Το περιοδικό έλεγχο του κατά πόσο στόχοι και ενέργειες βρίσκονται στη σωστή πορεία είναι εν μέρει μια εργασία που η AI μπορεί σήμερα να αναλάβει. Ένα σύστημα μπορεί να συλλέγει δεδομένα, να επισημαίνει αποκλίσεις και να συντάσσει μια πρώτη αναφορά. Όμως η ερμηνεία αυτών των αποκλίσεων — είναι μια καθυστέρηση πρόβλημα ή μια φυσιολογική διακύμανση, πρέπει να γίνει διόρθωση ή όχι — παραμένει ανθρώπινη δουλειά. Πρόκειται λοιπόν για μια εργασία για έναν πράκτορα AI που λειτουργεί υπό ανθρώπινη εποπτεία, όχι για μια εργασία που μπορείτε απλώς να αφήσετε ανεξέλεγκτη.
Η παρακολούθηση προόδου ακούγεται σαν μια αντικειμενική άσκηση: συγκρίνετε έναν προγραμματισμό με την πραγματικότητα και συμπεραίνετε αν κάτι είναι εντός χρονοδιαγράμματος. Στην πράξη περιλαμβάνει πολλή κρίση. Ένα έργο που έχει καθυστέρηση δύο εβδομάδων σε μια υποεργασία μπορεί να είναι απολύτως υγιές, επειδή αυτή η εργασία δεν βρισκόταν ποτέ στην κρίσιμη διαδρομή. Ένας στόχος που έχει επιτευχθεί κατά 80% μπορεί ακόμα να αποτύχει αν το τελευταίο κομμάτι είναι το πιο δύσκολο. Ένας διευθυντής ή υπεύθυνος έργου σταθμίζει αυτού του είδους το πλαίσιο, συχνά με βάση γνώση που δεν βρίσκεται στο dashboard: ποιος ήταν άρρωστος, ποιος προμηθευτής καθυστέρησε, ποιο τμήμα αναφέρει συστηματικά με υπερβολική βεβαιότητα. Αυτή η γνώση πλαισίου είναι ακριβώς εκεί όπου η AI σήμερα υπολείπεται. Το σύστημα βλέπει τον αριθμό, όχι την ιστορία πίσω από αυτόν.
Από την άλλη πλευρά, η παρακολούθηση είναι μια εργασία που συχνά επαναλαμβάνεται: εβδομαδιαία, μηνιαία, ανά έργο, ανά ομάδα, ανά KPI. Αυτός ο όγκος την κάνει ελκυστική για μερική αυτοματοποίηση. Ένας πράκτορας AI μπορεί συνεχώς να αντλεί δεδομένα από ένα εργαλείο dashboard ή εργαλείο διαχείρισης έργων, να εφαρμόζει όρια και να αναδεικνύει μόνο τις αποκλίσεις που έχουν σημασία. Αντί ένας διευθυντής να διαβάζει χειροκίνητα δέκα αναφορές κάθε Δευτέρα, λαμβάνει μια επισκόπηση των τριών θεμάτων που χρειάζονται προσοχή. Αυτό δεν εξοικονομεί κρίση, αλλά εξοικονομεί πολύ χρόνο αναζήτησης. Όσο υψηλότερος είναι ο όγκος στόχων και έργων υπό παρακολούθηση, τόσο μεγαλύτερο είναι το κέρδος χρόνου από ένα τέτοιο προφίλτρο.
Ο βαθμός στον οποίο η πρόοδος είναι μετρήσιμη και δομημένη διαφέρει σημαντικά ανά οργανισμό. Σε έναν οργανισμό έργων με σαφή ορόσημα, σταθερές στιγμές αναφοράς και ένα εργαλείο διαχείρισης έργων όπου καταγράφεται τα πάντα, τα δεδομένα είναι καθαρά και επαναλήψιμα — ιδανικά για αυτοματοποίηση. Σε έναν οργανισμό όπου η πρόοδος μοιράζεται κυρίως προφορικά σε συσκέψεις, ή όπου οι στόχοι είναι διατυπωμένοι με ασάφεια («περισσότερη ικανοποίηση πελατών»), υπάρχουν λίγα δομημένα δεδομένα για επεξεργασία. Τότε υπάρχει λίγο περιθώριο αυτοματοποίησης, απλά επειδή δεν υπάρχει αξιόπιστη πηγή για ανάγνωση. Αυτό εξηγεί σε μεγάλο βαθμό γιατί η ίδια εργασία εξελίσσεται διαφορετικά σε εσάς απ' ό,τι σε μια συγκρίσιμη επιχείρηση: δεν διαφέρει η εργασία καθαυτή, αλλά ο βαθμός στον οποίο τα υποκείμενα δεδομένα είναι σε τάξη.
