Periodiska pārbaude, vai mērķi un darbības norit pēc plāna, ir daļēji uzdevums, ko AI šodien var uzņemties. Sistēma var apkopot datus, signalizēt novirzes un sagatavot pirmo atskaites variantu. Bet šo novirzu interpretēšana — vai kavēšanās ir problēma vai normāla svārstība, vai ir nepieciešama korekcija vai nē — paliek cilvēka darbs. Tātad šis ir uzdevums AI aģentam, kas darbojas cilvēka uzraudzībā, ne uzdevums, ko var vienkārši atstāt bez kontroles.
Progresa uzraudzība izklausās kā faktu pārbaude: salīdzina plānu ar realitāti un secina, vai kaut kas norit pēc grafika. Praksē tas ietver daudz vērtējuma. Projekts, kas divas nedēļas kavējas ar kādu apakšuzdevumu, var būt pilnīgi vesels, jo šis uzdevums nekad nebija kritiskajā ceļā. Mērķis, kas sasniegts 80% apmērā, tomēr var neizdoties, ja pēdējā daļa ir vissarežģītākā. Vadītājs vai projekta vadītājs šādu kontekstu izsver, bieži pamatojoties uz zināšanām, kas nav redzamas informācijas panelī: kurš bija slims, kurš piegādātājs radījis kavēšanos, kura nodaļa strukturāli sniedz pārāk optimistiskas atskaites. Šīs kontekstuālās zināšanas ir precīzi tas, kur AI šodien nespēj sniegt pietiekamu ieguldījumu. Sistēma redz skaitli, ne stāstu tā aizmugurē.
Turpretī uzraudzība ir uzdevums, kas bieži atkārtojas: nedēļas, mēneša, projekta, komandas, KPI griezumā. Šis apjoms padara to pievilcīgu daļējai automatizācijai. AI aģents var nepārtraukti ievākt datus no informācijas paneļa vai projektu vadības rīka, piemērot sliekšņa vērtības un izceltas darīt redzamas tikai tās novirzes, kas ir svarīgas. Tā vietā, lai vadītājs katru pirmdienu manuāli izskatītu desmit atskaites, viņš saņem pārskatu par trim jautājumiem, kam nepieciešama uzmanība. Tas neietaupa vērtējumu, bet ietaupa daudz meklēšanas darba. Jo lielāks uzraudzīto mērķu un projektu apjoms, jo lielāks šāda priekšfiltra laika ieguvums.
Progresa mērāmības un strukturētības pakāpe organizācijās ievērojami atšķiras. Projektu organizācijā ar skaidriem starpposma mērķiem, fiksētiem atskaišu brīžiem un projektu vadības rīku, kurā tiek fiksēts viss, dati ir tīri un atkārtojami — ideāli piemēroti automatizācijai. Organizācijā, kur progresu galvenokārt pārrunā mutiski sanāksmēs vai kur mērķi ir formulēti neskaidri ("lielāka klientu apmierinātība"), ir maz strukturētu datu, ko izmantot. Tad automatizēt ir maz ko, vienkārši tāpēc, ka nav uzticama avota, no kura nolasīt. Šis lielā mērā izskaidro, kāpēc tas pats darbs jūsu gadījumā izpaužas atšķirīgi nekā salīdzināmā uzņēmumā: nevis pats uzdevums atšķiras, bet gan tas, cik lielā mērā pamatā esošie dati ir sakārtoti.
Pašreizējo iespēju robežās AI aģents var:
Tas darbojas labi tikai ar divām priekšnosacījumu grupām. Pirmkārt, aktuāls datu savienojums: ja informācijas panelis vai projektu vadības rīks netiek regulāri atjaunināts, sistēma signalizē, pamatojoties uz novecojušu informāciju. Otrkārt, definētas sliekšņa vērtības: bez vienošanās par to, kad novirze ir vērts pieminēt, sistēma vai nu rada pārāk daudz trokšņa, vai tieši palaiž garām signālus, kas ir svarīgi.
Faktiskais vērtējums — vai tas norit pēc plāna, vai nepieciešama korekcija, ar ko par to runāt — prasa spriedumu, kas pārsniedz skaitļus. Tas jo īpaši attiecas uz direktoriem un projektu vadītājiem, kuri ir atbildīgi par rezultātu, ne tikai par tā signalizēšanu. Arī komunikācija par progresu, jo īpaši, ja tā ir sensitīva komandas ietvaros, nav uzdevums, ko atstāt sistēmai. Ja uzraudzība skar individuālu darbinieku vērtējumu vai personāla lēmumus, tam ir savas juridiskās prasības, par kurām šis raksts neizsakās.
Organizācijai ar ceturkšņa mērķiem valdes līmenī, maz mērījumu punktu un plašu interpretācijas telpu automatizācija būs mazāk noderīga nekā organizācijai ar desmitiem notiekošu projektu, fiksētiem KPI un labi piepildītu informācijas paneli. Nozīme ir arī kļūdu izmaksām: ja palaista garām novirze nāk gaismā tikai pēc mēnešiem un tad ir dārga, cilvēka veikta pēdējā pārbaude iegūst lielāku svaru nekā gadījumā, kad korekcija paliek relatīvi lēta. Tas ir precīzi tas, kāpēc vispārīgs apgalvojums par "AI un progresa uzraudzību" nepastāv — tas ir atkarīgs no tā, cik strukturēti, cik biežāk un cik riskanti attiecīgie mērķi ir.
Lai redzētu, kura šāda veida uzdevumu daļa jūsu situācijā ir piemērota automatizācijai, ir lietderīgi vispirms apskatīt savu pirmdatu kvalitāti — līdzīgi tam, kā jūs vēlētos zināt, ko atklāj atkārtots mērījums, pirms strukturāli ieviešat korekcijas. Ftetoai šim mērķim piedāvā bezmaksas ātro skenēšanu: divpadsmit jautājumi, bez konta, ar norādi, kāda daļa no jūsu profila stundām šodien ir pārņemama ar AI. Pilnā darba skenēšana, kas dziļāk aplūko individuālus uzdevumus, piemēram, uzraudzību un atskaites sagatavošanu, joprojām tiek izstrādāta.
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.