Dwie organizacje opisują to samo zadanie. U jednej wynika z tego kategoria 'AI może przejąć zadanie', u drugiej 'to pozostaje praca dla człowieka'. To nie jest niekonsekwencja w metodzie, lecz wynik działania metody. Rezultat zależy nie tylko od tego, co dane zadanie obejmuje, ale od warunków, w jakich to zadanie jest wykonywane. Ta strona wyjaśnia, jakie czynniki tworzą tę różnicę i co to oznacza dla wiarygodności oszacowania.
Nigdy nie oceniamy zadania na podstawie jednej cechy. Każde zadanie jest oceniane na ośmiu osiach: ustrukturyzowanie danych wejściowych, przestrzeń na ocenę własną, wrażliwość na kontakt z klientem, komponent fizyczny, kreatywność, koszty błędu, wrażliwość na zgodność z przepisami oraz wolumen/powtarzalność. Dwie organizacje z 'tym samym' zestawem zadań mogą się znacznie różnić na tych osiach. Zadanie planistyczne ze stałymi danymi wejściowymi i wysokim wolumenem wypada inaczej niż to samo zadanie planistyczne, gdy dane wejściowe są zmienne, a wyjątki są regułą. Liczy się więc nie nazwa zadania, lecz kombinacja ocen, która za nią stoi.
Przy niskich wolumenach incydenty ważą więcej niż przy wysokich wolumenach. Zadanie, które występuje pięć razy w roku, daje mało podstaw do rozpoznania wzorca; zadanie, które występuje setki razy dziennie, szybciej pokazuje, gdzie AI działa stabilnie, a gdzie nie. Wysoki wolumen często sprawia, że oszacowanie jest bardziej precyzyjne, ponieważ jest więcej powtórzeń, na których można je sprawdzić. Niski wolumen sprawia, że oszacowanie jest szersze, nie dlatego, że zadanie jest niejasne, ale ponieważ po prostu jest mniej materiału do generalizacji. To odgrywa rolę na przykład w pytaniu, czy AI może przejąć monitorowanie postępów celów i projektów: przy kilku projektach rocznie zakres jest szerszy niż przy portfolio z setkami trwających inicjatyw.
Zadanie, które w całości odbywa się w ustrukturyzowanych systemach, ocenia się inaczej niż zadanie, które w dużej mierze znajduje się w głowach ludzi, w mailach i w rozproszonych dokumentach. Nie dlatego, że samo zadanie się zmienia, ale ponieważ stopień, w jakim AI ma dostęp do wiarygodnych, aktualnych informacji, znacznie się różni. Przy monitorowaniu budżetu widać to dobrze: to, czy AI może przejąć monitorowanie budżetu i sygnalizowanie odchyleń, w dużej mierze zależy od tego, czy dane liczby są już dostępne w formie ustrukturyzowanej i aktualnej, czy trzeba je najpierw ręcznie zbierać i interpretować. To samo zadanie, inna konfiguracja systemów, inny wynik.
Koszt błędu nie jest uniwersalny. Błędna interpretacja w wewnętrznym przeglądzie ma inne konsekwencje niż błędna interpretacja w komunikacji z klientem lub w raporcie dotyczącym zgodności z przepisami. Przy wysokich kosztach błędu wynik szybciej przesuwa się w kierunku kategorii drugiej — AI przygotowuje propozycję, człowiek ją zatwierdza lub odrzuca — nawet jeśli zadanie na innych osiach wskazywałoby na przejęcie przez AI. To jeden z powodów, dla których nigdy nie wydajemy oceny wyłącznie na podstawie 'tego, co zadanie obejmuje': kontekst, w którym błąd się materializuje, liczy się równie mocno.
Zakres nie jest oznaką niejasności, lecz uczciwym odzwierciedleniem tego, czego nie wiemy z pewnością. Przy zadaniach z dużą przestrzenią na ocenę własną — gdzie dwaj doświadczeni pracownicy również różniliby się między sobą — każde oszacowanie jest z definicji szersze. Przy zadaniach z dużą ilością kontaktu z klientem istotne jest to, że tolerancja na interakcję z AI różni się w zależności od branży i grupy klientów, czego nie możemy zmierzyć bez Państwa własnych danych. A przy zadaniach, które zostały właśnie wprowadzone lub w których niedawno zmieniono system, po prostu nie ma jeszcze stabilnego wzorca, na którym można się oprzeć. We wszystkich tych przypadkach wybieramy szerszy zakres, a nie precyzyjną liczbę, która sugerowałaby więcej pewności, niż jesteśmy w stanie uzasadnić.
Są sytuacje, w których jednorazowy pomiar ma niewielką wartość: przy właśnie zmienionym procesie, przy zadaniu, które rzadko się pojawia, lub w organizacji, która wciąż przechodzi transformację do nowych systemów. Wynik w takim momencie jest chwilowym zdjęciem, nie prognozą. To również powód, dla którego powtórny pomiar jest istotny: to samo zadanie, zmierzone później, może dać inny wynik, ponieważ warunki się zmieniły, a nie dlatego, że pierwszy pomiar był błędny.
Ta metoda mówi coś o zadaniach, nie o ludziach czy funkcjach. Wynik nie jest podstawą do decyzji dotyczącej personelu; dla decyzji dotyczących stosunku pracy obowiązują własne wymogi prawne, które Państwo weryfikują odrębnie. Dostarczamy fakty dotyczące zadań, Państwo wyciągają z nich wnioski odpowiednie dla swojej organizacji. Dla zilustrowania: również zadanie takie jak prowadzenie spotkań nie da się ocenić jednolicie, co widać w pytaniu, czy AI może przejąć prowadzenie tygodniowych spotkań zespołu — odpowiedź różni się w zależności od zespołu, kultury spotkań i zakresu przestrzeni decyzyjnej w tych spotkaniach.
Jeśli chcą Państwo uzyskać pierwsze wrażenie, jak to wypada w Państwa sytuacji, mogą Państwo wypełnić bezpłatny quickscan ftetoai: dwanaście pytań, bez konta, z wskazaniem, jaka część godzin w Państwa profilu już dziś może zostać przejęta przez AI. Pełny werkscan, który głębiej analizuje osiem osi dla każdego zadania, jest jeszcze w budowie — obecnie jeszcze nie istnieje, a wolimy to powiedzieć wprost, niż go oferować.
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.