Ražošanas nozare nav vienota nozare. Ir ražošanas grīda, kur sastopas fizisks darbs, iekārtu apkalpošana un kvalitātes kontrole. Ir plānošana, kas saskaņo pasūtījumus, materiālus un kapacitāti. Ir administrācija saistībā ar iepirkumu, krājumiem un rēķinu izrakstīšanu. Un ir klientu kontakti, no piedāvājuma pieprasījuma līdz piegādes vienošanās. Šāda veida uzņēmumos lielākā daļa biroja darba stundu tiek pavadīta plānošanā, komunikācijā un administrēšanā ap ražošanas procesu, nevis pašā fiziskajā darbā. Šis fiziskais darbs joprojām bieži pieprasa cilvēku rokas, kaut arī iekārtu apkalpošana jau ilgi nav pilnībā manuāla.
Kas šo nozari padara īpašu, ir daudzu atsevišķu sistēmu kombinācija. ERP plānošanai, atsevišķa pakete krājumiem, CRM klientu kontaktiem, un ražošanas grīdā dažkārt vēl Excel saraksti vai papīra darba pasūtījumi līdzās digitālajām sistēmām. Šī sadrumstalotība lielā mērā nosaka, ko AI var un ko nevar labi pārņemt: uzdevumu, kas darbojas vienā sistēmā, ir vieglāk automatizēt nekā uzdevumu, kas ceļo caur četrām sistēmām un divām nodaļām. Papildus tam nozīme ir regulējumam, domājiet par sertifikāciju, materiālu izsekojamību un drošības prasībām. Kur kļūdai ir sekas drošībai vai atbilstībai, pilnīgas automatizācijas latiņa ir augstāka.
Ražošanas nozarē pastāv uzdevumi, kas lielā mērā ir noteikumos balstīti un pieprasa mazu vērtējumu. Domājiet par standarta apstiprinājumu nosūtīšanu pēc pasūtījuma veikšanas, vienkāršu krājumu izmaiņu uzskaiti, kas balstīta uz fiksētiem noteikumiem, vai standarta dokumentācijas, piemēram, pavadzīmju, ģenerēšanu. Tam piemērota ir arī komunikācija, kas mazā mērā ir atkarīga no konkrētās situācijas. Tā vai AI var pārņemt apsveikuma ziņu nosūtīšanu jauniem klientiem bieži var pilnībā veikt AI, jo saturs lielā mērā ir fiksēts un mazas kļūdas sekas ir ierobežotas. Tas pats bieži attiecas uz atgādinājumu nosūtīšanu par tikšanās reizēm vai piegādēm, kur svarīgi ir arī, vai vai AI var pārņemt tikšanās atgādinājumu nosūtīšanu iekļaujas šajā procesā. Kopīgais faktors ir: fiksēts saturs, zemi riski kļūdas gadījumā, un skaidrs brīdis, kad uzdevums sākas.
Lielākā darba daļa ražošanas nozarē iekrīt šajā vidējā kategorijā. Domājiet par ražošanas plānu izstrādi, kur AI var izveidot priekšlikumu, balstoties uz pasūtījumiem un kapacitāti, bet plānotājam jāvērtē izņēmumi, steidzami pasūtījumi un iekārtu bojājumi. Domājiet arī par darba pasūtījumu izdošanu ražošanas grīdai: sistēma var sagatavot un maršrutēt pasūtījumu, bet jautājums, vai to var izdarīt bez kontroles, ir atkarīgs no tā, cik prognozējams ir process. Lapā par vai AI var pārņemt darba pasūtījumu izdošanu ražošanas grīdai ir aprakstīts, kur šī robeža precīzi iet. Arī kvalitātes kontrole, kas balstīta uz sensoru datiem vai attēlu atpazīšanu, bieži iekrīt šajā kategorijā: AI signalizē novirzes, cilvēks izvērtē, vai tas ir pamats noraidīšanai un kāpēc. Šo uzdevumu gadījumā nozīme ir nevis darbības sarežģītībai, bet nepieciešamībai pēc vērtējuma ar pamatojumu, kas pieprasa uzraudzību ar apstiprinājumu vai noraidījumu, nevis pilnīgu automatizāciju.
Daži uzdevumi pašlaik paliek cilvēku darbs, un tas nav izvēles, bet darba būtības jautājums. Fiziskas darbības ražošanas grīdā, iekārtu precīza pielāgošana, balstoties uz pieredzi, un sarunas ar piegādātājiem par cenu un piegādes laiku pieprasa vērtējumu, sarunu telpu un fizisku klātbūtni, ko AI nevar nodrošināt. Arī sarežģītu sūdzību risināšana, kad klients ziņo par tehnisku problēmu, kas neietilpst standarta kategorijā, pieprasa cilvēku, kas var iztaujāt sīkāk un uzņemties atbildību par risinājumu. Tas ir cita veida darbs nekā līdzīgi klientu kontaktu uzdevumi, kas redzami ko var pārņemt AI biznesa pakalpojumu nozarē, kur mazāka nozīme ir fiziskajam kontekstam.
Sadalījums starp šīm trim kategorijām lielā mērā atšķiras pa uzņēmumiem, un pat pa ražošanas līnijām viena uzņēmuma ietvaros. Ražotne ar vienu integrētu ERP sistēmu un standartizētiem produktiem var izvietot vairāk uzdevumu 1. un 2. kategorijā nekā uzņēmums, kas ražo pēc pasūtījuma ar mainīgām specifikācijām katram pasūtījumam. Nozīme ir arī regulējuma pakāpei: nozares ar stingrām izsekojamības prasībām, piemēram, pārtikas vai farmaceitiskā ražošana, saglabā vairāk uzdevumu 2. un 3. kategorijā nekā nozares ar mazākām saistībām. Šis sadrumstalotības un regulējuma modelis parādās arī citās, saistītās nozarēs, kā lasāms ko var pārņemt AI transporta nozarē, kur plānošana un klientu komunikācija arī spēlē lielu lomu.
Svarīgi ir arī tas, ka šis iedalījums neko nepasaka par personāla lēmumiem. Vai un kā organizācija atbrīvotās stundas izmanto citādi, ir darba devēja izvēle, kurai, runājot par atlaišanu vai reorganizāciju, ir savas juridiskās prasības. Šī lapa aprakstīta vienīgi to, kuri uzdevumi ir piemēroti AI pārņemšanai un kuri nav, nevis to, kam būtu ar to jānotiek.
Lai redzētu, kā šīs trīs kategorijas attiecas uz jūsu pašu uzdevumiem, jūs varat aizpildīt bezmaksas ftetoai ātro pārbaudi: divpadsmit jautājumi, bez konta, ar rezultātā norādi, cik lielu daļu stundu jūsu profilā šodien var pārņemt AI. Pilnā darba pārbaude, kas dziļāk aplūko individuālus uzdevumus un procesus, joprojām tiek izstrādāta un šobrīd netiek piedāvāta. Ātrā pārbaude tomēr dod pirmo, nesaistošu ieskatu par to, kur jūsu situācijā ir iespējas.
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.