Mange virksomheder vurderer AI-overtagelse af arbejde, som om det kun handler om selve opgaven: hvor repetitiv er den, hvor meget kundekontakt indeholder den, hvor høje er fejlomkostningerne. Det stemmer, men der er en faktor, der går tværs igennem dette, og som sjældent bliver nævnt: om de systemer, som dette arbejde foregår i, taler sammen. En opgave, der i sig selv er glimrende egnet til AI-overtagelse, kan i praksis forblive menneskearbejde, fordi de data, der er nødvendige for at udføre opgaven, er spredt over et CRM-system, et bogholderiprogram, en løs Excel-fil og indbakken hos én medarbejder.
De otte akser, som vi vurderer arbejde ud fra, handler om opgavens karakter: hvor meget beslutningsrum, hvor meget variation, hvor meget tilsyn der er nødvendigt. Systemkobling er ingen af disse akser, men påvirker flere af dem samtidig. En opgave, der ud fra beslutningsrum og gentagelighed ville være fuldt overtagelig, rykker ved manglende kobling til en kategori med menneskeligt tilsyn - ikke fordi vurderingen af opgaven ændrer sig, men fordi der opstår et ekstra trin, som ingen havde planlagt: nogen skal indtaste data manuelt, eksportere eller verificere, før AI kan påbegynde selve opgaven.
Det ændrer fte-beregningen på en bestemt måde. Den tid, der frigøres, er ikke opgavens fulde varighed, men varigheden minus den tid, der allerede nu går med at indsamle data fra forskellige kilder. Ved nogle opgaver drejer det sig om få sekunder, for eksempel ét klik på en eksportknap. Ved andre opgaver udgør selve indtastningen en væsentlig del af arbejdet, hvorved gevinsten ved AI-overtagelse bliver lille, så længe koblingen mangler.
Ikke alt arbejde er lige følsomt over for adskilte systemer. Opgaver, der foregår fuldt ud inden for ét system, som at udarbejde en tekst i én tekstbehandler eller besvare et spørgsmål ud fra én vidensbase, oplever kun lidt besvær. Spørgsmål, som medarbejdere stiller til HR falder ofte i denne kategori: den nødvendige information findes i ét personalesystem eller én ordning, og koblingen til andre systemer er kun i begrænset omfang nødvendig.
Opgaver, der derimod er følsomme, er dem, hvor data fra flere kilder samles, før der kan siges eller gøres noget fornuftigt. Et tilbud, der kræver data fra et lagersystem, en prisliste og en kundehistorik, er et eksempel herpå, især når der er meget skræddersyet arbejde i opgaverne, og hvert tilbud rammer en anden kombination af kilder. Også arbejde med meget kundekontakt er følsomt, fordi en medarbejder eller et AI-system under den kontakt ofte skal konsultere flere systemer for at give et fuldstændigt svar.
Ved arbejde med høje fejlomkostninger vejer adskillelse ekstra tungt, ikke fordi selve opgaven bliver mere risikabel, men fordi en fejl, der opstår på grund af et forkert indtastet eller manglende dataelement, er sværere at spore end en fejl inden for ét system. Den, der arbejder med opgaver, hvor fejl bliver dyre, gør klogt i at betragte kildespørgsmålet adskilt fra udførelsesspørgsmålet: er problemet opgaven, eller er det leveringen af data.
To virksomheder med identisk arbejde ender forskelligt på denne akse af en grund, der intet har med opgaven at gøre: systemernes alder og oprindelse. En virksomhed, der i de seneste år er vokset gennem opkøb, arbejder ofte med flere systemer, der aldrig er designet til at samarbejde. En virksomhed, der fra starten har arbejdet med én integreret platform, har ikke dette problem, selvom den udfører præcis de samme opgaver.
En anden grund findes i tilsyn. Arbejde, der er underlagt eksternt tilsyn, kræver ofte en fastlagt vej for data gennem systemerne, med en fast rækkefølge af godkendelser. Den, der udfører arbejde, der er underlagt tilsyn, kan derfor ikke altid løse kobling efter eget skøn: den fastlagte vej er nogle gange selve grunden til, at systemer forbliver adskilte, også selvom en kobling teknisk set ville være mulig.
En tredje grund er i hvilket omfang medarbejdere allerede selv arbejder med AI-værktøjer, og hvor de melder det, eller ej. Uden et grundlag af obligatorisk AI-kompetence opstår der løse, individuelle løsninger: den ene medarbejder kopierer manuelt data over i et AI-værktøj, den anden gør ikke. Det gør vurderingens udfald afhængigt af, hvem der arbejder på det pågældende tidspunkt, ikke af selve opgaven.
Konklusionen er ikke, at adskilte systemer gør AI-overtagelse umulig. Konklusionen er, at systemspørgsmålet skal vurderes adskilt fra opgavespørgsmålet, fordi to helt forskellige problemer ellers bliver blandet sammen: en opgave, som AI ikke kan klare, og en opgave, som AI godt kan klare, så snart dataene ligger ét sted. Denne skelnen afgør, om løsningen ligger i selve arbejdet eller i infrastrukturen omkring det.
For at se, hvordan dette udspiller sig i Deres egen situation, kan De få en første indikation via den gratis quickscan: tolv spørgsmål, uden konto, med en indikation af, hvor stor en del af timerne i Deres profil der i dag kan overtages af AI. Den fulde arbejdsscan, der bryder opgaver ned på alle otte akser inklusive systemspørgsmålet, er stadig under opbygning. Det, der findes i dag, giver et første, foreløbigt billede, ikke et endeligt svar.
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.