Divas organizācijas apraksta vienu un to pašu uzdevumu. Vienā rezultāts ir kategorija 'AI var pārņemt uzdevumu', otrā — 'tas paliek cilvēku darbs'. Tā nav neatbilstība metodē, bet gan metodes rezultāts. Iznākums ir atkarīgs ne tikai no tā, ko uzdevums ietver, bet arī no apstākļiem, kādos šis uzdevums tiek veikts. Šajā lapā ir izskaidrots, kādi faktori šo atšķirību rada un ko tas nozīmē attiecībā uz aplēses uzticamību.
Mēs nekad neizvērtējam uzdevumu pēc vienas pazīmes. Katrs uzdevums tiek vērtēts pēc astoņām asīm: ievaddatu strukturētība, lēmumu pieņemšanas telpa, jutīgums pret klientu kontaktu, fiziskā komponente, radošums, kļūdu izmaksas, atbilstības (compliance) jutīgums un apjoms/atkārtojamība. Divas organizācijas ar 'vienādu' uzdevumu kopu šajās asīs var būtiski atšķirties. Plānošanas uzdevums ar fiksētiem ievaddatiem un lielu apjomu izpaužas citādi nekā tas pats plānošanas uzdevums, ja ievaddati mainās un izņēmumi ir norma. Tātad runa nav par uzdevuma nosaukumu, bet par vērtējumu kombināciju aiz tā.
Pie zema apjoma incidenti sver vairāk nekā pie liela apjoma. Uzdevums, kas notiek piecas reizes gadā, sniedz maz pamata, lai atpazītu modeli; uzdevums, kas notiek simtiem reižu dienā, ātrāk parāda, kur AI darbojas stabili un kur ne. Liels apjoms bieži padara aplēsi konkrētāku, jo ir vairāk atkārtojumu, uz kuriem balstīties. Mazs apjoms padara aplēsi plašāku — ne tāpēc, ka uzdevums būtu neskaidrs, bet tāpēc, ka vienkārši ir mazāk, ko vispārināt. Tas, piemēram, ir aktuāli jautājumā, vai AI var pārņemt mērķu un projektu progresa uzraudzību: ja gadā ir daži projekti, diapazons ir plašāks nekā portfelim ar simtiem notiekošu iniciatīvu.
Uzdevumu, kas pilnībā norit strukturētās sistēmās, ir citādi novērtēt nekā uzdevumu, kas lielā mērā atrodas cilvēku galvās, e-pastos un atsevišķos dokumentos. Ne tāpēc, ka pats uzdevums mainītos, bet tāpēc, ka ļoti atšķiras tas, cik lielā mērā AI ir pieejama uzticama, aktuāla informācija. To labi redz budžeta uzraudzībā: vai AI var pārņemt budžeta uzraudzību un noviržu signalizēšanu, lielā mērā ir atkarīgs no tā, vai attiecīgie skaitļi jau ir pieejami strukturēti un aktuāli, vai arī tie vispirms manuāli jāapkopo un jāinterpretē. Tas pats uzdevums, cita sistēmas uzbūve, cits rezultāts.
Kļūdas izmaksas nav universālas. Nepareiza interpretācija iekšējā pārskatā rada citas sekas nekā nepareiza interpretācija klientu komunikācijā vai atbilstības (compliance) ziņojumā. Pie augstām kļūdu izmaksām rezultāts vairāk sliecas uz otro kategoriju — AI sniedz priekšlikumu, cilvēks to apstiprina vai noraida — pat ja pēc pārējām asīm uzdevums liecinātu par AI pārņemšanu. Tas ir viens no iemesliem, kāpēc mēs nekad nesniedzam secinājumu, balstoties tikai uz to, 'ko uzdevums ietver': konteksts, kurā kļūda nonāk, sver tikpat daudz.
Diapazons nav neskaidrība, bet godīgs atspoguļojums tam, ko mēs droši nezinām. Uzdevumiem ar plašu lēmumu pieņemšanas telpu — kur arī divi pieredzējuši darbinieki savstarpēji atšķirtos — jebkura aplēse pēc definīcijas ir plašāka. Uzdevumiem ar daudz klientu kontakta nozīme ir tam, ka tolerance pret AI mijiedarbību atšķiras pēc nozares un klientu grupas — ko mēs nevaram izmērīt bez jūsu pašu datiem. Un uzdevumiem, kas tikko izveidoti vai kuriem tikko mainīta sistēma, vienkārši vēl nav stabila modeļa, uz kura balstīties. Visos šajos gadījumos mēs izvēlamies plašāku diapazonu, nevis precīzu skaitli, kas liecinātu par lielāku noteiktību, nekā mēs varam pamatot.
Ir situācijas, kurās vienam mērījumam ir maza vērtība: tikko mainītam procesam, uzdevumam, kas notiek reti, vai organizācijai, kas vēl atrodas pārejā uz jaunām sistēmām. Vērtējums šādā brīdī ir momentuzņēmums, nevis prognoze. Tāpēc arī atkārtots mērījums ir nozīmīgs: tas pats uzdevums, mērīts vēlāk, var dot citu rezultātu, jo ir mainījušies apstākļi, nevis tāpēc, ka pirmais mērījums bijis nepareizs.
Šī metode sniedz informāciju par uzdevumiem, nevis par cilvēkiem vai amatiem. Rezultāts nav pamatojums lēmumam par personālu; lēmumiem, kas skar darba attiecības, ir savas juridiskās prasības, un tās jums jāpārbauda atsevišķi. Mēs sniedzam faktus par uzdevumiem, un jūs no tiem izdarāt secinājumus, kas atbilst jūsu organizācijai. Ilustrācijai: arī tādu uzdevumu kā sanāksmju vadīšana nevar novērtēt vienveidīgi, kas parādās jautājumā, vai AI var pārņemt iknedēļas komandas apspriedes vadīšanu — atbilde atšķiras atkarībā no komandas, sanāksmju kultūras un lēmumu pieņemšanas telpas apjoma šajās apspriedēs.
Ja vēlaties gūt pirmo priekšstatu par to, kā tas izpaudīsies jūsu situācijā, varat aizpildīt bezmaksas ftetoai ātro pārbaudi: divpadsmit jautājumi, bez konta, ar norādi, kādu daļu no stundām jūsu profilā jau šodien var pārņemt AI. Pilnais darba audits, kas padziļināti iztirzā astoņas asis katram uzdevumam, vēl tiek izstrādāts — tas pašlaik vēl nepastāv, un mēs labāk to godīgi pasakām, nekā to piedāvājam.
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.