Tillverkningsindustrin är ingen enhetlig sektor. Det finns produktionsgolvet, där fysiskt arbete, maskinbetjäning och kvalitetskontroll möts. Det finns planeringen, som stämmer av order, material och kapacitet mot varandra. Det finns administrationen kring inköp, lager och fakturering. Och det finns kundkontakt, från offertförfrågan till leveransavtal. I den här typen av företag ligger den största delen av kontorstimmarna i planering, kommunikation och administration kring produktionsprocessen, inte i det fysiska arbetet självt. Det fysiska arbetet kräver ofta fortfarande mänskliga händer, även om maskinbetjäning sedan länge inte längre är helt manuell.
Vad som gör denna sektor speciell är kombinationen av många fristående system. ERP för planering, ett separat paket för lager, ett CRM för kundkontakt, och på golvet ibland fortfarande Excel-listor eller pappersarbetsorder vid sidan om digitala system. Denna fragmentering avgör i hög grad vad AI kan och inte kan ta över på ett bra sätt: en uppgift som körs i ett system är lättare att automatisera än en uppgift som passerar genom fyra system och två avdelningar. Dessutom spelar regelverk en roll, tänk på certifiering, spårbarhet av material och säkerhetsföreskrifter. Där ett fel har konsekvenser för säkerhet eller efterlevnad ligger ribban för fullständig automatisering högre.
Inom tillverkningsindustrin finns uppgifter som i stor utsträckning är regelstyrda och kräver lite bedömning. Tänk på att skicka standardbekräftelser efter en orderläggning, hålla enkla lagerförändringar uppdaterade baserat på fasta regler, eller generera standarddokumentation som följesedlar. Även kommunikation som beror lite på den specifika situationen lämpar sig för detta. Exempelvis kan kan AI ta över att skicka välkomstmeddelanden till nya kunder ofta göras helt av AI, eftersom innehållet till stor del är fastställt och konsekvenserna av ett litet misstag är begränsade. Detsamma gäller ofta för att skicka påminnelser om avtal eller leveranser, där det också är relevant om kan AI ta över att skicka avtalspåminnelser passar in i den processen. Den gemensamma faktorn är: fast innehåll, låg insats vid ett fel och ett tydligt tillfälle då uppgiften startar.
Den största delen av arbetet inom tillverkningsindustrin faller inom denna mellankategori. Tänk på att upprätta produktionsplaner, där AI kan lämna ett förslag baserat på order och kapacitet, men en planerare måste bedöma undantag, brådskande order och maskinstopp. Tänk också på att utfärda arbetsorder till golvet: ett system kan förbereda och dirigera ordern, men frågan om detta kan göras utan kontroll beror på hur förutsägbar processen är. På sidan om kan AI ta över att utfärda arbetsorder till produktionsgolvet framgår var den gränsen exakt ligger. Även kvalitetskontroll baserad på sensordata eller bildigenkänning faller ofta i denna kategori: AI signalerar avvikelser, en människa bedömer om detta motiverar ett underkännande och varför. Vid dessa uppgifter är det inte så mycket handlingens komplexitet som avgör, utan behovet av ett omdöme med en motivering, något som kräver tillsyn med godkännande eller avslag i stället för fullständig automatisering.
Vissa uppgifter förblir för tillfället mänskligt arbete, och det är inte en fråga om preferens utan om arbetets natur. Fysiska handlingar på golvet, finjustering av maskiner baserat på erfarenhet, och förhandling med leverantörer om pris och leveranstid kräver bedömning, förhandlingsutrymme och fysisk närvaro som AI inte kan leverera. Även komplex klagomålshantering, där en kund rapporterar ett tekniskt problem som inte passar in i en standardkategori, kräver någon som kan ställa följdfrågor och ta ansvar för en lösning. Det är en annan typ av arbete än de jämförbara kundkontaktuppgifterna som ses i vad kan AI ta över inom affärstjänster, där mindre fysisk kontext spelar in.
Fördelningen mellan dessa tre kategorier skiljer sig avsevärt mellan företag, och till och med mellan produktionslinjer inom ett och samma företag. En fabrik med ett integrerat ERP-system och standardiserade produkter kan placera fler uppgifter i kategori 1 och 2 än ett företag som producerar på beställning med varierande specifikationer per order. Även graden av regelverk spelar in: sektorer med strikta spårbarhetskrav, som livsmedels- eller läkemedelsproduktion, håller fler uppgifter i kategori 2 och 3 än sektorer med färre krav. Detta mönster av fragmentering och regelverk återfinns för övrigt även i angränsande sektorer, som framgår i vad kan AI ta över inom transportsektorn, där planering och kundkommunikation likaså spelar en stor roll.
Viktigt är också att denna indelning inte säger något om personalbeslut. Om och hur en organisation väljer att omdisponera de timmar som frigörs är ett beslut som ligger hos arbetsgivaren och för vilket, om det handlar om uppsägning eller omorganisation, egna lagkrav gäller. Denna sida beskriver enbart vilka uppgifter som lämpar sig för övertagande av AI och vilka som inte gör det, inte vad som därefter bör göras.
För att se hur dessa tre kategorier förhåller sig till era egna uppgifter kan ni fylla i den kostnadsfria snabbskanningen från ftetoai: tolv frågor, utan konto, med som resultat en indikation på hur stor del av timmarna i er profil som idag kan tas över av AI. Den fullständiga arbetsskanningen, som går djupare in på enskilda uppgifter och processer, är fortfarande under uppbyggnad och erbjuds för närvarande inte. Snabbskanningen ger dock en första, kostnadsfri bild av var utrymmet finns i er situation.
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.