Στο πλαίσιο των σημερινών δυνατοτήτων, ένας πράκτορας AI μπορεί:
Αυτό λειτουργεί καλά μόνο υπό δύο προϋποθέσεις. Πρώτον, μια ενημερωμένη σύνδεση δεδομένων: αν το εργαλείο dashboard ή το εργαλείο διαχείρισης έργων δεν ενημερώνεται τακτικά, το σύστημα επισημαίνει βάσει παρωχημένων πληροφοριών. Δεύτερον, καθορισμένα όρια: χωρίς συμφωνία για το πότε μια απόκλιση αξίζει αναφοράς, το σύστημα είτε παράγει πολύ θόρυβο είτε χάνει ακριβώς τα σήματα που έχουν σημασία.
Η πραγματική αξιολόγηση — είναι αυτό εντός πορείας, πρέπει να γίνει διόρθωση, ποιον απευθύνουμε σχετικά — απαιτεί μια κρίση που υπερβαίνει τους αριθμούς. Αυτό ισχύει έντονα για διευθυντές και υπεύθυνους έργων που φέρουν ευθύνη για το αποτέλεσμα, όχι μόνο για την επισήμανσή του. Επίσης η επικοινωνία γύρω από την πρόοδο, ειδικά όταν αυτή είναι ευαίσθητη εντός μιας ομάδας, δεν είναι εργασία που πρέπει να αφεθεί σε ένα σύστημα. Αν η παρακολούθηση αγγίζει την αξιολόγηση μεμονωμένων εργαζομένων ή αποφάσεις προσωπικού, ισχύουν γι' αυτό δικές τους νομικές απαιτήσεις, για τις οποίες αυτό το κείμενο δεν διατυπώνει άποψη.
Ένας οργανισμός με τριμηνιαίους στόχους σε επίπεδο διοίκησης, λίγα σημεία μέτρησης και πολλή ερμηνεία θα ωφεληθεί λιγότερο από την αυτοματοποίηση σε σχέση με έναν οργανισμό με δεκάδες τρέχοντα έργα, σταθερά KPI και ένα καλά ενημερωμένο dashboard. Επίσης το κόστος σφάλματος έχει σημασία: αν μια χαμένη απόκλιση αποκαλυφθεί μόλις μετά από μήνες και τότε είναι δαπανηρή, βαραίνει περισσότερο το γεγονός ότι ένας άνθρωπος κάνει τον τελικό έλεγχο απ' όσο όταν η διόρθωση παραμένει σχετικά χαμηλού κόστους. Αυτό είναι ακριβώς ο λόγος για τον οποίο δεν υπάρχει μια γενική δήλωση για «AI και παρακολούθηση προόδου» — εξαρτάται από το πόσο δομημένοι, πόσο συχνοί και πόσο επικίνδυνοι είναι οι συγκεκριμένοι στόχοι.
Για να δείτε ποιο μέρος αυτού του είδους εργασιών στη δική σας κατάσταση προσφέρεται για αυτοματοποίηση, είναι χρήσιμο να εξετάσετε πρώτα την ποιότητα των δικών σας πηγαίων δεδομένων — παρόμοια με τον τρόπο που θα θέλατε να γνωρίζετε τι δείχνει μια επανάμετρηση πριν προχωρήσετε σε συστηματική διόρθωση. Η Ftetoai προσφέρει για αυτό ένα δωρεάν quickscan: δώδεκα ερωτήσεις, χωρίς λογαριασμό, με μια ένδειξη ποιο μέρος των ωρών στο προφίλ σας μπορεί σήμερα να αναληφθεί από την AI. Η πλήρης εργασιοσκόπηση, που εξετάζει σε μεγαλύτερο βάθος μεμονωμένες εργασίες όπως η παρακολούθηση και η αναφορά, βρίσκεται ακόμα υπό κατασκευή.
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.