Povremeno provjeravanje jesu li ciljevi i aktivnosti na pravom putu djelomično je zadatak koji AI danas može preuzeti. Sustav može prikupljati podatke, signalizirati odstupanja i sastaviti prvo izvješće. No tumačenje tih odstupanja — je li kašnjenje problem ili uobičajena varijacija, treba li se korigirati ili ne — ostaje ljudski posao. Ovo je stoga zadatak za AI agenta koji radi pod ljudskim nadzorom, a ne zadatak koji jednostavno možete prepustiti sustavu.
Praćenje napretka zvuči kao činjenična vježba: usporedite plan sa stvarnošću i zaključite je li nešto na rasporedu. U praksi je tu prisutna velika količina prosudbe. Projekt koji kasni dva tjedna na jednom podzadatku može biti potpuno zdrav, jer taj zadatak nikada nije bio na kritičnom putu. Cilj koji je ostvaren 80% ipak može propasti ako je posljednji dio najteži. Voditelj ili projektni menadžer uzima u obzir takav kontekst, često na temelju znanja koje se ne nalazi u nadzornoj ploči: tko je bio bolestan, koji je dobavljač kasnio, koji odjel sustavno izvještava previše optimistično. To poznavanje konteksta upravo je ono u čemu AI danas ne uspijeva. Sustav vidi brojku, ne priču iza nje.
S druge strane, praćenje je zadatak koji se često ponavlja: tjedno, mjesečno, po projektu, po timu, po KPI-ju. Taj obujam čini privlačnim da se dio automatizira. AI agent može kontinuirano prikupljati podatke iz alata za nadzorne ploče ili alata za upravljanje projektima, primjenjivati pragove i izdvajati samo odstupanja koja su bitna. Umjesto da voditelj svakog ponedjeljka ručno pregledava deset izvješća, dobiva pregled tri stvari koje zahtijevaju pažnju. To ne štedi na prosudbi, ali štedi mnogo vremena pretraživanja. Što je veći broj ciljeva i projekata koje treba pratiti, to je veća ušteda vremena od takvog predfiltra.
Stupanj u kojem je napredak mjerljiv i strukturiran uvelike se razlikuje po organizacijama. Kod projektne organizacije s jasnim prekretnicama, fiksnim trenucima izvještavanja i alatom za upravljanje projektima u kojem se sve bilježi, podaci su čisti i ponovljivi — idealno za automatizaciju. Kod organizacije gdje se napredak uglavnom dijeli usmeno na sastancima, ili gdje su ciljevi nejasno formulirani ("veće zadovoljstvo kupaca"), postoji malo strukturiranih podataka na kojima se može temeljiti. Tada je malo toga za automatizirati, jednostavno zato što ne postoji pouzdan izvor za očitavanje. To u velikoj mjeri objašnjava zašto isti posao kod vas ispadne drugačije nego kod usporedive tvrtke: ne razlikuje se sam zadatak, već stupanj u kojem su temeljni podaci uređeni.
U okviru trenutnih mogućnosti, AI agent može:
Ovo dobro funkcionira samo uz dva preduvjeta. Prvo, ažurna povezanost podataka: ako se alat za nadzornu ploču ili alat za upravljanje projektima ne održava ažurnim, sustav signalizira na temelju zastarjelih informacija. Drugo, definirani pragovi: bez dogovora o tome kada je odstupanje vrijedno prijave, sustav ili proizvodi previše šuma ili upravo propušta signale koji su bitni.
Stvarna procjena — je li ovo na pravom putu, treba li se korigirati, koga treba obavijestiti — zahtijeva prosudbu koja nadilazi brojke. To osobito vrijedi za direktore i voditelje projekata koji snose odgovornost za ishod, ne samo za njegovo signaliziranje. Također komunikacija oko napretka, pogotovo ako je osjetljiva unutar tima, nije zadatak koji se prepušta sustavu. Ako praćenje dotiče ocjenjivanje pojedinih zaposlenika ili kadrovske odluke, za to vrijede vlastiti zakonski zahtjevi o kojima se ovaj tekst ne izjašnjava.
Organizacija s tromjesečnim ciljevima na razini uprave, malo mjernih točaka i mnogo tumačenja imat će manje koristi od automatizacije nego organizacija s desecima tekućih projekata, fiksnim KPI-jevima i dobro popunjenom nadzornom pločom. Također su bitni troškovi pogreške: ako se propušteno odstupanje otkrije tek nakon mjeseci i tada je skupo, teže se dodatno naglašava da čovjek napravi posljednju provjeru nego kada je korekcija relativno jeftina. Upravo je zato općenita izjava o "AI-ju i praćenju napretka" nemoguća — sve ovisi o tome koliko su strukturirani, koliko česti i koliko rizični dotični ciljevi.
Da biste vidjeli koji dio ovakvih zadataka u vašoj situaciji dolazi u obzir za automatizaciju, korisno je najprije pogledati kvalitetu vlastitih izvornih podataka — slično kao što biste željeli znati što pokazuje ponovno mjerenje prije nego strukturno korigirate. Ftetoai za to nudi besplatni brzi test: dvanaest pitanja, bez registracije, s naznakom kojeg je dijela sati u vašem profilu danas moguće prepustiti AI-ju. Potpuni radni test, koji dublje ulazi u pojedinačne zadatke poput praćenja i izvještavanja, još je u izradi.
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.