En driftsforstyrrelse er meldt, ticketsystemet står på rødt, og brugere vil vide: hvad foregår der, hvor lang tid tager det endnu, og hvornår får jeg besked igen. Det er arbejde, som servicedesk- og kommunikationsmedarbejdere udfører dagligt. Spørgsmålet her er ikke, om AI kan skrive tekst, men om AI kan overtage dette specifikke kommunikationsarbejde selvstændigt. Svaret: delvist, og det afhænger stærkt af, hvilken type driftsforstyrrelse der er tale om.
Opgaven scorer højt på strukturerethed (4): en driftsmelding følger ofte et fast mønster — hvad er der galt, siden hvornår, hvilke systemer er ramt, hvad er den forventede løsningstid. Det mønster er præcis, hvad en sprogmodel kan udfylde godt, så længe den underliggende information er korrekt. Også fysisk (5) er ingen hindring: der kræves ingen handling i den virkelige verden, kun tekst der skal sendes ud.
Heroverfor står, at kundekontakt scorer lavt (1). Dette er per definition kommunikation med mennesker, der ofte allerede er frustrerede, fordi deres arbejde ligger stille. Tonen, tidspunktet og præcisionen af en besked afgør, om brugere føler sig hørt eller netop ignoreret. En genereret besked, der er faktuelt korrekt, men fejlvurderer hastegraden, gør mere skade end ingen besked.
Fejlomkostninger (3) er moderate, men ikke ubetydelige: en forkert løsningstid eller en status, der ikke opdateres, underminerer tilliden og fører til en strøm af opfølgende spørgsmål — netop det arbejde, man ville spare. Compliance (4) spiller ind, så snart hændelsen falder under SLA-aftaler eller, i visse sektorer, meldepligt: så skal kommunikationen dokumenterbart være sendt til tiden og efter faste normer. Skønsrum (2) og kreativitet (2) er lave: der er kun lidt rum til selv at afgøre, hvad man melder ud, det er stort set at følge en skabelon med aktuelle data. Volumen (4) er højt: ved en stor driftsforstyrrelse drejer det sig om hundredvis eller tusindvis af brugere, der har brug for den samme besked, og det er netop dér automatisering frigør tid.
Tre akser er afgørende for billedet. Struktureretheden gør det teknisk muligt: hvis hændelsesstatussen er entydigt fastlagt i systemet, kan en sprogmodel opbygge en besked ud fra det efter en fast skabelon. Men den lave kundekontakt sætter en bremse på det — ikke fordi AI ikke kan skrive en korrekt sætning, men fordi risikoen ved en forkert timet eller forkert tonet melding er højere end ved intern eller administrativ tekst. Og fejlomkostningerne gør, at tilsyn fortsat er nødvendigt: en statusopdatering, der sendes ud, før en løsning er bekræftet, eller som vurderer løsningstiden for optimistisk, fører til nye klager i stedet for færre.
Et eksempel gør det konkret. Ved en driftsforstyrrelse i et internt e-mailsystem, hvor konsekvensen er kendt og løsningstiden rimeligt forudsigelig, kan AI udarbejde den første melding og den midlertidige statusopdatering baseret på ticketen, hvor en medarbejder kort godkender, inden beskeden sendes. Ved en driftsforstyrrelse, der rammer kundernes betalingsfunktionalitet, med finansielle konsekvenser og usikker løsningstid, forholder det sig anderledes: der kræves menneskelig afvejning af, hvad man siger og ikke siger, og hvornår.
Hos en virksomhed med en moden statusside og et ticketsystem, der automatisk udfylder de rigtige felter, er den andel, AI kan håndtere, større: teksten kan komme direkte fra strukturerede data. Hos en virksomhed, hvor driftsforstyrrelser meldes mundtligt, i løse Slack-beskeder eller via en it-chef, der selv vurderer det, mangler det strukturerede grundlag, og der er kun lidt, AI selvstændigt kan udarbejde. Også brugernes karakter tæller: interne medarbejdere accepterer en kort, faktuel opdatering; eksterne kunder med en kontrakt og SLA forventer en tone og fuldstændighed, der snarere kræver menneskelig kontrol.
Denne opgave står ikke isoleret fra resten af hændelseskæden. Om en driftsforstyrrelse kommunikeres effektivt, afhænger af, hvor godt systemets ydeevne overvåges — uden pålidelig overvågning er der ingen aktuel status at kommunikere. Det hænger også sammen med, hvordan hændelsen registreres og prioriteres, for det afgør, hvilke data der er til rådighed til at basere en besked på. Og i nogle tilfælde forløber kommunikationen parallelt med den faktiske løsning af den førstelinje it-hændelse, hvor opdateringen kun er så god som den fremgang, der reelt gøres.
Konkret: udarbejdelse af tekst baseret på faste skabeloner, med den aktuelle hændelsesstatus som input, er muligt, så snart disse to forudsætninger er opfyldt. Beslutningen om, hvornår en besked sendes, i hvilken tone, og om løsningstiden er formuleret realistisk, forbliver hos medarbejderen. Det er ikke en mellemfase på vej mod fuld overtagelse — det er den struktur, der passer til denne type kommunikation, så længe fejlomkostningerne ved en fejlplaceret besked forbliver højere end den tid, det tager at kontrollere den.
Hvis denne analyse fører til, at De overvejer anvendelsen af servicedesk- eller kommunikationsmedarbejdere, gælder der egne lovkrav om arbejde og medbestemmelse; denne side giver ikke personalerådgivning og er ikke belæg for en afskedigelsesbeslutning. For den bredere omhu omkring funktionsændringer, se omhu ved nedlæggelse af funktioner.
Vil De vide, hvor stor en del af kommunikationen om driftsforstyrrelser i Deres egen virksomhed allerede i dag falder inden for disse forudsætninger? Den gratis quickscan fra FTE TO AI består af tolv spørgsmål, kræver ingen konto, og giver en indikation af, hvilken del af timerne i denne profil AI kan overtage i dag. Den fulde workscan, med den udvidede opgaveanalyse pr. team, er stadig under udarbejdelse — den tilbyder vi bevidst ikke her endnu.
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.