Dvije organizacije opisuju isti zadatak. Kod jedne iz toga proizlazi kategorija 'AI može preuzeti zadatak', kod druge 'to ostaje ljudski posao'. To nije nedosljednost metode, nego rezultat metode. Ishod ne ovisi samo o tome što zadatak obuhvaća, nego i o okolnostima u kojima se taj zadatak izvršava. Ova stranica objašnjava koji čimbenici čine tu razliku i što to znači za pouzdanost procjene.
Zadatak nikada ne ocjenjujemo na temelju jednog obilježja. Svaki zadatak ocjenjuje se na osam osi: strukturiranost ulaznih podataka, prostor za prosudbu, osjetljivost na kontakt s klijentima, fizička komponenta, kreativnost, troškovi pogreške, osjetljivost na usklađenost s propisima (compliance) i volumen/ponavljanje. Dvije organizacije s 'istim' skupom zadataka mogu se na tim osima znatno razlikovati. Zadatak planiranja s fiksnim ulaznim podacima i visokim volumenom ispada drukčije nego isti taj zadatak planiranja kada su ulazni podaci promjenjivi i kada su iznimke pravilo. Dakle, nije bitan naziv zadatka, nego kombinacija ocjena koja stoji iza njega.
Kod niskih volumena incidenti imaju veću težinu nego kod visokih volumena. Zadatak koji se pojavljuje pet puta godišnje pruža malo osnove za prepoznavanje obrasca; zadatak koji se pojavljuje stotine puta dnevno brže pokazuje gdje AI stabilno postiže rezultate, a gdje ne. Visok volumen često čini procjenu preciznijom, jer postoji više ponavljanja za provjeru. Nizak volumen čini procjenu širom, ne zato što je zadatak nejasan, nego zato što jednostavno ima manje toga za generalizaciju. To se, primjerice, odražava na pitanje može li AI preuzeti praćenje napretka ciljeva i projekata: kod šačice projekata godišnje raspon je širi nego kod portfelja sa stotinama tekućih inicijativa.
Zadatak koji se u potpunosti odvija u strukturiranim sustavima ocjenjuje se drukčije od zadatka koji se uglavnom nalazi u glavama ljudi, e-poštama i pojedinačnim dokumentima. Ne zato što se sam zadatak mijenja, nego zato što se stupanj u kojem AI ima pristup pouzdanim, ažurnim informacijama znatno razlikuje. To se dobro vidi kod nadzora proračuna: hoće li AI moći preuzeti nadzor proračuna i signaliziranje odstupanja uvelike ovisi o tome jesu li temeljni brojevi već strukturirano i ažurno dostupni, ili ih je prvo potrebno ručno prikupiti i protumačiti. Isti zadatak, drukčije uređenje sustava, drukčiji ishod.
Troškovi pogreške nisu univerzalni. Pogrešno tumačenje u internom pregledu ima drukčije posljedice od pogrešnog tumačenja u komunikaciji s klijentima ili u izvještaju o usklađenosti s propisima. Kod visokih troškova pogreške ishod se prije pomiče prema drugoj kategoriji — AI daje prijedlog, čovjek odobrava ili odbija — čak i ako bi zadatak na drugim osima upućivao na preuzimanje od strane AI-ja. To je jedan od razloga zašto se nikada ne izjašnjavamo isključivo na temelju 'onoga što zadatak obuhvaća': kontekst u kojem pogreška nastaje ima jednaku težinu.
Raspon nije nejasnoća, nego iskren prikaz onoga što ne znamo sa sigurnošću. Kod zadataka s puno prostora za prosudbu — gdje bi se dva iskusna djelatnika i sama međusobno razlikovala — svaka je procjena po definiciji šira. Kod zadataka s puno kontakta s klijentima igra ulogu i to što se tolerancija za interakciju s AI-jem razlikuje po djelatnosti i po skupini klijenata, a to ne možemo izmjeriti bez vaših vlastitih podataka. A kod zadataka koji su tek uspostavljeni ili kod kojih je sustav tek promijenjen, jednostavno još ne postoji stabilan obrazac na koji bismo se mogli osloniti. U svim tim slučajevima biramo širi raspon umjesto točnog broja koji bi sugerirao veću sigurnost nego što je možemo potkrijepiti.
Postoje situacije u kojima jedno mjerenje ima malu vrijednost: kod tek promijenjenog procesa, kod zadatka koji se rijetko pojavljuje, ili kod organizacije koja je još u prijelazu na nove sustave. Ocjena u takvom trenutku je trenutačni snimak, a ne predviđanje. Zato je relevantno i ponovno mjerenje: isti zadatak, izmjeren kasnije, može dati drukčiji ishod jer su se okolnosti promijenile, a ne zato što je prvo mjerenje bilo pogrešno.
Ova metoda govori o zadacima, ne o ljudima ili funkcijama. Ishod nije osnova za odluku o osoblju; za odluke koje se tiču radnog odnosa vrijede posebni zakonski zahtjevi, koje sami provjeravate odvojeno. Mi pružamo činjenice o zadacima, vi iz njih izvlačite zaključke koji odgovaraju vašoj organizaciji. Kao ilustracija: ni zadatak poput vođenja sastanaka nije moguće ocijeniti jednoobrazno, što se vidi kod pitanja može li AI preuzeti vođenje tjednog timskog sastanka — odgovor se razlikuje po timu, po kulturi sastanaka i po količini prostora za odlučivanje na tim sastancima.
Ako želite prvi dojam o tome kako se to odražava na vašu vlastitu situaciju, možete ispuniti besplatni brzi test tvrtke ftetoai: dvanaest pitanja, bez potrebe za računom, s naznakom kojeg dijela sati u vašem profilu AI danas može preuzeti. Cjeloviti radni test, koji dublje analizira osam osi po zadatku, još je u izradi — trenutačno još ne postoji, a to radije iskreno kažemo nego da ga nudimo.
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.