Dział IT jest dla AI interesującym obszarem, ponieważ łączy w sobie dwa rodzaje pracy, które reagują na automatyzację zupełnie inaczej. Z jednej strony są procesy przebiegające według ustalonego wzorca: nowy pracownik otrzymuje konto, w nocy wykonywana jest kopia zapasowa, hasło jest resetowane po zgłoszeniu żądania. Z drugiej strony jest praca, w której wynik zależy od kontekstu, oceny ryzyka i konsekwencji, których nie da się zapisać w skrypcie. Nasza taksonomia obejmuje 39 zadań w tym obszarze, a podział na trzy kategorie w dużej mierze odpowiada tej linii podziału.
Mowa tu o zadaniach z jasno określonym wejściem, ustaloną procedurą i weryfikowalnym wynikiem. Dobrym przykładem jest przygotowanie miejsca pracy, kont i uprawnień dostępu dla nowego pracownika: profil funkcji określa, jakie uprawnienia są potrzebne, a to powiązanie można zautomatyzować bez konieczności każdorazowego ponownego przemyślenia szczegółów. To samo dotyczy odbierania dostępu przy zakończeniu zatrudnienia, gdzie ryzyko zbyt późnego działania jest większe niż ryzyko automatyzacji, oraz wykonywania i kontrolowania kopii zapasowych, gdzie system sam może zasygnalizować, czy zadanie się powiodło. Te zadania należą do kategorii 1, ponieważ norma jest ustalona: istnieje jasne rozróżnienie między dobrze i źle, a kroki pomiędzy nimi nie wymagają każdorazowej ponownej oceny. Nie znaczy to, że nadzór nad całością nie jest już potrzebny, ale samo wykonanie zadania nie wymaga oceny ludzkiej w każdym przypadku.
Ta kategoria jest na dziale IT duża i nie jest to przypadek. Wiele zadań ma rozpoznawalny wzorzec, ale wynik dotyka ryzyk, które musi ocenić człowiek. Okresowa ocena uprawnień dostępu jest takim zadaniem: AI może zasygnalizować odchylenia między funkcją a aktualnymi uprawnieniami, ale to, czy wyjątek jest uzasadniony, wymaga oceniającego, który zna kontekst i który zatwierdza lub odrzuca z podaniem przyczyny. Testowanie odzyskiwania danych z kopii zapasowej należy do tej samej kategorii: samo testowanie można zautomatyzować, ale wniosek, czy system rzeczywiście został wystarczająco odzyskany, wymaga spojrzenia wykraczającego poza zielony znaczek. Do tej kategorii należy również konfigurowanie połączenia między systemami oraz monitorowanie i naprawianie awarii w takim połączeniu: AI może przyspieszyć budowę i wykryć odchylenia, ale decyzja o tym, jak rozwiązać awarię bez uszkodzenia danych, pozostaje oceną, którą musi podjąć człowiek. Wzorzec w tej kategorii jest zawsze taki sam: AI rozpoznaje i proponuje, człowiek ocenia i decyduje.
Mniejsza część pracy IT pozostaje niezależna od tego, jak dojrzała stanie się AI, ponieważ jądro zadania nie polega na rozpoznawaniu wzorców, lecz na interpretacji i odpowiedzialności. Analiza danych ad hoc jest tego przykładem: odpowiedź na konkretne pytanie z organizacji wymaga, aby ktoś rozumiał, o co właściwie pytano, jakie dane są istotne i jaki wniosek jest uzasadniony. Kontrola i czyszczenie jakości danych dotyka tego samego problemu, gdy wykracza poza wykrywanie zduplikowanych rekordów: pytanie, które źródło reprezentuje prawdę przy sprzecznych danych, wymaga znajomości organizacji, której nie ma w samych danych. Również zarządzanie danymi podstawowymi pozostaje w części pracą ludzką, gdy dotyczy ustalania definicji i uzgodnień między działami, choć samo wprowadzanie danych można często zautomatyzować. Te zadania pozostają pracą ludzką nie dlatego, że AI nie radzi sobie z techniką, ale dlatego, że odpowiedzialności za wynik nie można przekazać systemowi.
Ten podział dotyczy zadań, nie funkcji i nie osób. Pracownik IT zazwyczaj wykonuje zadania z wszystkich trzech kategorii, a to, która część jego zakresu obowiązków się zmienia, zależy od konkretnego kształtu jego roli. Fakt, że zadanie należy do kategorii 1, nie mówi też niczego o tym, co pracodawca z tym robi: to wybór, który podlega własnym wymogom prawnym, na przykład dotyczącym współdecydowania pracowników i prawa pracy, i który wykracza poza zakres tego podziału. To, co podział rzeczywiście oferuje, to faktyczny punkt wyjścia: które zadania już dziś można wspierać za pomocą AI, które wymagają nadzoru, a które pozostają niezmienione. Podobne wzorce można zauważyć w innych obszarach; tak jaką pracę może przejąć AI w zakupach pokazuje, że i tam linia podziału często zależy od tego, czy wynik ma ustaloną normę, czy wymaga oceny, a jaką pracę może przejąć AI w logistyce ilustruje, jak z pozoru operacyjny dział ma jednak wiele zadań wymagających nadzoru, gdy błędy stają się kosztowne.
Aby zobaczyć, ile godzin w ramach roli IT można obecnie przypisać do jednej z trzech kategorii, potrzebna jest konkretna inwentaryzacja zadań, które ktoś faktycznie wykonuje, nie tylko tytułu funkcji. Bezpłatny quickscan ftetoai daje w tym celu pierwszą wskazówkę: dwanaście pytań, bez konta, z wynikiem wskazującym, jaka część godzin w profilu może już dziś zostać przejęta przez AI. To punkt wyjścia, nie ostateczny wyrok. Pełny werkscan, który wchodzi głębiej w poszczególne zadania i leżące za nimi uzasadnienie, jest jeszcze w budowie. To, co pokazuje kolejny pomiar po zmianie i jak odnosi się on do pierwszej inwentaryzacji, można przeczytać na stronie co pokazuje ponowny pomiar.
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.