Periodiškas tikrinimas, ar tikslai ir veiksmai vykdomi laiku, iš dalies yra užduotis, kurią AI šiandien gali perimti. Sistema gali rinkti duomenis, signalizuoti apie nuokrypius ir parengti pirminę ataskaitą. Tačiau tų nuokrypių interpretavimas — ar vėlavimas yra problema, ar normalus svyravimas, ar reikia koreguoti kursą, ar ne — išlieka žmogaus darbu. Tai yra užduotis AI agentui, dirbančiam žmogaus priežiūroje, o ne užduotis, kurią galite tiesiog paleisti savieigai.
Vykdymo eigos stebėjimas skamba kaip faktinė užduotis: palyginate planą su realybe ir nustatote, ar viskas vyksta pagal grafiką. Praktikoje tai apima daug vertinimo. Projektas, kuris dviem savaitėmis atsilieka nuo poeigio, gali būti visiškai sveikas, jei ta užduotis niekada nebuvo kritiniame kelyje. Tikslas, kuris pasiektas 80 %, vis tiek gali nepavykti, jei paskutinė dalis yra sunkiausia. Vadovas ar projekto vadovas įvertina tokio pobūdžio kontekstą, dažnai remdamasis žiniomis, kurių nėra prietaisų skydelyje: kas buvo neatvykęs dėl ligos, kuris tiekėjas vėlavo, kuris skyrius sistemingai raportuoja pernelyg optimistiškai. Ta kontekstinė žinojimas yra tiksliai ta sritis, kurioje AI šiandien atsilieka. Sistema mato skaičių, o ne istoriją už jo.
Tačiau stebėjimas yra užduotis, kuri dažnai kartojasi: kas savaitę, kas mėnesį, pagal projektą, pagal komandą, pagal KPI. Toks apimtis daro dalies automatizavimą patrauklų. AI agentas gali nuolat gauti duomenis iš prietaisų skydelio įrankio ar projektų valdymo įrankio, taikyti slenkstines reikšmes ir pateikti tik tuos nuokrypius, kurie svarbūs. Vietoj to, kad vadovas kiekvieną pirmadienį ranka peržiūrėtų dešimt ataskaitų, jis gauna apžvalgą su trimis dalykais, kuriems reikia dėmesio. Tai nesumažina sprendimo poreikio, bet sumažina daug peržiūros darbo. Kuo didesnė stebimų tikslų ir projektų apimtis, tuo didesnis laiko taupymas iš tokio pirminio filtro.
Mastas, kiek vykdymo eiga yra matoma ir struktūrizuota, labai skiriasi tarp organizacijų. Projektinėje organizacijoje su aiškiomis etapo žymėmis, fiksuotais ataskaitų momentais ir projektų valdymo įrankiu, kuriame visa kas fiksuojama, duomenys yra švarūs ir pasikartojantys — idealūs automatizavimui. Organizacijoje, kur vykdymo eiga daugiausia dalinama žodžiu susitikimuose, arba kur tikslai formuluoti neaiškiai ("didesnis klientų pasitenkinimas"), struktūrizuotų duomenų, kuriuos būtų galima apdoroti, yra mažai. Tuomet automatizuoti yra mažai kas, tiesiog nesant patikimo šaltinio, iš kurio galima skaityti. Tai didele dalimi paaiškina, kodėl tas pats darbas jūsų atveju baigiasi kitaip nei panašioje įmonėje: skiriasi ne pati užduotis, o tai, kiek gerai sutvarkyti pagrindiniai duomenys.
Esamų galimybių ribose AI agentas gali:
Tai tinkamai veikia tik su dviem sąlygomis. Pirma, aktuali duomenų jungtis: jei prietaisų skydelio įrankis ar projektų valdymo įrankis nėra nuolat atnaujinamas, sistema signalizuoja pagal pasenusią informaciją. Antra, apibrėžtos slenkstinės reikšmės: nesant susitarimo, kada nuokrypis vertas pranešimo, sistema sukuria arba pernelyg daug triukšmo, arba praleidžia tuos signalus, kurie svarbūs.
Faktinis vertinimas — ar tai vyksta laiku, ar reikia koreguoti kursą, su kuo dėl to reikia pasikalbėti — reikalauja sprendimo, kuris pranoksta skaičius. Tai ypač taikoma direktoriams ir projektų vadovams, kurie prisiima atsakomybę už rezultatą, ne vien už jo signalizavimą. Taip pat komunikacija apie vykdymo eigą, ypač jei ji jautri komandos viduje, nėra užduotis, kurią derėtų perleisti sistemai. Jei stebėjimas susiduria su individualių darbuotojų vertinimu ar personalo sprendimais, tam taikomi atskiri teisiniai reikalavimai, apie kuriuos šis straipsnis nepasisako.
Organizacija su ketvirtinio lygio tikslais direkcijos lygmenyje, mažai matavimo taškų ir daug interpretacijos turės mažiau naudos iš automatizavimo nei organizacija su dešimtimis vykstančių projektų, fiksuotais KPI ir geru prietaisų skydeliu. Taip pat svarbi yra klaidos kaina: jei praleistas nuokrypis paaiškėja tik po kelių mėnesių ir tuomet yra kaštingas, tai svarbiau, kad žmogus atliktų paskutinį patikrinimą, nei kai kurso koregavimas išlieka pigus. Tai tiksliai kodėl bendro pobūdžio teiginys apie „AI ir vykdymo eigos stebėjimą" neegzistuoja — visa priklauso nuo to, kiek struktūrizuoti, kiek dažni ir kiek rizikingi yra atitinkami tikslai.
Siekdami sužinoti, kokia dalis tokio pobūdžio užduočių jūsų situacijoje tinka automatizavimui, verta pirmiausia pažvelgti į savo pirminių duomenų kokybę — panašiai kaip norėtumėte žinoti, ką parodo pakartotinis matavimas, prieš sistemingai koreguodami kursą. Ftetoai tam siūlo nemokamą greitąją apžvalgą: dvylika klausimų, be paskyros, su nuoroda, kokią dalį jūsų profilio valandų šiandien galėtų perimti AI. Pilna darbo apžvalga, kuri giliau analizuoja individualias užduotis, tokias kaip stebėjimas ir ataskaitų teikimas, dar kuriama.
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.