IT oddělení je pro AI zajímavou oblastí, protože kombinuje dva druhy práce, které se na automatizaci reagují zcela odlišně. Na jedné straně stojí procesy, které probíhají podle pevného vzorce: nový zaměstnanec dostane účet, záloha běží v noci, heslo se resetuje po žádosti. Na druhé straně stojí práce, kde výsledek závisí na kontextu, posouzení rizika a důsledcích, které nelze zachytit ve skriptu. Naše taxonomie v této oblasti počítá 39 úkolů a rozdělení do tří kategorií do značné míry sleduje tuto dělicí čáru.
Jde zde o úkoly s jasným vstupem, pevným postupem a kontrolovatelným výsledkem. Dobrým příkladem je připravení pracovního místa, účtů a přístupových práv pro nového zaměstnance: profil funkce určuje, jaká práva jsou potřebná, a toto propojení lze automatizovat, aniž by o obsahu musel neustále znovu přemýšlet nějaký člověk. Totéž platí pro odebrání přístupu při skončení pracovního poměru, kde riziko pozdního jednání je větší než riziko automatizace, a pro provádění a kontrolu záloh, kde systém sám může signalizovat, zda byl úkol úspěšný, nebo nikoli. Tyto úkoly spadají do kategorie 1, protože norma je jednoznačná: existuje jasné správně a špatně a kroky mezi tím není nutné pokaždé znovu posuzovat. To neznamená, že celkový dohled již není potřebný, ale vlastní provedení úkolu nevyžaduje lidské posouzení případ od případu.
Tato kategorie je na IT oddělení rozsáhlá, a to není náhoda. Mnoho úkolů má rozpoznatelný vzorec, ale výsledek se dotýká rizik, která musí zvážit člověk. Periodické posuzování přístupových práv je takový úkol: AI může signalizovat odchylky mezi funkcí a aktuálními právy, ale zda je výjimka odůvodněná, vyžaduje posuzovatele, který znalý kontextu schválí nebo zamítne s odůvodněním. Testování obnovy ze zálohy spadá do stejné kategorie: samotné testování lze automatizovat, ale závěr, zda byl systém skutečně dostatečně obnoven, vyžaduje pohled, který jde dál než zelené zaškrtnutí. Sem patří i vytváření propojení mezi systémy a monitorování a řešení výpadků v nich: AI může urychlit stavbu a detekovat odchylky, ale rozhodnutí o tom, jak výpadek vyřešit bez poškození dat, zůstává úvahou, kterou musí učinit člověk. Vzorec v této kategorii je pořád stejný: AI rozpoznává a navrhuje, člověk posuzuje a rozhoduje.
Menší část IT práce zůstává dobře nezávislá na tom, jak vyspělá AI bude, protože jádro úkolu netvoří rozpoznávání vzorů, ale interpretace a odpovědnost. Příkladem je ad hoc analýza dat: zodpovězení konkrétní otázky z organizace vyžaduje, aby někdo chápal, co se vlastně ptá, jaká data jsou relevantní a jaký závěr je udržitelný. Kontrola a čištění kvality dat se dotýká stejného problému, jakmile jde dál než odhalování duplicitních záznamů: otázka, který zdroj představuje pravdu při rozporných údajích, vyžaduje znalost organizace, která není obsažena v samotných datech. Také správa kmenových dat zůstává částečně lidskou prací tam, kde jde o stanovení definic a dohod mezi odděleními, i když samotný vstup lze často automatizovat. Tyto úkoly zůstávají lidskou prací nikoli proto, že by AI nezvládla techniku, ale proto, že odpovědnost za výsledek nelze delegovat na systém.
Toto rozdělení se týká úkolů, nikoli funkcí a nikoli osob. IT pracovník obvykle vykonává úkoly ze všech tří kategorií a to, jaká část jeho pracovní náplně se změní, závisí na přesném pojetí jeho role. To, že úkol spadá do kategorie 1, také nic neříká o tom, co s tím zaměstnavatel udělá: to je volba, která má vlastní zákonné požadavky, například ohledně spolurozhodování a pracovního práva, a která spadá mimo rozsah tohoto rozdělení. Co toto rozdělení nabízí, je věcný výchozí bod: které úkoly lze již dnes podpořit pomocí AI, které vyžadují dohled a které zůstávají nezměněné. Podobné vzorce lze rozpoznat i v jiných oblastech; tak jakou práci může AI převzít v nákupu ukazuje, že i tam se dělicí čára často nachází v otázce, zda má výsledek pevnou normu, nebo vyžaduje úvahu, a jakou práci může AI převzít v logistice ilustruje, jak zdánlivě provozní oddělení přesto obsahuje mnoho dohledových úkolů, jakmile se chyby stanou nákladnými.
Aby bylo možné zjistit, kolik hodin v rámci IT role lze v tuto chvíli přiřadit k jedné ze tří kategorií, je potřebná konkrétní inventarizace úkolů, které daná osoba skutečně vykonává, nikoli pouze název funkce. Bezplatný rychlý test ftetoai k tomu nabízí první indikaci: dvanáct otázek, bez účtu, s výsledkem, který indikuje, jakou část hodin v profilu lze dnes převzít pomocí AI. Je to výchozí bod, nikoli konečný úsudek. Úplný pracovní test, který se hlouběji věnuje jednotlivým úkolům a jejich odůvodnění, se stále připravuje. Co ukazuje další měření po změně a jak se vztahuje k první inventarizaci, si lze přečíst na co ukazuje opakované měření.
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.