Säännöllinen tarkistus siitä, ovatko tavoitteet ja toimenpiteet aikataulussa, on osittain tehtävä, jonka tekoäly voi tänä päivänä ottaa hoitaakseen. Järjestelmä voi kerätä dataa, havaita poikkeamia ja laatia alustavan raportin. Mutta noiden poikkeamien tulkinta — onko viivästys ongelma vai normaali vaihtelu, tarvitaanko korjaavia toimia vai ei — pysyy ihmistyönä. Tämä on siis tehtävä tekoälyagentille, joka toimii ihmisen valvonnassa, ei tehtävä, jonka voisi vain jättää omaan hoitoonsa.
Edistymisen seuranta kuulostaa faktapohjaiselta harjoitukselta: verrataan suunnitelmaa todellisuuteen ja päätellään, onko jokin aikataulussa. Käytännössä siihen liittyy paljon harkintaa. Projekti, joka on kaksi viikkoa jäljessä osatehtävässä, voi olla täysin terveellä pohjalla, koska kyseinen tehtävä ei koskaan ollut kriittisellä polulla. Tavoite, joka on saavutettu 80-prosenttisesti, voi silti epäonnistua, jos viimeinen osuus on vaikein. Johtaja tai projektipäällikkö punnitsee tällaista kontekstia, usein tiedon perusteella, joka ei näy hallintapaneelissa: kuka oli sairaana, mikä toimittaja aiheutti viivästyksen, mikä osasto raportoi rakenteellisesti liian optimistisesti. Juuri tuo kontekstitieto on se, missä tekoäly tänä päivänä epäonnistuu. Järjestelmä näkee luvun, ei sen takana olevaa tarinaa.
Toisaalta seuranta on tehtävä, joka toistuu usein: viikoittain, kuukausittain, projekteittain, tiimeittäin, KPI:ittäin. Tuo volyymi tekee osittaisesta automatisoinnista houkuttelevaa. Tekoälyagentti voi jatkuvasti hakea dataa hallintapaneeli- tai projektinhallintatyökalusta, soveltaa kynnysarvoja ja nostaa esiin vain ne poikkeamat, jotka ovat merkityksellisiä. Sen sijaan, että johtaja kävisi joka maanantai käsin läpi kymmenen raporttia, hän saa yleiskatsauksen kolmesta asiasta, jotka vaativat huomiota. Se ei säästä harkintaa, mutta säästää paljon läpikäyntityötä. Mitä suurempi seurattavien tavoitteiden ja projektien volyymi, sitä suurempi on tällaisen esisuodattimen tuoma ajansäästö.
Se, missä määrin edistyminen on mitattavissa ja rakenteellista, vaihtelee suuresti organisaatioittain. Projektiorganisaatiossa, jossa on selkeät välitavoitteet, kiinteät raportointihetket ja projektinhallintatyökalu, johon kaikki kirjataan, data on siistiä ja toistettavaa — ihanteellista automatisoinnille. Organisaatiossa, jossa edistymistä jaetaan lähinnä suullisesti kokouksissa tai jossa tavoitteet on muotoiltu epämääräisesti ("enemmän asiakastyytyväisyyttä"), rakenteellista dataa, johon tukeutua, on vähän. Silloin automatisoitavaa on vähän, yksinkertaisesti siksi, ettei ole luotettavaa lähdettä, josta lukea. Tämä selittää suurelta osin, miksi sama työ tuottaa teillä eri lopputuloksen kuin vastaavassa yrityksessä: itse tehtävä ei eroa, vaan se, missä määrin taustalla oleva data on kunnossa.
Nykyisten mahdollisuuksien puitteissa tekoälyagentti voi:
Tämä toimii hyvin vain kahdella ehdolla. Ensinnäkin ajantasainen datakytkentä: jos hallintapaneelia tai projektinhallintatyökalua ei pidetä ajan tasalla, järjestelmä havaitsee asioita vanhentuneen tiedon perusteella. Toiseksi määritellyt kynnysarvot: ilman sopimusta siitä, milloin poikkeama on ilmoittamisen arvoinen, järjestelmä joko tuottaa liikaa kohinaa tai jättää huomaamatta juuri ne signaalit, jotka ovat merkityksellisiä.
Varsinainen arviointi — onko tämä aikataulussa, tarvitaanko korjaavia toimia, kenen kanssa asiasta puhutaan — vaatii harkintaa, joka menee lukuja pidemmälle. Tämä pätee erityisesti johtajiin ja projektipäälliköihin, jotka kantavat vastuun lopputuloksesta, eivät vain sen havaitsemisesta. Myös edistymiseen liittyvä viestintä, etenkin jos se on arkaluonteista tiimin sisällä, ei ole tehtävä, joka voidaan jättää järjestelmän hoidettavaksi. Jos seuranta koskettaa yksittäisten työntekijöiden arviointia tai henkilöstöpäätöksiä, niihin sovelletaan omia lakisääteisiä vaatimuksia, joihin tämä teksti ei ota kantaa.
Organisaatio, jolla on johtoryhmätason neljännesvuositavoitteet, vähän mittauspisteitä ja paljon tulkintaa, hyötyy automatisoinnista vähemmän kuin organisaatio, jolla on kymmeniä käynnissä olevia projekteja, kiinteät KPI:t ja hyvin täytetty hallintapaneeli. Myös virheiden kustannukset vaikuttavat asiaan: jos havaitsematta jäänyt poikkeama tulee ilmi vasta kuukausien kuluttua ja on silloin kallis, painaa enemmän se, että ihminen tekee viimeisen tarkistuksen, kuin tilanteessa, jossa korjaaminen pysyy suhteellisen edullisena. Juuri tästä syystä yleispätevää lausuntoa "tekoälystä ja edistymisen seurannasta" ei ole olemassa — se riippuu siitä, kuinka rakenteellisia, kuinka toistuvia ja kuinka riskialttiita kyseiset tavoitteet ovat.
Nähdäksenne, mikä osa tämänkaltaisista tehtävistä soveltuu automatisointiin teidän tilanteessanne, kannattaa ensin tarkastella oman lähdedatanne laatua — samaan tapaan kuin haluaisitte tietää, mitä uusintamittaus paljastaa, ennen kuin teette rakenteellisia korjauksia. Ftetoai tarjoaa tähän ilmaisen pikatestin: kaksitoista kysymystä, ei tiliä, ja arvio siitä, kuinka suuri osa profiilinne tunneista on tänä päivänä tekoälyn hoidettavissa. Täydellinen työskan, joka syventyy yksittäisiin tehtäviin kuten seurantaan ja raportointiin, on vielä kehitteillä.
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.