Egy nagykereskedés a fizikai műveletek és az adminisztratív feldolgozás kombinációjára épül, és ez a kettő folyamatosan összefonódik. Rendelnek, fogadnak, tárolnak, összeszednek, szállítanak és számláznak, és minden lépéshez tartozik egy nyilvántartás, amelynek egyeznie kell az előzővel. Ezekben a vállalatokban a kantoori órák legnagyobb része a rendelésfeldolgozásban, a készletadminisztrációban, a beszerzésben és az ügyfélkapcsolatban telik el, a szállítási időkkel, visszaküldésekkel és árakkal kapcsolatban. A raktár padlóján a munka a fogadásban, a tárolásban, az orderpickingben és a szállításra előkészítésben rejlik.
Az eredményt az határozza meg, mennyire fizikai jellegű az adott munka, és mennyire kapcsolódnak egymáshoz a rendszerek. Egy nagykereskedés gyakran egy ERP-rendszerrel dolgozik, egy külön WMS-sel a raktár számára, egy webshop-kapcsolattal a B2B ügyfelek részére, és egy sor Excel-fájllal, amelyek betöltik a réseket. Ez a széttagoltság azt jelenti, hogy sok feladat ugyan információt dolgoz fel, de az információt előbb több helyről kell összegyűjteni, mielőtt az AI ezzel bármit tud kezdeni. Emellett sok a közvetlen ügyfélkapcsolat: telefonon, e-mailben, specifikus megállapodásokról, amelyek nem mindig szerepelnek a rendszerben. És van fizikai munka is, amely nem képernyő előtt zajlik: dobozok emelése, raklapok pakolása, valami leméretezése a padlón.
Ez a keveréke a strukturált adatoknak, a széttagolt rendszereknek, az ügyfélkapcsolatoknak és a fizikai műveleteknek határozza meg feladatonként, hogy melyik a három kategória közül érvényes: az AI teljesen átveheti, az AI részben elvégezheti felügyelet mellett, vagy emberi munka marad.
Azok a feladatok, amelyek főként strukturált adatok olvasásából, ellenőrzéséből és feldolgozásából állnak, jól alkalmasak arra, hogy az AI átvegye őket. Gondoljunk a beszerzési megrendelések és a szállítási/számlázási dokumentumok összepárosítására, az árkülönbségek jelzésére, és a standard rendelési mintákon alapuló szokásos rendelések létrehozására. A dokumentumok archiválása és a megőrzési határidőkhez való ellenőrzés is gyakran ebbe a kategóriába tartozik, mivel a szabályok egyértelműek, és a dokumentumok legtöbbször már digitálisan érkeznek be.
A feltétel mindig az, hogy a bemeneti adat megbízható és egyértelmű legyen. Ahol ez nem így van, a feladat automatikusan a második kategóriába csúszik, még akkor is, ha első pillantásra egyszerűnek tűnik.
A nagykereskedelmi munka nagy része olyan feladatokból áll, amelyeket az AI előkészíthet vagy elvégezhet, de amelyeknél egy embernek jóvá kell hagynia vagy el kell utasítania az eredményt, indoklással. Ilyen példák az ajánlatok elkészítése eltérő ügyfélmegállapodások esetén, a visszaküldési kérelmek megítélése, amelyek nem esnek a standard feltételek alá, és az orders szállításra előkészítése és a hozzá tartozó szállítási adminisztráció. Ez utóbbi feladatnál egy rendszer előkészíthet a címkéket és a dokumentumokat, de valakinek ellenőriznie kell, hogy a megfelelő egységeket, csomagolást és útvonalat választották-e.
Az ügyfélkapcsolat is, árakkal, szállítási időkkel és panaszokkal kapcsolatban, gyakran ebbe a középső kategóriába esik. Az AI elkészíthet egy első választ vagy összegyűjthet releváns információt, de a végső hangnem és döntés olyan valakit igényel, aki ismeri az ügyfelet és a kontextust.
A padlón végzett fizikai munka nem változik meg attól, hogy AI áll rendelkezésre. Egy teherautó megpakolása, raklapok egymásra rakása, egy sérült szállítás kézi ellenőrzése: ez emberi munka marad, még akkor is, ha a hozzá tartozó nyilvántartás részben automatizálható. Ugyanez vonatkozik a beszállítókkal folytatott tárgyalásokra, az új termékvonalakkal kapcsolatos döntésekre, és azokra a helyzetekre, amikor egy ügyfél olyan kivételt kér, amely minden rögzített mintán kívül esik.
A padlón végzett produkciós nyilvántartás vezetése egy olyan feladat, amely részben átfedésben van a nagykereskedelmi munkával, különösen azoknál a vállalatoknál, amelyek ügyfelek számára is összeállítanak vagy csomagolnak. Itt is igaz: a nyilvántartás támogatható, de a művelet maga emberi kéznek marad.
Ez a besorolás a feladatról mond valamit, nem az azt jelenleg végző munkavállalóról, és nem is arról, hogy egy munkaadó mit tesz ezzel az információval. Az, hogy egy szervezet hoz-e és hogyan hoz személyzeti döntéseket a változó feladatok alapján, magára a szervezetre tartozik, és erre saját jogszabályi követelmények vonatkoznak. Ez az oldal csak azt írja le, hogy a munka mely része hagyható technikailag és gyakorlatilag az AI-ra, és mely része nem.
A három kategória közötti arány erősen eltér nagykereskedésenként. Egy vállalat, amelynek sok az egyedi rendelése és telefonos ügyfélkapcsolata, kevesebbet fog tartalmazni az első kategóriában, mint egy vállalat, amely főként standard termékeket árusít webshopon keresztül. A hasonló üzleti folyamatok szélesebb áttekintéséhez érdemes megnézni azt is, hogy mit vehet át az AI a feldolgozóiparban, vagy mit vehet át az AI a szállítási szektorban, mivel a nagykereskedések gyakran láncszemek e két világ között.
Ahhoz, hogy lássa, hogyan alkalmazható ez a besorolás egy konkrét funkcióra vagy részlegre, nem szükséges először teljes képet kapni a teljes szervezetről. Az ftetoai ingyenes gyorsteszt tizenkét kérdésből áll, fiók nélkül működik, és jelzi, hogy a felvázolt profilban az órák mekkora része vehető át ma az AI által. A teljes munkateszt, amely az egyéni feladatokra mélyebben kitér, még fejlesztés alatt áll; jelenleg még nem létezik, ezért itt sem kínáljuk fel.
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.