El departamento de TI es un dominio interesante para la IA, porque combina dos tipos de trabajo que reaccionan de forma completamente distinta a la automatización. Por un lado están los procesos que siguen un patrón fijo: un nuevo empleado recibe una cuenta, una copia de seguridad se ejecuta por la noche, se restablece una contraseña tras una solicitud. Por otro lado está el trabajo cuyo resultado depende del contexto, de la evaluación de riesgos y de consecuencias que no se pueden capturar en un guion. Nuestra taxonomía cuenta 39 tareas dentro de este dominio, y la distribución entre las tres categorías sigue en gran medida esa línea divisoria.
Se trata aquí de tareas con una entrada clara, un procedimiento fijo y un resultado verificable. La preparación del puesto de trabajo, las cuentas y los derechos de acceso para un nuevo empleado es un buen ejemplo de ello: el perfil del puesto determina qué derechos se necesitan, y ese vínculo se puede automatizar sin que alguien tenga que pensar de nuevo cada vez cómo aplicarlo. Lo mismo ocurre con la revocación del acceso al finalizar un contrato, donde el riesgo de actuar demasiado tarde es mayor que el riesgo de la automatización, y con la ejecución y el control de las copias de seguridad, donde un sistema puede señalar por sí mismo si una tarea se ha completado con éxito o no. Estas tareas se clasifican en la categoría 1 porque la norma está establecida: hay un bien y un mal claros, y los pasos intermedios no necesitan ser evaluados cada vez de nuevo. Esto no significa que ya no se necesite supervisión sobre el conjunto, pero la ejecución de la tarea en sí no requiere una evaluación humana caso por caso.
Esta categoría es amplia en el departamento de TI, y eso no es casualidad. Muchas tareas sí tienen un patrón reconocible, pero el resultado toca riesgos que una persona debe ponderar. La evaluación periódica de los derechos de acceso es una de esas tareas: la IA puede señalar discrepancias entre el puesto y los derechos actuales, pero si una excepción está justificada requiere un evaluador que conozca el contexto y que apruebe o rechace con motivos. La prueba de recuperación a partir de una copia de seguridad se encuentra en la misma categoría: la prueba en sí se puede automatizar, pero la conclusión sobre si un sistema realmente se ha recuperado lo suficiente requiere una mirada que va más allá de una marca verde. También la configuración de una interfaz entre sistemas y el seguimiento y la resolución de una interrupción en ella pertenecen aquí: la IA puede acelerar la construcción y detectar anomalías, pero la decisión sobre cómo resolver una interrupción sin dañar los datos sigue siendo una ponderación que alguien debe hacer. El patrón en esta categoría es siempre el mismo: la IA se encarga de reconocer y proponer, una persona se encarga de evaluar y decidir.
Una parte más pequeña del trabajo de TI se mantiene independiente de lo madura que llegue a ser la IA, porque el núcleo de la tarea no consiste en el reconocimiento de patrones sino en la interpretación y la rendición de cuentas. El análisis de datos ad hoc es un ejemplo de ello: responder a una pregunta específica de la organización requiere que alguien entienda qué se pregunta en realidad, qué datos son relevantes y qué conclusión es sostenible. El control y la limpieza de la calidad de los datos toca el mismo problema en cuanto va más allá de detectar registros duplicados: la pregunta de qué fuente representa la verdad ante datos contradictorios requiere un conocimiento de la organización que no está en los propios datos. La gestión de los datos maestros también sigue siendo en parte trabajo humano en lo que respecta a establecer definiciones y acuerdos entre departamentos, aunque la introducción de datos en sí a menudo sí se puede automatizar. Estas tareas siguen siendo trabajo humano no porque la IA no pueda con la técnica, sino porque la responsabilidad del resultado no se puede delegar a un sistema.
Esta clasificación trata sobre tareas, no sobre funciones ni sobre personas. Un empleado de TI suele realizar tareas de las tres categorías, y qué parte de su conjunto de tareas cambia depende de la configuración exacta de su función. Que una tarea se clasifique en la categoría 1 tampoco dice nada sobre lo que un empleador hace con ello: eso es una decisión que tiene sus propios requisitos legales, por ejemplo en materia de participación de los trabajadores y derecho laboral, y que queda fuera del alcance de esta clasificación. Lo que la clasificación sí ofrece es un punto de partida factual: qué tareas se pueden apoyar hoy ya con IA, cuáles requieren supervisión y cuáles permanecen sin cambios. Se pueden reconocer patrones similares en otros dominios; así, qué trabajo puede asumir la IA en compras muestra que también allí la línea divisoria suele estar en si un resultado tiene una norma fija o requiere una ponderación, e ilustra qué trabajo puede asumir la IA en la logística cómo un departamento aparentemente operativo tiene, sin embargo, muchas tareas de supervisión en cuanto los errores se vuelven costosos.
Para ver cuántas horas dentro de una función de TI se pueden asignar en este momento a una de las tres categorías, es necesario un inventario concreto de las tareas que alguien realmente ejecuta, no solo del título del puesto. El quickscan gratuito de ftetoai ofrece para ello una primera indicación: doce preguntas, sin necesidad de cuenta, con como resultado una indicación de qué parte de las horas del perfil se puede asumir hoy con IA. Eso es un punto de partida, no un juicio final. El escaneo de trabajo completo, que profundiza más en las tareas individuales y en la fundamentación detrás de ellas, todavía está en construcción. Lo que muestra una siguiente medición después de un cambio, y cómo se relaciona con el inventario inicial, se puede leer en qué muestra una nueva medición.
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.