Az IT-osztály az AI számára érdekes terület, mert két olyan munkatípust kombinál, amelyek teljesen eltérően reagálnak az automatizálásra. Egyrészt vannak olyan folyamatok, amelyek fix mintát követnek: egy új munkatárs fiókot kap, éjszaka lefut egy biztonsági mentés, egy jelszót visszaállítanak egy kérés után. Másrészt van olyan munka, ahol az eredmény kontextustól, kockázatbecsléstől és olyan következményektől függ, amelyek nem foghatók egy szkriptbe. A taxonómiánk 39 feladatot számlál ezen a területen, és a három kategória közötti eloszlás nagyrészt ezt a választóvonalat követi.
Ezek olyan feladatok, amelyeknek egyértelmű bemenete, fix eljárása és ellenőrizhető eredménye van. Egy új munkatárs munkahelyének, fiókjainak és hozzáférési jogosultságainak előkészítése erre jó példa: a munkaköri profil határozza meg, milyen jogosultságok szükségesek, és ez az összekapcsolás automatizálható anélkül, hogy valakinek mindig újra kellene gondolnia a részleteket. Ugyanez vonatkozik a hozzáférés visszavonására munkaviszony megszűnésekor, ahol a késői beavatkozás kockázata nagyobb, mint az automatizálás kockázata, valamint a biztonsági mentések elvégzésére és ellenőrzésére, ahol egy rendszer maga is jelezni tudja, hogy egy feladat sikeres volt-e vagy nem. Ezek a feladatok az 1. kategóriába tartoznak, mert a norma egyértelmű: van egyértelmű jó és rossz, és a köztük lévő lépéseket nem kell mindig újra megítélni. Ez nem jelenti azt, hogy az egészre nincs szükség felügyeletre, de a feladat maga végrehajtásakor nincs szükség eseti emberi megítélésre.
Ez a kategória az IT-osztályon nagy, és ez nem véletlen. Sok feladatnak van felismerhető mintája, de az eredmény olyan kockázatokat érint, amelyeket egy embernek kell mérlegelnie. A hozzáférési jogosultságok időszakos felülvizsgálata ilyen feladat: az AI jelezheti az eltéréseket a munkakör és a jelenlegi jogosultságok között, de hogy egy kivétel indokolt-e, azt egy olyan értékelőnek kell megítélnie, aki ismeri a kontextust, és aki indokolással jóváhagyja vagy elutasítja azt. A biztonsági mentésből történő helyreállítás tesztelése ugyanebbe a kategóriába tartozik: a tesztelés maga automatizálható, de az a következtetés, hogy egy rendszer valóban megfelelően helyreállt-e, olyan tekintetet igényel, amely túllép egy zöld pipán. Az összeköttetés kialakítása rendszerek között, valamint az abban felmerülő üzemzavarok monitorozása és javítása is ide tartozik: az AI felgyorsíthatja a felépítést és felismerheti az eltéréseket, de a döntés arról, hogyan oldjanak meg egy üzemzavart adatsérülés nélkül, olyan mérlegelés marad, amelyet valakinek meg kell tennie. A minta ebben a kategóriában mindig ugyanaz: az AI végzi a felismerést és a javaslattételt, egy ember végzi a megítélést és a döntést.
Az IT-munka kisebb része jól függetlenül megmarad attól, mennyire fejlődik az AI, mert a feladat lényege nem mintafelismerésből, hanem interpretációból és felelősségvállalásból áll. Az eseti adatanalízis erre egy példa: egy adott, a szervezetből érkező kérdés megválaszolása azt igényli, hogy valaki megértse, mit is kérdeznek valójában, mely adatok relevánsak, és milyen következtetés tartható meg. Az adatminőség ellenőrzése és tisztítása hasonló problémát érint, amint az túllép a duplikált rekordok felderítésén: az a kérdés, hogy ellentmondó adatok esetén melyik forrás képviseli az igazságot, a szervezet olyan ismeretét igényli, amely nincs benne az adatban magában. A törzsadatok kezelése is részben emberi munka marad, amennyiben definíciók és osztályok közötti megállapodások meghatározásáról van szó, még ha a bevitel maga gyakran automatizálható is. Ezek a feladatok nem azért maradnak emberi munkák, mert az AI nem bírja a technikát, hanem mert az eredményért való felelősség nem delegálható egy rendszerre.
Ez a felosztás feladatokról szól, nem funkciókról és nem személyekről. Egy IT-munkatárs jellemzően mindhárom kategóriából végez feladatokat, és hogy munkakörének mely része változik, az attól függ, hogy a szerepe pontosan hogyan van kialakítva. Az, hogy egy feladat az 1. kategóriába tartozik, semmit nem mond arról, mit tesz azzal a munkaadó: ez egy olyan döntés, amelynek saját jogi követelményei vannak, például a munkavállalói participáció és a munkajog terén, és amely kívül esik ezen felosztás hatókörén. Amit a felosztás valóban nyújt, az egy tényszerű kiindulópont: mely feladatok támogathatók már ma AI-val, melyek igényelnek felügyeletet, és melyek maradnak változatlanok. Hasonló minták ismerhetők fel más területeken is; így milyen munkát vehet át az AI a beszerzésen is megmutatja, hogy ott is gyakran az a választóvonal, hogy egy eredménynek van-e fix normája, vagy mérlegelést igényel, és milyen munkát vehet át az AI a logisztikán illusztrálja, hogyan van egy látszólag operatív osztálynak is sok felügyeleti feladata, amint a hibák költségessé válnak.
Ahhoz, hogy lássuk, hány óra egy IT-szerepkörön belül jelenleg melyik kategóriának tulajdonítható, konkrét felmérés szükséges azokról a feladatokról, amelyeket valaki valójában elvégez, nem csak a munkakör megnevezéséről. Az ftetoai ingyenes gyorsfelmérése ehhez első indikációt nyújt: tizenkét kérdés, fiók nélkül, eredményként egy jelzés arról, hogy a profilban szereplő órák mekkora része vehető át ma az AI által. Ez egy kiindulópont, nem végső ítélet. A teljes munkafelmérés, amely mélyebben belemegy az egyedi feladatokba és azok alátámasztásába, még épül. Hogy egy változás utáni következő mérés mit mutat, és ez hogyan viszonyul az első felméréshez, arról a mit mutat egy ismételt mérés oldalon olvasható.
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.