IT nozarei ir tāda pozīcija, kāda ir retai citai nozarei: darbs, kas tur tiek veikts, lielā mērā sastāv no uzdevumiem, kas saistīti ar tekstu, kodu un strukturētiem datiem. Tas ir precīzi tāds darba veids, uz kuru valodas modeļi un AI asistenti ir vislabāk apmācīti. Kamēr citās nozarēs AI vispirms ienāk darba malās, IT nozarē daļa no pamatdarbības jau ir tuvu tam, ko šīs sistēmas spēj labi paveikt.
Stundas IT organizācijā aptuveni sadalās vairākos blokos: programmatūras izstrāde un uzturēšana, funkcionālā un tehniskā pārvaldība, klientu apkalpošanas dienests un pieteikumu izskatīšana, testēšana un kvalitātes kontrole, dokumentācija, un projektu darbs, piemēram, plānošana un atskaites. Katram no šiem blokiem ir savs uzdevumu sadalījums starp tiem, kurus var labi automatizēt, un tiem, kuri pagaidām tam nav piemēroti.
Programmatūras izstrādē koda ģenerēšana, pārstrukturēšana un dokumentēšana ir uzdevums, kurā AI jau patstāvīgi veic būtisku daļu darba. Standarta funkcijas, boilerplate kods, specifikāciju pārvēršana skriptu pirmajās versijās: šis ir darbs, kurā izstrādātājs arvien biežāk novērtē AI piedāvājumu, nevis raksta kaut ko no nulles. Klientu apkalpošanas dienestā līdzīga situācija ir ar pirmo pieteikumu izšķirošo novērtēšanu: problēmas veida noteikšanu, saistīšanu ar zināmiem risinājumiem un tālāku virzīšanu uz pareizo turpmāko soli.
Arī testēšanas darbs pārvietojas. Testa gadījumu ģenerēšana, pamatojoties uz specifikācijām, un novirzīšu atklāšana testa rezultātos, ir uzdevumu darbs, kuru var labi pārņemt, tiklīdz ievaddati ir pietiekami strukturēti. Sistēmu, API un izlaidumu dokumentācija ir trešā joma, kur AI bieži jau nodrošina pirmo konceptu.
Otrā kategorija, daļēji automatizēta ar cilvēka uzraudzību, IT nozarē ir plašāka nekā daudzās citās nozarēs, precīzi tāpēc, ka kļūdas sekas kodā vai infrastruktūrā izpaužas ātri un dažreiz neatgriezeniski. AI piedāvātu koda izmaiņu novērtē izstrādātājs; automatizētu ieteikumu par tīkla konfigurāciju pārbauda, pirms to ievieš. Šis apstiprināšanas vai noraidīšanas ar pamatojumu modelis atkārtojas izvietošanas gadījumos, drošības skenēšanā un arhitektūras izvēļu novērtēšanā.
Veids, kā finanšu sistēmām jāspēj pamatot izmaiņas, labi parāda, kā šī automatizācijas un uzraudzības kombinācija darbojas praksē: kas vēlas zināt, vai finanšu izmaiņu audita žurnālu var uzturēt AI, redz, ka fiksēšana bieži var notikt automātiski, kamēr pašas izmaiņas novērtēšanai nepieciešams cilvēks. Šis princips tikpat labi attiecas uz infrastruktūras izmaiņām IT vidē.
Arhitektūras lēmumi, neskaidru klientu vēlmju pārvēršana darboties spējīgā dizainā un attiecību ar pasūtītājiem pārvaldīšana ir uzdevumi, kas paliek trešajā kategorijā. Šis darbs prasa tehnisko zināšanu apvienošanu ar organizatorisko izpratni un atbildības uzņemšanos par izvēli, kas neizriet vienīgi no datiem. Arī sarežģīta problēmu diagnostika, kad traucējums ietekmē vairākas sistēmas un vēsturē nav līdzīga incidenta, pagaidām paliek cilvēku darbs.
Vai uzdevums IT nozarē faktiski tiek pārņemts, nav atkarīgs vienīgi no tā, ko tehniski var izdarīt. Tas ir atkarīgs no tā, cik strukturētas ir pašas sistēmas, cik daudz historisku datu ir pieejami apmācībai vai pārbaudei, un no tā, kā organizācija risina uzraudzību, kas nepieciešama otrajā kategorijā. IT nodaļa ar labi dokumentētu kodu un skaidrām pieteikumu kategorijām var virzīties uz priekšu ātrāk nekā nodaļa, kurā zināšanas galvenokārt glabājas darbinieku galvās.
Šī atkarība no konkrētās situācijas nav unikāla tikai IT nozarei. Kas vēlas uzzināt, kāds darbs finanšu pakalpojumu nozarē pirmais ir piemērots AI pārņemšanai, redz līdzīgu modeli: strukturēti, noteikumos balstīti uzdevumi pārvietojas ātrāk nekā uzdevumi, kas prasa personisku spriedumu. Pat nozarēs, kas satura ziņā ir tālu no IT, kā tas redzams analīzē par to, ko AI var pārņemt būvniecībā, rodas tas pats jautājums: cik strukturēts ir darbs un cik daudz uzraudzības nepieciešams, pirms rezultāts ir izmantojams.
Šis iedalījums trīs kategorijās pasaka kaut ko par darbu vispārīgi, nevis par konkrētiem uzdevumiem jūsu organizācijā. IT uzņēmumam, kas galvenokārt piegādā individuālus risinājumus sarežģītiem klientiem, ir cits sadalījums nekā uzņēmumam, kas pārsvarā veic pārvaldības uzdevumus fiksētam sistēmu kopumam. Šī atšķirība nosaka, cik daudz stundu jau šodien iekrīt pirmajā vai otrajā kategorijā.
Ko darba devējs pēc tam dara ar šo rezultātu, neietilpst tajā, ko mēs aprakstām kā darba skenēšanu. Lēmumiem, kas skar personālu, ir savas juridiskās prasības; tās šeit netiek aplūkotas, un šis nav pamatojums tām.
Lai redzētu, kā šis iedalījums izpaužas jūsu uzņēmumā, ir pieejams bezmaksas ātrais tests: divpadsmit jautājumi, bez konta, ar rezultātu, kas norāda, kāda daļa stundu attiecīgajā profilā šodien ir pārņemama ar AI. Pilna darba skenēšana, kas darbu izklāsta uzdevums pēc uzdevuma un novērtē pēc astoņām asīm, joprojām ir izstrādes procesā. Ātrais tests jau tagad sniedz pirmo virzienu, nepārsniedzot šo virzienu.
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.