Zaměstnanec něčemu v softwarovém balíku nerozumí a položí otázku. Žádná porucha, žádný rozbitý systém, jen nejasnost o používání. Tato práce dnes přistane na servicedesku nebo u funkčního správce, obvykle přes tiketový systém, někdy telefonicky nebo prostě u stolu kolegy, který "toho jednoho balíku" prostě zná.
Otázka, která zde stojí, nezní, zda je tato práce nepříjemná nebo hodnotná. Otázka zní: shoduje se vzorec této úlohy s tím, co AI dnes dokáže s textem.
Rozhodující jsou zde tři osy: objem, kontakt s klientem a strukturovanost.
Objem je vysoký. Stejné otázky se opakují, znovu a znovu, od různých lidí: jak exportuji tento report, kde najdu to nastavení, proč se mi zobrazuje tato chybová zpráva. Tento opakující se charakter je přesně to, na čem stojí automatizace: úloha, která se vyskytuje stokrát identicky, je jiná úloha než ta, která se vyskytuje jednou a pokaždé jinak.
Kontakt s klientem je omezený. Tazatel je kolega, ne externí klient, se kterým je třeba udržovat vztah. Je potřeba méně zdrženlivosti při přímé a bezodkladné odpovědi a menší riziko, že méně plynulá odpověď bude vnímána jako neprofesionální.
Strukturovanost je vysoká. Otázka má často pevnou formu ("jak udělám X v systému Y") a odpověď ve většině organizací už někde existuje: v manuálu, znalostní databázi, starých tiketech. AI zde nemusí vymýšlet nic nového, jen musí najít existující informaci a přeformulovat ji podle situace tazatele.
K tomu se přidává, že náklady na chyby a compliance vycházejí příznivě. Špatná odpověď o exportovacím tlačítku zřídka vede ke škodě a obvykle neexistuje zákonná povinnost, že tuto odpověď musí dát pouze člověk. Fyzické úkony nejsou potřeba: jde čistě o jazykovou a znalostní úlohu, což vysvětluje skóre na této ose.
Kreativita má nízké skóre a přesně tady je hranice. Otázka, která vypadá jinak než standardní vzorce — nezvyklá kombinace nastavení, problém, který se ve skutečnosti týká tří systémů, uživatel, který sám nedokáže dobře vyjádřit, co je špatně — vyžaduje někoho, kdo umí pokládat další otázky a odchýlit se od scénáře. Prostor pro úsudek má proto průměrné skóre: část otázek lze zodpovědět jednoznačně, jiná část vyžaduje odhad, co tazatel vlastně myslí.
Jde tedy o rozdělení, ne o úplné převzetí: otázky, které se často opakují a mají pevnou odpověď, mají u AI slibné vyhlídky, případně s pracovníkem, který odpověď posoudí, než ji AI odešle. Otázky, které se odchylují, zůstávají lidskou prací, ne proto, že by AI tuto práci nechtěla dělat, ale protože se pro ni vzorec nehodí.
Toto funguje pouze tehdy, když jsou podkladové znalosti v pořádku. Aktuální znalostní databáze a dobře strukturované FAQ nejsou vedlejší záležitost, jsou podmínkou. Systém AI, který odpovídá na základě manuálu starého tři verze, dává chybné odpovědi se stejnou jistotou jako správné. Firmy, kde je dokumentace rozdrobená, existuje jen v hlavách jednotlivých zaměstnanců nebo nikdy nebyla udržována, tento vzorec hned nevyužijí — ne proto, že by úloha byla jiná, ale proto, že chybí podmínka.
U organizace s jedním jednoduchým, stabilním softwarovým balíkem a malou, zkušenou skupinou uživatelů je podíl otázek, které lze zodpovědět přes AI, pravděpodobně velký: málo variace, hodně opakování. U organizace s desítkami systémů, hodně přizpůsobením na zakázku a pravidelně se měnícími zaměstnanci je to jinak: více variace, více otázek, které se právě vymykají standardnímu vzorci, a tedy větší podíl, který zůstává u člověka.
Tato úloha také nestojí odděleně od zbytku servicedesku. Kdo se podívá na jak AI může registrovat a prioritizovat incidenty nebo na jak se porucha komunikuje uživatelům, vidí podobný vzorec opakování a struktury, s poněkud jinými výsledky u jednotlivých os. Širší přehled toho, k čemu to vede na zákaznickém servisu jako celku, najdete na jakou práci může AI převzít na zákaznickém servisu.
Ve firmách, kde je toto už zavedeno, servicedesk vidí méně opakujících se otázek přicházejících k lidem a více času zbývá na otázky, které skutečně vyžadují další dotazování. Nejde o vizi budoucnosti: děje se to už dnes, částečně, u organizací se znalostní databází, která je v pořádku. U jiných organizací se to ještě neděje, prostě proto, že pro to ještě chybí základ.
Co organizace s volnými hodinami udělá — jiné vyplnění rolí, jiné rozdělení úkolů — je volba, která náleží samotné organizaci a pro kterou platí vlastní zákonné požadavky; to není otázka, na kterou lze odpovědět pomocí analýzy úloh.
Chcete-li vidět, jak se tento vzorec projeví ve vaší vlastní situaci, můžete získat indikaci pomocí bezplatného quickscanu: dvanáct otázek, bez účtu, s odhadem, jakou část hodin ve vašem profilu může AI dnes převzít. Kompletní pracovní scan, který rozebírá práci celé firmy na úlohy, se ještě připravuje.
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.