Pracownik administracyjny lub finansowy kładzie fakturę hotelową, bilet lotniczy lub kwit taksówkowy przy zarezerwowanej podróży, sprawdza, czy kwota i okres są zgodne, i zatwierdza do płatności. Sama w sobie niewielka czynność. Przy setkach lub tysiącach podróży rocznie staje się to istotną pozycją w pojemności administracyjnej. Pytanie nie brzmi, czy ta praca istnieje, lecz czy AI może przejąć dopasowywanie i zatwierdzanie.
O tym decydują tu trzy osie: ustrukturyzowanie, wolumen i koszty błędów.
Ustrukturyzowanie ocenia się wysoko, na 4. Faktura hotelu lub linii lotniczej ma stałe pola: data, kwota, nazwisko podróżnego, numer referencyjny. Rezerwacja w platformie rezerwacyjnej ma te same pola. Dopasowywanie to w istocie kwestia porównania pól ze sobą i zastosowania reguły: czy kwota zgadza się w ramach marginesu, czy okres jest zgodny, czy nazwisko się zgadza. To właśnie rodzaj pracy, w którym automatyzacja oparta na regułach, RPA, dobrze się sprawdza.
Wolumen ocenia się na 4. Deklaracje podróżne nie napływają incydentalnie, napływają strukturalnie, często w szczytach wokół konferencji, zamknięć kwartalnych czy podróży sezonowych. Zadanie, które powtarza się często i mało się różni, to właśnie sytuacja, w której automatyzacja uwalnia najwięcej czasu, ponieważ nakład na ustalenie reguł zwraca się w wielu przypadkach.
Koszty błędów otrzymują 3: średnie. Błędne dopasowanie prowadzi do nieprawidłowej płatności lub podwójnego zaksięgowania, co jest nieprzyjemne, ale zwykle odwracalne i finansowo ograniczone. To coś innego niż np. błąd medyczny czy prawny, i właśnie dlatego pasuje tu forma pośrednia: AI wykonuje dopasowywanie, człowiek ocenia wyjątki.
Przestrzeń oceny (3) i zgodność z przepisami (3) sprawiają, że nie każde dopasowanie może przejść bez nadzoru. Faktura, która wypada tuż poza ustalonym marginesem, koszty taksówki, które nie wpisują się w politykę podróżną, lub rezerwacja zmieniona po wyjeździe: to przypadki, w których reguła nie daje automatycznie odpowiedzi. Ktoś musi wtedy ocenić, czy odchylenie da się wyjaśnić, i zatwierdzić lub odrzucić dopasowanie, z podaniem powodu. To druga kategoria z trendu: AI wykonuje większość, człowiek nadzoruje resztę.
Kontakt z klientem (5) i fizyczność (5) obie oceniane są wysoko korzystnie, po prostu dlatego, że to zadanie nie zawiera żadnej z nich: nie ma klienta do obsłużenia i nie trzeba wykonywać żadnej czynności fizycznej. To sprawia, że na tych dwóch osiach zadanie nie stanowi przeszkody, co otwiera drogę innym osiom do decydowania o wyniku.
Kreatywność (1) jest tu w istocie nieistotna w sensie negatywnym: nie jest potrzebny żaden wkład kreatywny, i właśnie dlatego to zadanie nie opiera się automatyzacji z tego powodu.
Odpowiedź brzmi: częściowo i pod pewnymi warunkami. RPA może obsłużyć zdecydowaną większość dopasowań, gdy istnieje cyfrowe połączenie między platformą rezerwacyjną a systemem księgowym, i gdy reguły dopasowywania są wcześniej ustalone: jaki margines obowiązuje dla różnic w kwocie, jakie pola referencyjne muszą się zgadzać, jakie odchylenie okresu jest akceptowalne. Bez tych dwóch warunków pozostaje to praca ludzka, po prostu dlatego, że nie ma z czym dopasowywać lub nie ma reguły, na której można się oprzeć.
W firmie, gdzie podróże są rezerwowane przez odrębne, niepołączone kanały, lub gdzie nie istnieje stała polityka podróżna, sytuacja wygląda więc inaczej. Pierwszym krokiem jest tam nie automatyzacja, lecz wprowadzenie ustrukturyzowanego procesu rezerwacji. W firmie ze stałym biurem podróży i jedną platformą rezerwacyjną, przez którą przechodzą wszystkie podróże, połączenie jest zwykle już obecne.
W organizacjach, gdzie to już jest zorganizowane, wzorzec jest wciąż ten sam: AI wykonuje pierwszą rundę dopasowywania, wyjątki trafiają do pracownika, który zatwierdza lub odrzuca z podaniem powodu. To nie jest obraz przyszłości, to działa dziś już w firmach z połączoną platformą rezerwacyjną. Gdzie indziej, gdzie systemy są od siebie odseparowane lub reguły nigdy nie zostały ustalone, to samo dopasowywanie odbywa się wciąż całkowicie ręcznie. Różnica nie leży w technologii, lecz w organizacji.
Ten wzorzec ustrukturyzowanej, powtarzalnej pracy z nadzorem w formie pośredniej powraca szerzej w funkcjach administracyjnych. Widać to również przy tworzeniu standardowych listów i formularzy, gdzie struktura i wolumen również mają decydujące znaczenie, oraz przy sortowaniu i rozdzielaniu przychodzącej korespondencji, zadaniu o podobnej powtarzalności, lecz niższych kosztach błędów. Gdzie przestrzeń oceny odgrywa większą rolę, jak przy odpowiadaniu na pytania pracowników dotyczące hr, relacja między automatyzacją i nadzorem wygląda inaczej.
Co to oznacza dla własnej obsady personalnej, zależy od samej firmy; obowiązują tu własne wymogi prawne i nie jest to temat, na który ta strona się wypowiada. Co jednak można powiedzieć: jeśli dopasowywanie faktur do rezerwacji stanowi istotną część czyjejś pracy, uwolniona pojemność jest realna, gdy systemy są połączone i reguły ustalone.
Kto chce wiedzieć, co znajomość AI w ramach własnego zespołu oznacza, zanim tego typu zadania zostaną wdrożone, znajdzie tło w tym, co obowiązek znajomości AI oznacza. Do pierwszej oceny własnej firmy służy bezpłatny quickscan: dwanaście pytań, bez konta, ze wskazaniem, jaka część godzin w tego typu profilu może dziś zostać przejęta przez AI. Pełny werkscan, który ocenia pracę firmy zadanie po zadaniu na wszystkich ośmiu osiach, jest wciąż w budowie.
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.