IT-sektoril on positsioon, mida vähestel teistel sektoritel on: siin tehtav töö koosneb suures osas ülesannetest, mis on seotud teksti, koodi ja struktureeritud andmetega. See on täpselt seda tüüpi töö, mille peal keelemudelid ja AI-assistendid on kõige rohkem harjutanud. Kui teistes sektorites tuleb AI kõigepealt töö äärealadele, siis IT-s asub osa põhitegevusest juba lähedal sellele, mida need süsteemid hästi oskavad.
Tunnid IT-organisatsioonis jagunevad üldjoontes mitmeks plokiks: tarkvaraarendus ja -hooldus, funktsionaalne ja tehniline haldus, kasutajatugi ja piletite käsitlemine, testimine ja kvaliteedikontroll, dokumentatsioon ning projektipõhine töö, näiteks planeerimine ja aruandlus. Igal neist plokkidest on omaette vahekord ülesannete vahel, mida on hea automatiseerida, ja nende vahel, mis selleks veel ei sobi.
Tarkvaraarenduses on koodi genereerimine, ümberstruktureerimine ja dokumenteerimine ülesanne, kus AI teeb juba iseseisvalt olulise osa tööst. Standardfunktsioonid, boilerplate-kood, spetsifikatsioonide teisendamine skriptide esimesteks versioonideks – see on töö, kus arendaja hindab üha sagedamini AI pakutud lahendust, selle asemel et midagi nullist kirjutada. Kasutajatoes kehtib midagi sarnast piletite esmase triaaži puhul: probleemi tüübi tuvastamine, tuntud lahendustega sidumine ja õigesse järgmisesse etappi suunamine.
Ka testimistöö nihkub. Testijuhtumite genereerimine spetsifikatsioonide alusel ning kõrvalekallete tuvastamine testitulemustes on ülesanne, mida on hea üle võtta niipea, kui sisend on piisavalt struktureeritud. Süsteemide, API-de ja väljalasete dokumenteerimine on kolmas valdkond, kus AI pakub sageli juba esimese versiooni.
Teine kategooria, osaliselt automaatne inimjärelevalvega, on IT-sektoris laiem kui paljudes teistes sektorites, just seetõttu, et vea tagajärjed koodis või infrastruktuuris avalduvad kiiresti ja mõnikord pöördumatult. AI ettepanekut koodimuudatuse kohta hindab arendaja; automaatset soovitust võrgukonfiguratsiooni kohta kontrollitakse enne rakendamist. See heakskiitmise või tagasilükkamise muster põhjendusega kordub juurutamiste, turvaskaneeringute ning arhitektuurivalikute hindamise puhul.
See, kuidas finantssüsteemid peavad suutma muudatusi põhjendada, näitab hästi, kuidas see automatiseerimise ja järelevalve kombinatsioon praktikas toimib: kes soovib teada, kas AI suudab pidada auditilogi finantsmuudatustest, näeb, et registreerimine võib toimuda sageli automaatselt, samas kui muudatuse enda hindamiseks on vaja inimest. Sama põhimõte kehtib ka infrastruktuurimuudatuste puhul IT-keskkonnas.
Arhitektuuriotsused, ebamääraste kliendisoovide teisendamine toimivaks kavandiks ning kliendisuhete haldamine on ülesanded, mis jäävad kolmandasse kategooriasse. See töö nõuab tehniliste teadmiste ühendamist organisatoorse arusaamaga ning vastutuse võtmist valiku eest, mis ei tulene ainult andmetest. Ka keeruline probleemide diagnoosimine, kus rike puudutab mitut süsteemi ja ajaloos ei ole võrreldavat intsidenti, jääb esialgu inimtööks.
Kas ülesanne IT-s tegelikult üle võetakse, ei sõltu ainult sellest, mis on tehniliselt võimalik. See sõltub sellest, kui struktureeritud on ettevõtte enda süsteemid, kui palju ajaloolisi andmeid on saadaval treenimiseks või valideerimiseks, ning sellest, kuidas organisatsioon suhtub teise kategooria puhul vajalikku järelevalvesse. IT-osakond, kus kood on hästi dokumenteeritud ja piletikategooriad selged, saab liikuda kiiremini kui osakond, kus teadmised asuvad peamiselt töötajate peades.
See sõltuvus ettevõtte enda olukorrast ei ole IT-sektorile omane ainult sellele. Kes vaatab, milline töö finantsteenuste sektoris tuleb AI jaoks esimesena kõne alla, näeb sarnast mustrit: struktureeritud, reeglipõhised ülesanded nihkuvad varem kui ülesanded, mis nõuavad isiklikku otsustusvõimet. Isegi sektorites, mis on sisult IT-st kaugel, nagu näitab analüüs mida AI saab ehituses üle võtta, kerkib sama küsimus: kui struktureeritud on töö ja kui palju järelevalvet on vaja, enne kui tulemus on kasutatav.
See kolmeks kategooriaks jaotus ütleb midagi töö kohta üldiselt, mitte teie enda organisatsiooni konkreetsete ülesannete kohta. IT-ettevõttel, mis pakub peamiselt tellimustööd keerukatele klientidele, on teistsugune jaotus kui ettevõttel, mis teeb peamiselt hooldustöid kindlale süsteemide kogumile. See erinevus määrab, kui suur osa tundidest langeb juba praegu esimesse või teise kategooriasse.
Mida tööandja selle tulemusega edasi teeb, jääb väljapoole seda, mida meie töötaseme skaneeringuna kirjeldame. Personali puudutavate otsuste kohta kehtivad omaette seadusest tulenevad nõuded; neid siin ei käsitleta ja see ei ole nende jaoks põhjenduseks.
Selleks, et näha, kuidas see jaotus teie enda ettevõtte puhul välja tuleb, on olemas tasuta kiirskaneering: kaksteist küsimust, ilma kontota, tulemusena hinnang selle kohta, milline osa tundidest sellel profiilil on täna AI poolt üle võetav. Täielik töötaseme skaneering, mis lahkab töö ülesanne-ülesandelt ja hindab seda kaheksal teljel, on veel ehitamisel. Kiirskaneering annab juba praegu esmase suuna, minemata seejuures sellest suunast kaugemale.
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.