IT skyrius yra AI įdomi sritis, nes jame sujungiami dviejų rūšių darbai, kurie visiškai skirtingai reaguoja į automatizavimą. Iš vienos pusės yra procesai, kurie vyksta pagal fiksuotą modelį: naujam darbuotojui suteikiama paskyra, atsarginė kopija vykdoma naktį, slaptažodis atstatomas po prašymo. Iš kitos pusės yra darbas, kurio rezultatas priklauso nuo konteksto, rizikos įvertinimo ir pasekmių, kurių neįmanoma įsprausti į scenarijų. Mūsų taksonomija šioje srityje išskiria 39 užduotis, ir jų paskirstymas trims kategorijoms didžia dalimi seka šią skiriamąją liniją.
Tai užduotys su aiškia įvestimi, fiksuota procedūra ir patikrinamu rezultatu. Geras to pavyzdys – darbo vietos, paskyrų ir prieigos teisių paruošimas naujam darbuotojui: pareigų profilis nustato, kokios teisės reikalingos, ir šį susiejimą galima automatizuoti taip, kad nebūtų reikalo kiekvieną kartą iš naujo apsvarstyti įgyvendinimo. Tas pats taikoma prieigos atšaukimui darbo santykių pasibaigimo atveju, kur pavėluoto veikimo rizika yra didesnė nei automatizavimo rizika, ir atsarginių kopijų vykdymui bei tikrinimui, kur sistema pati gali nustatyti, ar užduotis pavyko, ar ne. Šios užduotys patenka į 1 kategoriją, nes norma yra fiksuota: yra aiškus teisingas ir neteisingas rezultatas, ir tarp jų esančių žingsnių nebūtina kiekvieną kartą iš naujo vertinti. Tai nereiškia, kad visumai nebereikia priežiūros, tačiau paties užduoties vykdymo nereikalauja žmogaus vertinimo kiekvienu atveju.
Ši kategorija IT skyriuje yra didelė, ir tai nėra atsitiktinumas. Daug užduočių turi pastebimą modelį, tačiau rezultatas susijęs su rizikomis, kurias turi įvertinti žmogus. Periodinis prieigos teisių vertinimas yra tokia užduotis: AI gali pastebėti skirtumus tarp pareigų ir esamų teisių, tačiau ar išimtis yra pagrįsta, sprendžia vertintojas, kuris žino kontekstą ir patvirtina arba atmeta su pagrindimu. Atkūrimo iš atsarginės kopijos testavimas patenka į tą pačią kategoriją: testavimą pačią galima automatizuoti, tačiau išvada, ar sistema iš tikrųjų buvo pakankamai atkurta, reikalauja žvilgsnio, kuris pranoksta žalią varnelę. Taip pat sistemų sujungimo įdiegimas ir jo gedimų stebėjimas bei šalinimas priklauso čia: AI gali pagreitinti kūrimą ir aptikti nukrypimus, tačiau sprendimas, kaip gedimą pašalinti nesugadinant duomenų, išlieka žmogaus sprendžiamas svarstymas. Šios kategorijos modelis visada tas pats: AI atlieka atpažinimą ir pasiūlymą, žmogus – vertinimą ir sprendimą.
Mažesnė IT darbo dalis gerai lieka nepriklausoma nuo to, kokia AI tampa brandi, nes užduoties esmė nėra modelio atpažinimas, bet interpretacija ir atsakomybė. Ad hoc duomenų analizė yra to pavyzdys: atsakymas į konkretų organizacijos klausimą reikalauja, kad kažkas suprastų, kas iš tikrųjų klausiama, kokie duomenys svarbūs ir kokia išvada yra pagrįsta. Duomenų kokybės tikrinimas ir tvarkymas susiduria su tuo pačiu klausimu, kai eina toliau nei dubliuotų įrašų aptikimas: klausimas, kuris šaltinis atstovauja tiesai prieštaringų duomenų atveju, reikalauja organizacijos žinių, kurių nėra pačiuose duomenyse. Taip pat pagrindinių duomenų valdymas dalimi išlieka žmogaus darbu ta dalimi, kuri susijusi su apibrėžimų nustatymu ir susitarimais tarp skyrių, nors pati įvestis dažnai gali būti automatizuota. Šios užduotys išlieka žmogaus darbu ne todėl, kad AI negali susidoroti su technika, bet todėl, kad atsakomybės už rezultatą negalima perduoti sistemai.
Šis skirstymas kalba apie užduotis, ne apie pareigas ir ne apie asmenis. IT darbuotojas paprastai atlieka užduotis iš visų trijų kategorijų, ir kokia dalis jo užduočių pasikeičia, priklauso nuo konkretaus jo vaidmens turinio. Tai, kad užduotis patenka į 1 kategoriją, taip pat nieko nesako apie tai, ką darbdavys su tuo daro: tai pasirinkimas, kuriam taikomi savi teisiniai reikalavimai, pavyzdžiui, susiję su darbuotojų atstovavimu ir darbo teise, ir tai nepatenka į šio skirstymo apimtį. Ką šis skirstymas iš tiesų suteikia, yra faktinis atskaitos taškas: kurias užduotis šiandien jau galima paremti AI, kurioms reikia priežiūros, ir kurios išlieka nepakitusios. Panašius modelius galima pastebėti ir kitose srityse; pavyzdžiui, kokį darbą AI gali perimti pirkimų srityje parodo, kad ir čia skiriamoji linija dažnai eina per klausimą, ar rezultatas turi fiksuotą normą, ar reikalauja svarstymo, o kokį darbą AI gali perimti logistikoje iliustruoja, kaip iš pažiūros vien operacinis skyrius vis tiek turi daug priežiūros užduočių, kai klaidos tampa kaštingos.
Norint pamatyti, kiek valandų IT vaidmenyje šiuo metu priskirtina vienai iš trijų kategorijų, būtina konkreti inventorizacija užduočių, kurias kažkas iš tikrųjų atlieka, ne vien pareigų pavadinimo. ftetoai nemokamas greitasis testas tam suteikia pirminę nuorodą: dvylika klausimų, be paskyros, kurio rezultatas – nuoroda, kokia dalis profilio valandų šiandien gali būti perimta AI. Tai pradžios taškas, ne galutinis vertinimas. Visas darbo testas, kuris giliau nagrinėja atskiras užduotis ir jų pagrindimą, dar kuriamas. Ką parodo kitas matavimas po pasikeitimo, ir kaip jis santykiauja su pirmine inventorizacija, galima skaityti ką parodo pakartotinis matavimas.
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.