ICT sektor ima poziciju koju rijetko koji drugi sektor ima: posao koji se ovdje obavlja velikim dijelom se sastoji od zadataka koji imaju veze s tekstom, kodom i strukturiranim podacima. To je upravo vrsta posla za koju su jezični modeli i AI asistenti najviše uvježbani. Dok u drugim sektorima AI prvo ulazi na rubove posla, u ICT-u je dio same osnovne djelatnosti već blizu onome što ti sustavi dobro obavljaju.
Sati u jednoj ICT organizaciji grubo se raspoređuju u nekoliko blokova: razvoj i održavanje softvera, funkcionalno i tehničko upravljanje, servisna služba i obrada ticketa, testiranje i kontrola kvalitete, dokumentacija, te projektni rad kao planiranje i izvještavanje. Svaki od tih blokova ima svoj odnos između zadataka koji se dobro mogu automatizirati i zadataka koji za to trenutno ne dolaze u obzir.
U okviru razvoja softvera, generiranje, restrukturiranje i dokumentiranje koda je zadatak kod kojeg AI već samostalno obavlja bitan dio posla. Standardne funkcije, boilerplate kod, pretvaranje specifikacija u prve verzije skripti: to je posao kod kojeg developer sve češće procjenjuje prijedlog AI-a umjesto da nešto piše od nule. Kod servisne službe vrijedi nešto slično za prvu trijažu ticketa: prepoznavanje vrste problema, povezivanje s poznatim rješenjima, i prosljeđivanje na pravi sljedeći korak.
I testni posao se pomiče. Generiranje testnih slučajeva na temelju specifikacija, i signaliziranje odstupanja u rezultatima testiranja, zadatak je koji se dobro može preuzeti čim je ulaz dovoljno strukturiran. Dokumentacija sustava, API-ja i izdanja (release) treće je područje gdje AI često već isporučuje prvi koncept.
Druga kategorija, djelomično automatski uz ljudski nadzor, u ICT-u je šira nego u mnogim drugim sektorima, upravo zato što se posljedice greške u kodu ili infrastrukturi javljaju brzo i ponekad neopozivo. Prijedlog AI-a za promjenu koda procjenjuje developer; automatizirani savjet o mrežnoj konfiguraciji provjerava se prije provedbe. Ovaj obrazac odobravanja ili odbijanja s obrazloženjem vraća se kod deploymenta, kod sigurnosnih skeniranja i kod procjene arhitektonskih odluka.
Način na koji financijski sustavi moraju moći opravdati promjene dobro pokazuje kako ta kombinacija automatizacije i nadzora funkcionira u praksi: onaj tko želi znati može li AI voditi revizijski dnevnik financijskih promjena, vidi da se bilježenje često može odvijati automatski, dok procjena same promjene zahtijeva čovjeka. To načelo jednako vrijedi za promjene infrastrukture unutar ICT okruženja.
Arhitektonske odluke, prevođenje neodređenih želja klijenta u izvedivi dizajn, i upravljanje odnosom s naručiteljima zadaci su koji ostaju u trećoj kategoriji. Ovaj posao zahtijeva kombiniranje tehničkog znanja s organizacijskim uvidom i preuzimanje odgovornosti za odluku koja ne slijedi samo iz podataka. I složena dijagnostika problema, kod koje kvar utječe na više sustava a u povijesti nema usporedivog incidenta, za sada ostaje ljudski posao.
Da li se neki zadatak u ICT-u zaista preuzima, ne ovisi samo o tome što je tehnički moguće. Ovisi o tome koliko su strukturirani vlastiti sustavi, koliko je povijesnih podataka dostupno za treniranje ili provjeru, i kako se organizacija odnosi prema nadzoru koji je potreban kod druge kategorije. ICT odjel s dobro dokumentiranim kodom i jasnim kategorijama ticketa može brže napredovati od odjela gdje se znanje uglavnom nalazi u glavama zaposlenika.
Ova ovisnost o vlastitoj situaciji nije jedinstvena za ICT. Onaj tko pogleda koji posao u financijskim uslugama prvi dolazi u obzir za AI, vidi sličan obrazac: strukturirani zadaci vezani na pravila pomiču se ranije od zadataka koji zahtijevaju osobnu procjenu. Čak i u sektorima koji su sadržajno daleko od ICT-a, kao što pokazuje analiza što AI može preuzeti u građevinarstvu, postavlja se isto pitanje: koliko je posao strukturiran, i koliko je nadzora potrebno prije nego što je ishod upotrebljiv.
Ova podjela u tri kategorije govori nešto o poslu općenito, ne o specifičnim zadacima unutar vaše vlastite organizacije. ICT poduzeće koje uglavnom isporučuje prilagođena rješenja složenim klijentima ima drukčiju raspodjelu od poduzeća koje se prevladavajuće bavi zadacima upravljanja za fiksan skup sustava. Ta razlika određuje koliko sati već danas spada u prvu ili drugu kategoriju.
Što poslodavac potom radi s tim rezultatom, izlazi iz okvira onoga što mi kao radni sken opisujemo. Za odluke koje se odnose na osoblje vrijede vlastiti zakonski zahtjevi; oni se ovdje ne obrađuju i ovo nije podloga za to.
Da biste vidjeli kako se ova podjela odražava na vaše vlastito poduzeće, postoji besplatni quickscan: dvanaest pitanja, bez računa, s ishodom koji pokazuje koji dio sati u tom profilu danas AI može preuzeti. Potpuni radni sken, koji posao rasklapa zadatak po zadatak i procjenjuje na osam osi, još je u izradi. Quickscan već sada daje prvu smjernicu, bez da ide dalje od te smjernice.
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.