Hos en virksomhed med 10 til 25 medarbejdere er arbejdet sjældent pænt opdelt. Den person, der laver administrationen, besvarer også kundemails og udarbejder tilbud. Den, der indkøber, planlægger også logistikken. Funktioner af denne størrelse er summer af opgaver, som i en større virksomhed ville være fordelt over flere roller.
Det har konsekvenser for spørgsmålet om, hvilket arbejde AI kan overtage. Det er ikke funktionen, der er den enhed, det bedømmes på, men opgaven. Én person kan bruge ti timer om ugen på arbejde, der fuldt ud kan overtages af AI, og tyve timer på arbejde, der forbliver menneskearbejde. Ser man på funktionen som helhed, ser man ikke den forskel. Ser man på opgaverne, gør man.
I en større virksomhed er en opgave ofte allerede beskrevet: der findes en proces, en skabelon, en kollega, der også udfører den. Hos 10 til 25 medarbejdere ligger den viden ofte i hovedet på én person, opbygget gennem erfaring, ikke gennem en manual. Det gør ikke en opgave uegnet for AI, men det gør det første skridt anderledes: før noget kan overdrages, skal det først blive klart, hvad der præcis sker, i hvilken rækkefølge og på grundlag af hvilke oplysninger.
Dette skridt bliver ofte sprunget over, med den konsekvens, at automatisering bliver hængende ved et par løsrevne tricks — en mailskabelon, et regneark — i stedet for det underliggende arbejde. Arbejde, der er blevet gjort overskueligt, er lettere at bedømme på de tre kategorier, der gælder for hver opgave: AI kan overtage det, AI kan udføre det med menneskeligt tilsyn, der godkender eller afviser, eller det forbliver menneskearbejde. Hos virksomheder af denne størrelse er den opdeling sjældent lavet, simpelthen fordi der aldrig var tid eller anledning til det.
Tærsklen for at automatisere noget ligger hos virksomheder af denne størrelse sjældent ved teknikken. Den ligger ved to andre ting. For det første: systemer, der ikke taler med hinanden, så data fra bogholderiet, CRM'et og mailen står isoleret fra hinanden, og nogen skal skrive dem om eller sammenligne dem manuelt. For det andet: kapacitet. Hos 200 medarbejdere er der ofte en it-afdeling eller en procesansvarlig til at sætte noget nyt op. Hos 15 medarbejdere gør ejeren det oven i alt det andet, eller det sker ikke.
Det forklarer også, hvorfor billedet varierer så meget mellem virksomheder af denne størrelse. En virksomhed, hvor arbejdet primært består af fastlagte, gentagelige handlinger — fakturering, planlægning, standardkorrespondance — har en anden automatiseringsprofil end en virksomhed, hvor der leveres meget skræddersyet arbejde per kunde eller opgave. Og en virksomhed, hvor meget af arbejdet består af direkte kundekontakt, har igen andre grænser, fordi tilsyn og bedømmelse vejer tungere der end ved intern administration.
Hos virksomheder med 10 til 25 medarbejdere, der allerede arbejder med AI, handler det for det meste ikke om en stor overtagelse af en hel funktion, men om stykker af arbejde, der forsvinder fra opgaveporteføljen: en del af mailbehandlingen, en del af rapporteringen, en del af udarbejdelsen af tilbud baseret på tidligere tilbud. Det, der er tilbage, er ofte den del, hvor bedømmelse, forhandling eller specifik kundeviden er nødvendig.
Denne forskydning går hurtigere hos nogle virksomheder end hos andre, og den forskel ligger sjældent i branchen. Den ligger i, hvor godt selve arbejdet er kortlagt: hvilke opgaver der findes, hvor meget tid de tager, og hvilke oplysninger de kræver. Virksomheder, hvor det er tydeligt, kan besvare det spørgsmål opgave for opgave. Virksomheder, hvor det ikke er tydeligt, kan kun gøre et skøn på funktionsniveau, og det er et mere groft og mindre pålideligt mål.
Hos en virksomhed af denne størrelse tæller hver time tungere end i en stor organisation, simpelthen fordi der er færre timer at fordele. Derfor regner vi ikke i funktioner eller hoveder, men i timer og årsværkskapacitet — her forklarer vi, hvorfor denne regneenhed er mere præcis end at tælle i personer. Et resultat i timer viser, hvor meget kapacitet der ligger i en opgave, uden at der dermed følger en udtalelse om, hvem der udfører den opgave nu, eller hvem der bør gøre det. Hvad en arbejdsgiver gør med det resultat, hører desuden under egne lovmæssige krav vedrørende personale; det udtaler vi os ikke om.
Et sidste punkt, der ofte overses hos virksomheder af denne størrelse: ikke alle data, der bruges i arbejdet, må uden videre indtastes i et AI-system. Før en opgave bedømmes på overdragelighed, er det godt at vide, hvilke data din virksomhed ikke uden videre må bruge, fordi det direkte kan påvirke resultatet af bedømmelsen.
For at vide, hvilken del af arbejdet i Deres virksomhed i dag kan overtages af AI, skal selve arbejdet først kortlægges: hvilke opgaver der findes, hvor meget tid de tager, og hvad de kræver af data og bedømmelse. Den gratis quickscan giver en første retning i det: tolv spørgsmål, uden konto, med en indikation af, hvilken del af timerne i Deres profil, der i dag kan overtages af AI. Den fulde arbejdsscan, der gennemgår arbejdet opgave for opgave og bedømmer det på otte akser, er stadig under opbygning. Hvad De kan gøre i dag, er at få et første billede med quickscan af, hvor de frigjorte timer i Deres virksomhed sandsynligvis findes.
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.