IT oddelenie je pre AI zaujímavou oblasťou, pretože kombinuje dva druhy práce, ktoré na automatizáciu reagujú úplne odlišne. Na jednej strane sú procesy, ktoré prebiehajú podľa pevného vzoru: nový zamestnanec dostane účet, záloha sa spúšťa v noci, heslo sa resetuje po požiadavke. Na druhej strane je práca, pri ktorej výsledok závisí od kontextu, posúdenia rizika a dôsledkov, ktoré sa nedajú zachytiť do skriptu. Naša taxonómia zaznamenáva v tejto oblasti 39 úloh a rozdelenie do troch kategórií z veľkej časti kopíruje práve túto deliacu čiaru.
Ide tu o úlohy s jasným vstupom, pevným postupom a overiteľným výsledkom. Dobrým príkladom je príprava pracovného miesta, účtov a prístupových práv pre nového zamestnanca: profil funkcie určuje, aké práva sú potrebné, a toto prepojenie sa dá automatizovať bez toho, aby niekto musel zakaždým znovu premýšľať o jeho konkrétnej podobe. To isté platí pre odobratie prístupu pri ukončení pracovného pomeru, kde je riziko oneskoreného konania väčšie než riziko automatizácie, a pre vykonávanie a kontrolu záloh, kde systém dokáže sám signalizovať, či sa úloha podarila alebo nie. Tieto úlohy patria do kategórie 1, pretože norma je jednoznačná: existuje jasné dobré a zlé riešenie a jednotlivé kroky medzi nimi nie je potrebné zakaždým znovu posudzovať. To neznamená, že nad celkom už nie je potrebný dohľad, ale samotné vykonanie úlohy nevyžaduje posúdenie zo strany človeka v každom jednotlivom prípade.
Táto kategória je na IT oddelení rozsiahla, a to nie je náhoda. Mnohé úlohy majú síce rozpoznateľný vzor, ale výsledok sa dotýka rizík, ktoré musí posúdiť človek. Pravidelné vyhodnocovanie prístupových práv je takouto úlohou: AI dokáže signalizovať nesúlad medzi funkciou a aktuálnymi právami, ale posúdenie, či je výnimka opodstatnená, vyžaduje hodnotiteľa, ktorý pozná kontext a ktorý schváli alebo zamietne s odôvodnením. Do rovnakej kategórie patrí aj testovanie obnovy zo zálohy: samotné testovanie sa dá automatizovať, ale záver, či bol systém skutočne dostatočne obnovený, vyžaduje pohľad, ktorý presahuje jednoduché zelené zaškrtnutie. Sem patrí aj nastavovanie prepojenia medzi systémami a monitorovanie a riešenie výpadku v ňom: AI môže urýchliť výstavbu a odhaliť odchýlky, no rozhodnutie o tom, ako výpadok vyriešiť bez poškodenia dát, zostáva úsudkom, ktorý musí urobiť človek. Vzor v tejto kategórii je stále rovnaký: AI rozpoznáva a navrhuje, človek posudzuje a rozhoduje.
Menšia časť IT práce zostáva stabilná bez ohľadu na to, aká vyspelá AI bude, pretože jadro úlohy netvorí rozpoznávanie vzorov, ale interpretácia a zodpovednosť. Príkladom je ad hoc analýza dát: zodpovedanie konkrétnej otázky z organizácie si vyžaduje, aby niekto pochopil, čo sa vlastne pýta, ktoré dáta sú relevantné a aký záver je udržateľný. Kontrola a čistenie kvality dát narážajú na rovnaký problém, akonáhle presahujú vyhľadávanie duplicitných záznamov: otázka, ktorý zdroj predstavuje pravdu pri protichodných údajoch, vyžaduje znalosť organizácie, ktorá sa v samotných dátach nenachádza. Aj správa kmeňových dát zostáva sčasti prácou pre ľudí tam, kde ide o stanovenie definícií a dohôd medzi oddeleniami, hoci samotné zadávanie údajov sa často dá automatizovať. Tieto úlohy zostávajú prácou pre ľudí nie preto, že by AI nezvládla techniku, ale preto, že zodpovednosť za výsledok nie je možné delegovať na systém.
Toto rozdelenie sa týka úloh, nie funkcií a nie osôb. IT zamestnanec zvyčajne vykonáva úlohy zo všetkých troch kategórií a to, ktorá časť jeho pracovnej náplne sa zmení, závisí od konkrétnej podoby jeho úlohy. To, že úloha patrí do kategórie 1, tiež nič nehovorí o tom, čo s tým zamestnávateľ urobí: ide o rozhodnutie, ktoré má vlastné právne požiadavky, napríklad v oblasti spolurozhodovania zamestnancov a pracovného práva, a ktoré presahuje rámec tohto rozdelenia. Čo toto rozdelenie skutočne ponúka, je vecný východiskový bod: ktoré úlohy je dnes už možné podporiť pomocou AI, ktoré vyžadujú dohľad a ktoré zostávajú nezmenené. Podobné vzory možno rozpoznať aj v iných oblastiach; tak napríklad akú prácu môže AI prevziať v nákupe ukazuje, že aj tam sa deliaca čiara často nachádza pri otázke, či má výsledok pevnú normu, alebo si vyžaduje úsudok, a akú prácu môže AI prevziať v logistike ilustruje, ako aj zdanlivo prevádzkové oddelenie obsahuje množstvo úloh vyžadujúcich dohľad, akonáhle sa chyby stávajú nákladnými.
Aby bolo možné zistiť, koľko hodín v rámci IT úlohy je momentálne možné priradiť k jednej z troch kategórií, je potrebná konkrétna inventarizácia úloh, ktoré daná osoba skutočne vykonáva, nielen názvu funkcie. Bezplatný quickscan od ftetoai na to poskytuje prvú indikáciu: dvanásť otázok, bez potreby účtu, s výsledkom vo forme indikácie, akú časť hodín v danom profile je dnes možné prevziať pomocou AI. Je to východiskový bod, nie konečný záver. Kompletný pracovný scan, ktorý sa hlbšie zaoberá jednotlivými úlohami a ich zdôvodnením, sa ešte pripravuje. Čo ukazuje ďalšie meranie po zmene a ako sa vzťahuje k prvej inventarizácii, si môžete prečítať na čo ukazuje opätovné meranie.
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.