Ο κλάδος ΤΠΕ έχει μια θέση που λίγοι άλλοι κλάδοι έχουν: η εργασία που εκτελείται εδώ αποτελείται σε μεγάλο βαθμό από εργασίες που έχουν σχέση με κείμενο, κώδικα και δομημένα δεδομένα. Αυτό είναι ακριβώς το είδος εργασίας στο οποίο τα γλωσσικά μοντέλα και οι βοηθοί AI είναι περισσότερο εξασκημένα. Ενώ σε άλλους κλάδους η AI εισέρχεται πρώτα στα περιθώρια της εργασίας, στην ΤΠΕ ένα μέρος της βασικής δραστηριότητας βρίσκεται ήδη κοντά σε αυτό που αυτά τα συστήματα κάνουν καλά.
Οι ώρες σε έναν οργανισμό ΤΠΕ κατανέμονται σε γενικές γραμμές σε έναν αριθμό ενοτήτων: ανάπτυξη και συντήρηση λογισμικού, λειτουργική και τεχνική διαχείριση, γραφείο εξυπηρέτησης και διαχείριση tickets, δοκιμές και έλεγχος ποιότητας, τεκμηρίωση, και εργασία σε επίπεδο έργου όπως προγραμματισμός και αναφορές. Καθεμία από αυτές τις ενότητες έχει τη δική της αναλογία μεταξύ εργασιών που είναι εύκολο να αυτοματοποιηθούν και εργασιών που προς το παρόν δεν είναι κατάλληλες για αυτό.
Στο πλαίσιο της ανάπτυξης λογισμικού, η δημιουργία, αναδιάρθρωση και τεκμηρίωση κώδικα είναι μια εργασία στην οποία η AI εκτελεί ήδη ένα σημαντικό μέρος του έργου αυτόνομα. Τυπικές λειτουργίες, κώδικας boilerplate, η μετατροπή προδιαγραφών σε πρώτες εκδόσεις scripts: αυτό είναι εργασία όπου ένας προγραμματιστής όλο και συχνότερα αξιολογεί μια πρόταση της AI αντί να γράφει κάτι από την αρχή. Στο γραφείο εξυπηρέτησης ισχύει κάτι ανάλογο για την πρώτη διαλογή των tickets: αναγνώριση του τύπου προβλήματος, σύνδεση με γνωστές λύσεις, και προώθηση στο σωστό επόμενο βήμα.
Επίσης η εργασία δοκιμών μετατοπίζεται. Η δημιουργία test cases με βάση προδιαγραφές, και ο εντοπισμός αποκλίσεων σε αποτελέσματα δοκιμών, είναι εργασία που μπορεί εύκολα να αναληφθεί από μηχανές μόλις τα δεδομένα εισόδου είναι επαρκώς δομημένα. Η τεκμηρίωση συστημάτων, API και εκδόσεων είναι ένας τρίτος τομέας όπου η AI παρέχει συχνά ήδη το πρώτο προσχέδιο.
Η δεύτερη κατηγορία, εν μέρει αυτοματοποιημένη με ανθρώπινο έλεγχο, είναι στην ΤΠΕ ευρύτερη απ' ό,τι σε πολλούς άλλους κλάδους, ακριβώς επειδή οι συνέπειες ενός σφάλματος σε κώδικα ή υποδομή εμφανίζονται ταχύτατα και ενίοτε μη αναστρέψιμα. Μια πρόταση της AI για αλλαγή κώδικα αξιολογείται από έναν προγραμματιστή· μια αυτοματοποιημένη σύσταση για διαμόρφωση δικτύου ελέγχεται πριν εφαρμοστεί. Αυτό το μοτίβο έγκρισης ή απόρριψης με αιτιολόγηση επανέρχεται στις εγκαταστάσεις (deployments), στους ελέγχους ασφαλείας και στην αξιολόγηση αρχιτεκτονικών επιλογών.
Ο τρόπος με τον οποίο τα χρηματοοικονομικά συστήματα πρέπει να μπορούν να αιτιολογούν αλλαγές δείχνει καλά πώς λειτουργεί στην πράξη αυτός ο συνδυασμός αυτοματοποίησης και ελέγχου: όποιος θέλει να μάθει εάν ένα αρχείο ελέγχου χρηματοοικονομικών αλλαγών μπορεί να διατηρείται από την AI, βλέπει ότι η καταγραφή μπορεί συχνά να γίνεται αυτόματα, ενώ η αξιολόγηση της ίδιας της αλλαγής απαιτεί έναν άνθρωπο. Αυτή η αρχή ισχύει εξίσου για αλλαγές υποδομής εντός ενός περιβάλλοντος ΤΠΕ.
