At periodisk undersøge, om mål og handlinger følger planen, er delvist en opgave, AI i dag kan overtage. Et system kan indsamle data, signalere afvigelser og udarbejde en første rapportering. Men fortolkningen af disse afvigelser — er en forsinkelse et problem eller en normal udsving, skal der korrigeres eller ikke — forbliver menneskearbejde. Dette er altså en opgave for en AI-agent, der arbejder under menneskeligt tilsyn, ikke en opgave, De uden videre kan give fra Dem.
At overvåge fremdrift lyder som en faktuel øvelse: man sammenligner en planlægning med virkeligheden og konkluderer, om noget følger planen. I praksis ligger der meget vurdering i det. Et projekt, der er to uger bagud på en delopgave, kan være fuldstændig sundt, fordi den opgave aldrig lå på den kritiske vej. Et mål, der er 80% nået, kan stadig mislykkes, hvis den sidste del er den sværeste. En leder eller projektleder vejer denne slags kontekst ind, ofte baseret på viden, der ikke står i dashboardet: hvem der har været sygemeldt, hvilken leverandør der har forsinket, hvilken afdeling der strukturelt rapporterer optimistisk. Denne kontekstviden er præcis, hvor AI i dag kommer til kort. Systemet ser tallet, ikke historien bag det.
Der står imidlertid, at overvågning er en opgave, der ofte gentager sig: ugentligt, månedligt, per projekt, per team, per KPI. Det volumen gør det attraktivt at automatisere en del. En AI-agent kan kontinuerligt hente data fra et dashboard- eller projektstyringsværktøj, anvende tærskelværdier og kun fremhæve de afvigelser, der har betydning. I stedet for at en leder hver mandag manuelt går igennem ti rapporter, får han et overblik over de tre sager, der kræver opmærksomhed. Det sparer ikke vurdering, men til gengæld meget søgearbejde. Jo højere volumen af mål og projekter, der skal overvåges, jo større tidsbesparelse giver et sådant forfilter.
Graden, hvormed fremdrift er målbar og struktureret, varierer stærkt mellem organisationer. Hos en projektorganisation med klare milepæle, fastsatte rapporteringstidspunkter og et projektstyringsværktøj, hvor alt bliver registreret, er dataene rene og gentagelige — ideelt til automatisering. Hos en organisation, hvor fremdrift primært deles mundtligt i møder, eller hvor mål er vagt formuleret ("mere kundetilfredshed"), er der lidt struktureret data at bygge på. Så er der lidt at automatisere, simpelthen fordi der ikke er en pålidelig kilde at aflæse. Dette forklarer i stor udstrækning hvorfor det samme arbejde falder forskelligt ud hos Dem end hos en sammenlignelig virksomhed: det er ikke opgaven selv, der er forskellig, men graden, hvormed de underliggende data er i orden.
Inden for de nuværende muligheder kan en AI-agent:
Dette fungerer kun godt med to forudsætninger. For det første en aktuel datakobling: hvis dashboard- eller projektstyringsværktøjet ikke opdateres løbende, signalerer systemet på forældet information. For det andet definerede tærskelværdier: uden en aftale om, hvornår en afvigelse er meddelelsesværdig, producerer systemet enten for meget støj eller går netop glip af de signaler, der har betydning.
Den faktiske vurdering — følger dette planen, skal der korrigeres, hvem konfronterer vi med det — kræver en dømmekraft, der går ud over tallene. Det gælder stærkt for direktører og projektledere, som bærer ansvaret for resultatet, ikke kun for at signalere det. Også kommunikationen omkring fremdrift, især når den er følsom inden for et team, er ikke en opgave, man skal overlade til et system. Hvis overvågning berører bedømmelsen af individuelle medarbejdere eller personalebeslutninger, gælder der egne lovmæssige krav, som denne artikel ikke tager stilling til.
En organisation med kvartalsmål på direktionsniveau, få målepunkter og megen fortolkning vil have mindre gavn af automatisering end en organisation med tyve løbende projekter, fastsatte KPI'er og et velfyldt dashboard. Også fejlkostnaderne spiller ind: hvis en overset afvigelse først kommer til lyset efter måneder og da er dyr, vejer det tungere, at et menneske udfører den sidste kontrol, end når korrektion forbliver relativt billig. Det er præcis derfor, en generel udtalelse om "AI og fremdriftsovervågning" ikke findes — det afhænger af, hvor struktureret, hvor ofte og hvor risikofyldt de pågældende mål er.
For at se, hvilken del af denne slags opgaver der i Deres situation kvalificerer til automatisering, er det nyttigt først at se på kvaliteten af Deres egne kildedata — sammenligneligt med, hvordan De også ville ønske at vide hvad en genmåling viser, før De strukturelt korrigerer. Ftetoai tilbyder til dette en gratis quickscan: tolv spørgsmål, uden konto, med en indikation af, hvilken del af timerne i Deres profil i dag kan overtages af AI. Den fulde arbejdsscan, der går dybere ind i individuelle opgaver som overvågning og rapportering, 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.