IT odjel je za AI zanimljivo područje, jer kombinira dvije vrste posla koje potpuno različito reagiraju na automatizaciju. S jedne strane su procesi koji se odvijaju prema fiksnom obrascu: novi zaposlenik dobiva račun, sigurnosna kopija se izrađuje noću, lozinka se resetira nakon zahtjeva. S druge strane je posao kod kojeg ishod ovisi o kontekstu, procjeni rizika i posljedicama koje se ne mogu uhvatiti u skriptu. Naša taksonomija broji 39 zadataka u ovom području, a raspodjela po tri kategorije uglavnom slijedi tu razdjelnicu.
Ovdje se radi o zadacima s jasnim unosom, fiksnim postupkom i provjerljivim ishodom. Pripremanje radnog mjesta, računa i pristupnih prava za novog zaposlenika dobar je primjer toga: profil funkcije određuje koja su prava potrebna, i tu povezanost moguće je automatizirati bez da netko svaki put ponovno mora razmišljati o sadržaju. Isto vrijedi za oduzimanje pristupa prilikom prestanka radnog odnosa, gdje je rizik od kasnog djelovanja veći od rizika automatizacije, te za izvođenje i provjeru sigurnosnih kopija, gdje sustav sam može signalizirati je li zadatak uspješno izvršen ili nije. Ovi zadaci spadaju u kategoriju 1 jer je norma fiksna: postoji jasno dobro i loše, a koraci između toga ne treba svaki put iznova procjenjivati. To ne znači da nadzor nad cjelinom nije više potreban, ali sama izvedba zadatka ne zahtijeva ljudsku procjenu po slučaju.
Ova kategorija je na IT odjelu velika, i to nije slučajno. Mnogi zadaci imaju prepoznatljiv obrazac, ali ishod se dotiče rizika koje čovjek mora odvagnuti. Periodično ocjenjivanje pristupnih prava takav je zadatak: AI može signalizirati odstupanja između funkcije i trenutačnih prava, ali je li iznimka opravdana zahtijeva procjenitelja koji poznaje kontekst i koji odobrava ili odbija s razlogom. Testiranje oporavka iz sigurnosne kopije spada u istu kategoriju: samo testiranje moguće je automatizirati, ali zaključak je li sustav zaista dovoljno oporavljen zahtijeva pogled koji ide dalje od zelene kvačice. Postavljanje veze između sustava te praćenje i otklanjanje smetnje u njoj također ovdje spadaju: AI može ubrzati izgradnju i otkriti odstupanja, ali odluka o tome kako se smetnja rješava bez oštećenja podataka ostaje procjena koju netko mora donijeti. Obrazac u ovoj kategoriji uvijek je isti: AI prepoznaje i predlaže, čovjek procjenjuje i odlučuje.
Manji dio IT posla ostaje neovisan o tome koliko AI postane napredan, jer se srž zadatka ne sastoji od prepoznavanja obrasca nego od interpretacije i odgovornosti. Ad hoc analiza podataka primjer je toga: odgovaranje na specifično pitanje iz organizacije zahtijeva da netko razumije što se stvarno pita, koji su podaci relevantni i koji zaključak je održiv. Provjera i čišćenje kvalitete podataka dotiče se istog problema kada ide dalje od otkrivanja dupliciranih zapisa: pitanje koji izvor predstavlja istinu kod suprotstavljenih podataka zahtijeva znanje o organizaciji koje se ne nalazi u samim podacima. I upravljanje osnovnim podacima djelomično ostaje ljudski posao kada se radi o utvrđivanju definicija i dogovora između odjela, iako je sam unos često moguće automatizirati. Ovi zadaci ostaju ljudski posao ne zato što AI ne može savladati tehniku, nego zato što se odgovornost za ishod ne može delegirati sustavu.
Ova podjela odnosi se na zadatke, ne na funkcije i ne na osobe. IT zaposlenik obično izvodi zadatke iz sve tri kategorije, a koji dio njegovog paketa zadataka se mijenja ovisi o preciznom sadržaju njegove uloge. To što zadatak spada u kategoriju 1 ne govori ništa o tome što poslodavac s tim čini: to je izbor koji ima svoje zakonske uvjete, na primjer oko sudioništva zaposlenika i radnog prava, a koji je izvan opsega ove podjele. Što podjela doista pruža jest činjenična osnova: koji se zadaci danas već mogu podržati AI-jem, koji zahtijevaju nadzor, i koji ostaju nepromijenjeni. Slični obrasci mogu se prepoznati i u drugim područjima; tako koji posao na nabavi može preuzeti AI pokazuje da i tamo razdjelnica često leži u pitanju ima li ishod fiksnu normu ili zahtijeva procjenu, a koji posao na logistici može preuzeti AI ilustrira kako naizgled operativan odjel ipak ima mnogo zadataka nadzora čim greške postanu skupe.
Da bi se vidjelo koliko se sati unutar IT uloge trenutačno može dodijeliti jednoj od tri kategorije, potrebna je konkretna inventarizacija zadataka koje netko stvarno izvodi, ne samo naziva funkcije. Besplatni quickscan tvrtke ftetoai za to nudi prvu indikaciju: dvanaest pitanja, bez računa, s ishodom koji pokazuje koji dio sati u profilu danas AI može preuzeti. To je početna točka, ne konačna presuda. Cjeloviti workscan, koji dublje ulazi u pojedinačne zadatke i pripadajuću argumentaciju, još je u izradi. Što sljedeće mjerenje nakon promjene pokazuje, i kako se ono odnosi na prvu inventarizaciju, moguće je pročitati na što pokazuje ponovljeno mjerenje.
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.