En medarbejder forstår ikke noget i en softwarepakke og stiller et spørgsmål. Ingen fejl, intet ødelagt system, kun uklarhed om brug. Dette arbejde ender i dag hos servicedesken eller hos funktionel forvaltning, som regel via et ticketsystem, nogle gange via telefonen eller simpelthen ved skrivebordet hos kollegaen der "jo ved alt" om den ene pakke.
Spørgsmålet der ligger til grund her, er ikke om dette arbejde er kedeligt eller værdifuldt. Spørgsmålet er: falder mønstret af denne opgave sammen med hvad AI i dag kan klare med tekst.
Tre akser er her afgørende: volumen, kundekontakt og struktureringsgrad.
Volumen er højt. De samme spørgsmål går igen, gang på gang, fra forskellige mennesker: hvordan eksporterer jeg denne rapport, hvor finder jeg den indstilling, hvorfor får jeg denne fejlmeddelelse. Denne gentagende karakter er præcis, hvad automatisering trives på: en opgave der forekommer hundrede gange identisk, er en anden opgave end en der forekommer én gang og hver gang er anderledes.
Kundekontakten er begrænset. Den der stiller spørgsmålet er en kollega, ikke en ekstern kunde med hvem der skal opretholdes en relation. Der er brug for mindre tilbageholdenhed for at give et svar direkte og uden omsvøb, og mindre risiko for at et mindre flydende svar opfattes som uprofessionelt.
Struktureringsgraden er høj. Spørgsmålet har ofte en fast form ("hvordan gør jeg X i system Y") og svaret findes, i de fleste organisationer, allerede et sted: i en manual, en videnbase, gamle tickets. AI skal her ikke opfinde noget nyt, men finde noget eksisterende og omformulere det til spørgerens situation.
Hertil kommer, at fejlomkostninger og compliance scorer gunstigt. Et forkert svar om en eksportknap fører sjældent til skade, og der er som regel ingen lovmæssig forpligtelse der foreskriver, at dette svar kun må gives af et menneske. Fysiske handlinger er ikke nødvendige: dette er en ren sprog- og kundskabsopgave, hvilket forklarer scoren på den akse.
Kreativitet scorer lavt, og det er præcis dér grænsen ligger. Et spørgsmål der falder uden for standardmønstrene — en usædvanlig kombination af indstillinger, et problem der egentlig berører tre systemer, en bruger der selv ikke kan formulere klart, hvad der går galt — kræver en person der kan spørge ind og afvige fra manuskriptet. Dømmekraftsrummet scorer derfor middel: en del af spørgsmålene kan besvares entydigt, en anden del kræver en vurdering af, hvad den der spørger egentlig mener.
Dette er derfor ikke en fuldstændig overtagelse. Det er en fordeling: de spørgsmål der forekommer ofte og har et fast svar, er lovende for AI med — hvor nødvendigt — en medarbejder der vurderer svaret, før det sendes ud. De spørgsmål der afviger, forbliver menneskeligt arbejde, ikke fordi AI ikke ville udføre det arbejde, men fordi mønstret ikke er egnet til det.
Dette fungerer kun, hvis den underliggende viden er i orden. En aktuel videnbase og velstrukturerede FAQ'er er ikke en biting, de er forudsætningen. Et AI-system der giver svar baseret på en manual fra tre versioner tilbage, giver forkerte svar med lige så stor overbevisning som korrekte. Virksomheder hvor dokumentationen er spredt, ligger i hovederne på individuelle medarbejdere eller aldrig er blevet holdt ajour, vil ikke kunne udnytte dette mønster med det samme — ikke fordi opgaven er anderledes, men fordi grundforudsætningen mangler.
Hos en organisation med én simpel, stabil softwarepakke og en lille, erfaren brugergruppe er andelen af spørgsmål der kan besvares via AI sandsynligvis stor: lidt variation, meget gentagelse. Hos en organisation med dusinvis af systemer, meget skræddersyet arbejde og regelmæssigt skiftende medarbejdere ligger det anderledes: mere variation, flere spørgsmål der lige falder uden for standardmønstret, og dermed en større andel der forbliver hos et menneske.
Denne opgave står heller ikke isoleret fra resten af servicedesken. Den der ser på hvordan AI kan registrere og prioritere incidenter eller på hvordan en driftsforstyrrelse kommunikeres til brugerne, ser et sammenligneligt mønster af gentagelse og struktur, med lidt andre resultater per akse. Et bredere overblik over, hvad det fører til for kundeservicen som helhed, findes på hvilket arbejde kan AI overtage i kundeservice.
I virksomheder hvor dette allerede er indrettet, ser servicedesken færre gentagne spørgsmål komme ind til mennesker og mere tid tilbage til de spørgsmål der kræver at der spørges ind. Det er ikke et fremtidsbillede: det sker allerede i dag, delvist, hos organisationer med en videnbase der er i orden. Hos andre organisationer sker det endnu ikke, simpelthen fordi grundlaget for det stadig mangler.
Hvad en organisation gør med de frigjorte timer — en anden rollefordeling, en anden opgavefordeling — er et valg der tilhører organisationen selv, og hvortil der gælder egne lovmæssige krav; det er ikke et spørgsmål der kan besvares med en opgaveanalyse.
For at se, hvordan dette mønster udspiller sig i Deres egen situation, kan De få en indikation via den gratis quickscan: tolv spørgsmål, uden konto, med en vurdering af hvilken del af timerne i Deres profil der i dag kan overtages af AI. Den fuldstændige arbejdsscan, der bryder en hel virksomheds arbejde ned i opgaver, er stadig under udvikling.
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.