Management se na první pohled zdá být oblastí jednání, úsudku a odpovědnosti — vše typicky lidská doména. Manažerská funkce se však skládá z řady jednotlivých úkolů a tyto úkoly se výrazně liší v tom, do jaké míry je AI může převzít. Ze 40 úkolů, které v této oblasti rozlišujeme, spadá jasná část do každé ze tří kategorií. Vzorec, který za tím stojí, je užitečnější než pouhý seznam se zaškrtávacími poli.
Úkoly, které se skládají především ze shromažďování, uspořádávání a shrnování existujících dat, se dobře hodí pro plné převzetí AI. Vezměme si sestavení manažerského reportu pro vedení nebo akcionáře: čísla už jsou v systémech, struktura reportu je z velké části pevně daná a AI dokáže upozornit na odchylky a trendy bez toho, aby člověk musel vypsat každý řádek. Do této kategorie spadá také sledování rozpočtu a signalizace odchylek: jde o porovnání skutečných výdajů s rozpočtem a uplatnění limitních hodnot, což je něco, v čem je software strukturálně lepší než člověk, který to dělá jednou týdně vedle jiné práce.
Společným znakem této kategorie je, že výsledek lze z velké části objektivně určit z dostupných dat a že se úkol opakuje podle pevné struktury. Je zapotřebí málo prostoru pro interpretaci a žádné zvažování zájmů. Tento rozdíl oproti podobným úkolům na jiných odděleních není náhodný: i u stránky může AI převzít vedení auditního deníku finančních změn vidíme, že systematická, datově řízená evidence je dobře automatizovatelná, zatímco výklad toho, co tato evidence znamená, vyžaduje něco jiného.
Velká část manažerské práce se pohybuje mezi úplnou automatizací a čistě lidskou prací. Zde může AI vytvořit koncept, analýzu nebo návrh, ale člověk výsledek posuzuje a schvaluje nebo zamítá, a to z dobrého důvodu.
Sestavení ročního plánu s konkrétními cíli je dobrým příkladem. AI může na základě historických dat a vstupů z organizace vytvořit první návrh cílů, akcí a odpovědností za jednotlivá oddělení. Zda jsou tyto cíle realistické, dostatečně ambiciózní a vzájemně konzistentní, ale vyžaduje posouzení někým, kdo znám organizaci, její lidi a její omezení. Totéž platí pro stanovení KPI pro jednotlivé týmy nebo procesy: AI může navrhnout možnosti na základě podobných organizací nebo oborů, ale volba, které indikátory mají skutečně řídit směřování, závisí na prioritách, které nelze zcela odvodit z dat.
Do této střední kategorie spadá také příprava a stanovení agendy manažerských jednání: AI může shromáždit podklady, navrhnout agendu a vytvořit shrnutí, ale někdo musí posoudit, zda jsou správná témata zařazena správným způsobem a zda by se citlivé body měly nebo neměly v tomto kruhu projednávat. Vzorec je stále stejný: AI dodá kvalitní první verzi, člověk ji ověří vůči kontextu, který není zcela zaznamenán v datech, a schválí nebo zamítne.
Třetí skupina úkolů zůstává z velké části na lidech, nikoli proto, že by AI nedokázala zpracovat informace, ale protože samotný úkol se týká převzetí odpovědnosti, zvažování zájmů nebo vyjádření se jménem organizace.
Nejjasnějším příkladem je zde rozhodování během manažerského jednání. Na stole může být plně analyzovaná informace, ale samotná volba — s odpovědností, která k ní patří — náleží lidem, kteří mají pravomoc a mandát. AI může zpřehlednit možnosti a důsledky, tlačítko ale zmáčkne někdo jiný.
Sestavení strategického plánu na příští roky spadá z velké části do stejné kategorie. AI může poskytnout analýzy trhu, klientů a interních procesů, ale volba směru organizace pro střednědobé období vyžaduje zvážení rizika, ambice a toho, čím se organizace vůbec chce stát — což se z dat objektivně nedá odvodit. Plánování personálních potřeb na manažerské úrovni je citlivé z jiného důvodu: přímo se dotýká rozhodnutí o lidech a funkcích. Pro tento typ rozhodnutí platí vlastní zákonné požadavky, které musí zaměstnavatel splnit, a ty vyžadují pečlivost, kterou nelze nahradit pouhou analýzou úkolů. Kdo se blíže zaměřuje na personální otázky, najde podobné rozlišení na stránce o tom, jakou práci může na HR oddělení převzít AI: i tam lze jasně vést hranici mezi podpůrnou datovou analýzou a rozhodováním o lidech.
Podíváte-li se na 40 úkolů v této oblasti, lze vysledovat linii: čím více se úkol skládá z opakovatelného zpracování existujících, strukturovaných informací, tím dříve jej může AI zcela převzít. Čím více úkol vyžaduje kombinaci dat se znalostí organizace, která není zaznamenána, tím dříve je potřebný dohled. A čím více je samotný úkol výkonem odpovědnosti, mandátu nebo úsudku — nikoli přípravou na něj — tím dříve zůstává lidskou prací. Tento vzorec není jedinečný pro management: stejná logika vysvětluje například, proč u stránky jakou práci může na logistice převzít AI jsou plánovací úkoly rychleji automatizovatelné než úkoly, kde je třeba se s dodavatelem nebo klientem dohodnout na výjimce.
Toto rozdělení vypovídá o úkolech, nikoli o tom, kolik managementu organizace potřebuje nebo jak organizuje své zaměstnance — to zůstává na samotné organizaci, s vlastními zákonnými rámci, které se na ni vztahují.
Chcete zjistit, jak se toto rozdělení promítá do vaší vlastní situace? Bezplatný rychlý test ftetoai se skládá ze dvanácti otázek, funguje bez účtu a poskytuje odhad toho, jakou část hodin ve vašem profilu může dnes převzít AI. Upozornění: jde o první odhad, nikoli o úplnou analýzu. Rozšířený pracovní test, který se hlouběji zaměřuje na úroveň jednotlivých úkolů, se ještě připravuje — ten vám v tuto chvíli ještě nemůžeme nabídnout, ale rychlý test už poskytuje upřímný výchozí bod.
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.