Egy marketinges vagy adatelemző, aki versenytárs-árakat gyűjt, valójában három dolgot tesz: árakat és ajánlatokat keres fel, ezeket egy rögzített kritérium szerint egymás mellé állítja, és az eredményt felhasználhatóvá teszi egy saját árazási döntéshez. Ez egy olyan feladat, amely nagyrészt adatok lekéréséből és rendezéséből áll, és pontosan ez az a fajta munka, amelynek jelentős részét az AI már ma át tudja venni, feltéve hogy néhány feltétel rendben van.
Itt három tengely a döntő: strukturáltság, volumen és mérlegelési tér. Az árak számok, az ajánlatok felismerhető felépítésű weboldalakon találhatók, és az összehasonlítás maga egy előre meghatározott kritériumot követ: ugyanaz a termékkategória, ugyanaz az egység, ugyanaz az időszak. Ez elég strukturálttá teszi a feladatot ahhoz, hogy automatizálható legyen. A volumen is segít: tíz versenytárs, száz termék, hetente megismételve, pontosan az a fajta ismétlődő gyűjtőmunka, amelynél egy rendszer nem fárad el, egy ember viszont igen. A mérlegelési tér pedig tudatosan korlátozott: egy agent egy rögzített összehasonlítási logikát alkalmaz, nem talál ki új stratégiát.
A többi tengely is megerősíti ezt a képet. Nincs ügyfélkapcsolat, nincs fizikai cselekvés, és a megfelelőségi érzékenység alacsony: nyilvános információról van szó, amelyet mindenki megtekinthet. A hibaköltség mérsékelt — egy rosszul összehasonlított ár torz képet eredményez, nem szegett szerződést vagy dühös ügyfelet. A kreativitás szerepet játszik a rendhagyó ajánlatok értelmezésénél (egy csomagkedvezmény, egy ideiglenes akció, egy eltérő mennyiség), de ez inkább kivétel, mint szabály.
Ez egy agentnek megfelelő feladat: egy rendszer, amely önállóan felkeresi az árlistás weboldalakat, adatokat nyer ki szövegből és struktúrából, ezeket a rögzített összehasonlítási kritériumok szerint besorolja, és az eredményt áttekintés formájában szolgáltatja. Ez két feltétel mellett működik. Először: hozzáférés a nyilvános árazási adatokhoz, ami azt jelenti, hogy az információnak megtalálhatónak és olvashatónak kell lennie — nincs bejelentkezési fal, nincs olyan ár, amelyet csak telefonon adnak meg. Másodszor: előre rögzített összehasonlítási kritériumok. Ez a megállapodás nélkül — mi az 'összehasonlítható', milyen egység, milyen időszak — egy agent csak számok halmazát szolgáltatja, anélkül hogy bárki tudná, egymás mellé állíthatók-e.
Ez az a pont, ahol a kép nüánszot kap. A gyűjtés és rendezés az AI feladata. Az összehasonlítás árazási döntésre — emelés, csökkentés, egy akció elindítása — való lefordítása emberi munka marad, a margóra, pozicionálásra és ügyfélkapcsolatra vonatkozó mérlegeléssel. Az ebben a scanben szereplő feladat az összehasonlítás elkészítéséről szól, nem az azt követő döntésről.
Egy webshop, amely hetente követi tizenöt versenytárs árait száz termékkategóriában, ezt a folyamatot nagyrészt egy agentre bízhatja: az gyűjti az adatokat, felismeri az ajánlatokat, és mindent egy rögzített áttekintésbe rendez. Egy marketinges ezután megítéli az eredményt — helyes-e az összehasonlítás, van-e valami furcsaság egy versenytársnál, aki hirtelen egyharmadával olcsóbb — és jóváhagyja, vagy visszaküldi egy indokkal. Ez a taxonómia második kategóriája: az AI elvégzi a munkát, egy ember felügyeletet gyakorol, mérlegeléssel kiegészítve.
Egy B2B-szolgáltatónál, ahol az árak csak igény alapján érhetők el, az ajánlatok egyediek, és az 'összehasonlítható' fogalomnak nincs egyértelmű jelentése, a kép megváltozik. A strukturáltság csökken, a mérlegelési tér nő, és a munka nagyobb mértékben egy elemzőre támaszkodik, aki telefonon vagy egy hálózat révén gyűjt információt, és maga ítéli meg, mi összehasonlítható. Ez akkor kevésbé egy agentnek megfelelő feladat, és inkább egy olyan feladat, ahol az AI támogat — például jegyzetek rendszerezésével —, míg a mérlegelés az embernél marad.
Ez az elmozdulás egy vállalatban több helyet érint, mint csak az ártávfelügyeletet. Aki azt szeretné, hogy a hirdetési költést eredmények alapján igazítsák, hasonló mintát lát: strukturált adat, magas volumen, korlátozott mérlegelési tér, és egy agent, amely a munka nagy részét elvégzi, amíg a kritériumok rögzítettek. Aki azt vizsgálja, hogyan elemezhető a weboldal-statisztika, ugyanazt a kombinációt látja: gyűjtés, rendezés, és csak azután interpretáció. Ahol több kreatív munka van jelen, mint például egy közösségimédia-bejegyzés megírásánál, az automatizálás és a felügyelet aránya megint másképp áll. A mintázat mindig ugyanaz: minél strukturáltabb a bemenet, és minél nagyobb a volumen, annál inkább képes egy agent a munka nagy részét elvégezni, egy emberrel, aki az eredményt megítéli, helyette hogy magát a munkát végezné.
Ez nem állítás a marketinges vagy adatelemző munkakörről, és nem alap személyzeti döntések felépítéséhez. A munkakörökről és létszámról szóló döntésekre saját jogi követelmények vonatkoznak, függetlenül attól, amit egy ilyen feladatelemzés megmutat. Ez az oldal egy feladatot ír le, nem egy szerepkört, egy szerepkör pedig általában sokkal több, mint egyetlen feladat.
Ahhoz, hogy lássa, ez hogyan áll az Ön saját vállalatánál, a kötelezettségmentes gyorsteszt az első lépés: tizenkét kérdés, fiók nélkül, eredményként egy jelzéssel arról, hogy az ilyen jellegű munka óráinak mely része vehető át ma az AI által. A teljes munkascan, amely a vállalata munkáját feladatokra bontja e nyolc tengely mentén, még épül, és később kerül itt bemutatásra.
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.