтарящо се обработване на съществуваща, структурирана информация, толкова по-скоро AI може да я поеме напълно. Колкото повече задача изисква комбиниране на данни с организационно знание, което не е записано, толкова по-скоро е необходим надзор. И колкото повече самата задача представлява упражняване на отговорност, мандат или преценка — не подготовката за това — толкова по-скоро тя остава работа за хора. Този модел не е уникален за мениджмънта: същата логика обяснява например защо при каква работа може да поеме AI в логистиката задачите по планиране са по-бързо автоматизируеми от задачите, при които някой трябва да договори изключение с доставчик или клиент.

Това разпределение казва нещо за задачите, не за колко мениджмънт се нуждае организация или как тя структурира персонала си — това е и остава решение на самата организация, при собствените законови рамки, които се прилагат.

Какво можете да направите сега

Искате ли да разберете как това разпределение се превежда във вашата собствена ситуация? Безплатният quickscan на ftetoai се състои от дванадесет въпроса, работи без регистрация, и дава индикация за коя част от часовете във вашия профил днес могат да бъдат поети от AI. Забележка: това е първоначална индикация, не пълен анализ. Разширеният работен анализ, който навлиза по-надълбоко на ниво задачи, все още е в изграждане — все още не можем да ви го предложим, но quickscan вече дава честна отправна точка.