Fremstillingsindustrien er ikke en ensartet sektor. Der er produktionsgulvet, hvor fysisk arbejde, maskinbetjening og kvalitetskontrol mødes. Der er planlægningen, som afstemmer ordrer, materialer og kapacitet med hinanden. Der er administrationen omkring indkøb, lager og fakturering. Og der er kundekontakt, fra tilbudsforespørgsel til leveringsaftale. I den type virksomheder ligger den største del af kontortimerne i planlægning, kommunikation og administration omkring produktionsprocessen, ikke i det fysiske arbejde selv. Det fysiske arbejde kræver ofte stadig menneskehænder, selv om maskinbetjening for længst ikke er fuldstændig manuel længere.
Det, der gør denne sektor speciel, er kombinationen af mange separate systemer. ERP til planlægning, en separat pakke til lager, et CRM til kundekontakt, og på gulvet nogle gange stadig Excel-lister eller papirbaserede arbejdsordrer sammen med digitale systemer. Denne fragmentering afgør i høj grad, hvad AI kan overtage godt, og hvad den ikke kan: en opgave, der kører i ét system, er lettere at automatisere end en opgave, der bevæger sig gennem fire systemer og to afdelinger. Desuden spiller regulering en rolle, tænk på certificering, sporbarhed af materialer og sikkerhedsforskrifter. Hvor en fejl har konsekvenser for sikkerhed eller efterlevelse, ligger barren for fuld automatisering højere.
Inden for fremstillingsindustrien findes der opgaver, der i vid udstrækning er regelbaserede og kræver lidt vurdering. Tænk på afsendelse af standardbekræftelser efter en ordreplacering, opdatering af enkle lagerbevægelser baseret på fastlagte regler, eller generering af standarddokumentation som følgesedler. Også kommunikation, der afhænger lidt af den specifikke situation, egner sig til dette. For eksempel kan kan AI overtage afsendelse af velkomstbeskeder til nye kunder ofte gøres fuldstændigt af AI, fordi indholdet i vid udstrækning er fastlagt, og konsekvenserne af en lille fejl er begrænsede. Det samme gælder ofte for afsendelse af påmindelser om aftaler eller leveringer, hvor det også er relevant, om kan AI overtage afsendelse af aftalepåmindelser passer ind i den proces. Den fælles faktor er: fast indhold, lav risiko ved en fejl, og et klart tidspunkt, hvor opgaven starter.
Den største del af arbejdet i fremstillingsindustrien falder i denne mellemkategori. Tænk på udarbejdelse af produktionsplaner, hvor AI kan komme med et forslag baseret på ordrer og kapacitet, men en planlægger skal vurdere undtagelserne, hasteordrer og maskinfejl. Tænk også på udgivelse af arbejdsordrer til gulvet: et system kan klargøre og dirigere ordren, men spørgsmålet om, hvorvidt dette kan ske uden kontrol, afhænger af, hvor forudsigelig processen er. På siden om kan AI overtage udgivelse af arbejdsordrer til produktionsgulvet står det, hvor den grænse præcist ligger. Også kvalitetskontrol baseret på sensordata eller billedgenkendelse falder ofte i denne kategori: AI markerer afvigelser, en person vurderer, om det berettiger en kassation og hvorfor. Ved disse opgaver er det ikke så meget kompleksiteten af handlingen, der tæller, men nødvendigheden af en vurdering med en begrundelse, noget der kræver tilsyn med godkendelse eller afvisning i stedet for fuld automatisering.
Nogle opgaver forbliver for nu menneskeligt arbejde, og det er ikke et spørgsmål om præference, men om arbejdets natur. Fysiske handlinger på gulvet, finjustering af maskiner baseret på erfaring, og forhandling med leverandører om pris og leveringstid kræver vurdering, forhandlingsrum og fysisk tilstedeværelse, som AI ikke kan levere. Også kompleks klagebehandling, hvor en kunde melder et teknisk problem, der ikke passer ind i en standardkategori, kræver en person, der kan spørge ind og tage ansvar for en løsning. Det er en anden type arbejde end de sammenlignelige kundekontaktopgaver, man ser i hvad kan AI overtage i den erhvervsmæssige servicesektor, hvor mindre fysisk kontekst spiller ind.
Fordelingen mellem disse tre kategorier varierer betydeligt fra virksomhed til virksomhed, og endda fra produktionslinje til produktionslinje inden for en virksomhed. En fabrik med ét integreret ERP-system og standardiserede produkter kan placere flere opgaver i kategori 1 og 2 end en virksomhed, der producerer efter mål med varierende specifikationer pr. ordre. Også graden af regulering spiller en rolle: sektorer med strenge sporbarhedskrav, som fødevare- eller farmaceutisk produktion, holder flere opgaver i kategori 2 og 3 end sektorer med færre forpligtelser. Dette mønster af fragmentering og regulering ses for øvrigt også i tilstødende sektorer, som man kan læse om i hvad kan AI overtage i transportsektoren, hvor planlægning og kundekommunikation ligeledes spiller en stor rolle.
Det er også vigtigt, at denne opdeling ikke siger noget om personalebeslutninger. Om og hvordan en organisation anvender de frigjorte timer anderledes, er et valg, der ligger hos arbejdsgiveren, og hvortil der, hvis det handler om afskedigelse eller omstrukturering, gælder egne lovmæssige krav. Denne side beskriver kun, hvilke opgaver der er egnede til overtagelse af AI, og hvilke der ikke er, ikke hvad der bør ske med det.
For at se, hvordan disse tre kategorier forholder sig til Deres egne opgaver, kan De udfylde ftetoais gratis quickscan: tolv spørgsmål, uden konto, med som resultat en indikation af, hvilken del af timerne i Deres profil i dag kan overtages af AI. Den fulde arbejdsscan, som går dybere ind på individuelle opgaver og processer, er stadig under udvikling og udbydes ikke på nuværende tidspunkt. Quickscanen giver dog et første, uforpligtende billede af, hvor der i Deres situation er plads.
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.