Οι αποφάσεις αρχιτεκτονικής, η μετάφραση ασαφών επιθυμιών πελατών σε ένα λειτουργικό σχέδιο, και η διαχείριση της σχέσης με τους πελάτες είναι εργασίες που παραμένουν στην τρίτη κατηγορία. Αυτή η εργασία απαιτεί συνδυασμό τεχνικής γνώσης με οργανωτική διαίσθηση και ανάληψη ευθύνης για μια επιλογή που δεν προκύπτει μόνο από δεδομένα. Επίσης η σύνθετη διάγνωση προβλημάτων, όπου μια βλάβη επηρεάζει πολλαπλά συστήματα και δεν υπάρχει παρόμοιο περιστατικό στο ιστορικό, παραμένει προς το παρόν ανθρώπινη εργασία.
Το κατά πόσο μια εργασία στην ΤΠΕ όντως αναλαμβάνεται από την AI δεν εξαρτάται μόνο από το τι είναι τεχνικά δυνατό. Εξαρτάται από το πόσο δομημένα είναι τα δικά της συστήματα, πόσα ιστορικά δεδομένα είναι διαθέσιμα για εκπαίδευση ή επικύρωση, και πώς ο οργανισμός διαχειρίζεται τον έλεγχο που απαιτείται για τη δεύτερη κατηγορία. Ένα τμήμα ΤΠΕ με καλά τεκμηριωμένο κώδικα και σαφείς κατηγορίες tickets μπορεί να προχωρήσει ταχύτερα από ένα τμήμα όπου η γνώση βρίσκεται κυρίως στο μυαλό των υπαλλήλων.
Αυτή η εξάρτηση από την ίδια την κατάσταση δεν είναι μοναδική για την ΤΠΕ. Όποιος εξετάζει ποια εργασία στις χρηματοοικονομικές υπηρεσίες είναι πρώτη υποψήφια για την AI, βλέπει ένα ανάλογο μοτίβο: δομημένες, κανονιστικά καθορισμένες εργασίες μετατοπίζονται πρωτύτερα από εργασίες που απαιτούν προσωπική κρίση. Ακόμη και σε κλάδους που απέχουν πολύ ως προς το περιεχόμενο από την ΤΠΕ, όπως προκύπτει από την ανάλυση του τι μπορεί να αναλάβει η AI στον κατασκευαστικό κλάδο, τίθεται το ίδιο ερώτημα: πόσο δομημένη είναι η εργασία, και πόσος έλεγχος απαιτείται πριν ένα αποτέλεσμα είναι χρησιμοποιήσιμο.
Αυτή η κατάταξη σε τρεις κατηγορίες λέει κάτι για την εργασία γενικά, όχι για τις συγκεκριμένες εργασίες εντός του δικού σας οργανισμού. Μια εταιρεία ΤΠΕ που παρέχει κυρίως εξατομικευμένες λύσεις σε σύνθετους πελάτες έχει διαφορετική κατανομή από μια εταιρεία που εκτελεί κυρίως εργασίες διαχείρισης για ένα σταθερό σύνολο συστημάτων. Αυτή η διαφορά καθορίζει πόσες από τις ώρες εμπίπτουν ήδη σήμερα στην πρώτη ή τη δεύτερη κατηγορία.
Τι κάνει στη συνέχεια ένας εργοδότης με αυτό το αποτέλεσμα, βρίσκεται εκτός του πλαισίου που περιγράφουμε ως εργασιακή σάρωση (werkscan). Για αποφάσεις που επηρεάζουν το προσωπικό ισχύουν δικές τους νομικές απαιτήσεις· αυτές δεν εξετάζονται εδώ και αυτό δεν αποτελεί τεκμηρίωση γι' αυτές.
Για να δείτε πώς αυτή η κατάταξη εξελίσσεται για τη δική σας επιχείρηση, υπάρχει η δωρεάν quickscan: δώδεκα ερωτήσεις, χωρίς λογαριασμό, με αποτέλεσμα μια ένδειξη για το ποιο μέρος των ωρών σε αυτό το προφίλ μπορεί να αναληφθεί σήμερα από την AI. Η πλήρης εργασιακή σάρωση, που αναλύει την εργασία εργασία προς εργασία και την αξιολογεί σε οκτώ άξονες, βρίσκεται ακόμη υπό κατασκευή. Η quickscan δίνει ήδη τώρα μια πρώτη κατεύθυνση, χωρίς να προχωράει περισσότερο από αυτή την κατεύθυνση.
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.