Overvågning og signalering lyder som et dashboard. Det er som regel noget andet: et system, der løbende modtager data, holder dem op mod en forventning eller en tærskelværdi, og afgiver et signal, så snart noget afviger. Det kan være en maskine, der vibrerer anderledes end normalt, et lager, der svinder hurtigere end planlagt, et netværk, hvor der går usædvanlig trafik igennem, eller en kundeproces, hvor gennemløbstiden stiger. AI-komponenten ligger i at genkende mønstre, der ikke kan fanges med faste regler — ikke i at erstatte det menneske, der reagerer på signalet.
Et overvågningssystem leverer tre ting: en løbende måling, en norm, som målingen holdes op imod, og et signal, når afvigelsen overskrider en bestemt grænse. Hvad der sker derefter, afhænger af opsætningen. I den enkleste form går der en melding til et menneske, som vurderer og handler. I en mere vidtgående form igangsætter signalet automatisk et næste trin — en besked til en leverandør, en justering i en planlægning, en blokering af en transaktion. Den anden form berører området kæder, hvor trin følger hinanden: overvågning bliver da startpunktet for et proces, der fortsætter uden mellemkomst, og det kræver en anden slags tillid end en melding, som nogen stadig kan klikke væk.
Forskellen mellem de to former er ikke triviel. Et signal, der går til et menneske, kan være forkert uden at forårsage skade med det samme — mennesket filtrerer. Et signal, der udløser en handling, skal være korrekt, ellers skal organisationen have en måde at rulle handlingen tilbage på. Mange organisationer starter derfor med den første form og bevæger sig først mod den anden, når signalet har bevist sit værd.
Overvågning og signalering kræver først og fremmest løbende, pålidelige data. Et system, der hver uge modtager en eksport fra et andet system, kan ikke give et signal — det kan kun rapportere i bagklogskabens lys. Der skal være en strøm: sensorer, logs, transaktioner, hændelser, der løbende kommer ind, og hvis kvalitet ikke varierer med, hvem der foretager indtastningen.
Derudover kræver det en norm. En afvigelse er kun en afvigelse i forhold til noget. For maskiner er det ofte en teknisk specifikation; for processer er det oftere et historisk gennemsnit eller en målværdi, som nogen har fastsat. Hvor denne norm mangler eller er ustabil — et proces, der løbende ændrer sig, et marked, der svinger — giver systemet enten for mange signaler eller for få. Begge dele undergraver tilliden til det.
For det tredje kræver det en fastlagt rute for, hvad der sker med et signal. Hvem modtager meldingen, inden for hvilken tid vurderes den, hvad er eskaleringen, hvis der ikke reageres. Uden denne rute ender et signal i en indbakke, som ingen læser, og systemet mister sin funktion. Dette berører samme spørgsmål som ved samtaler, der registreres og følges op: registrering uden opfølgning giver kun et arkiv, ingen forbedring.
Den mest almindelige fejl er et overvågningssystem, der giver for mange signaler. Hvis enhver lille afvigelse udløser en melding, lærer folk at ignorere dem — den modsatte effekt af, hvad systemet er beregnet til. At indstille tærskelværdien er derfor en løbende afvejning mellem for meget støj og for sen advarsel, og den afvejning forskyder sig, efterhånden som der kommer mere data ind.
En anden fejl er, at signalet nok udløses, men ingen ejer opfølgningen. Dette sker ofte, når overvågning opsættes som et it-projekt, uden at den afdeling, der skal arbejde med signalerne, er koblet på. Teknikken virker, organisationen gør ikke.
En tredje fejl opstår, når signalet kræver en beslutning, der egentlig er menneskeligt arbejde — er denne afvigelse acceptabel, skal kunden ringes op, er denne risiko det værd at stoppe for. Hvor denne afvejning bliver tungere, end en fast regel kan håndtere, glider overvågning over mod beslutningsstøtte, og der gælder andre krav til dokumentation og forklarlighed end ved et simpelt tærskelsignal.
De fleste overvågningsprojekter, der ikke kommer fra jorden, går i stå på datastrømmen, ikke på modellen. Sensorer, der svigter, logs, der er inkonsistente, systemer, der ikke taler sammen — det er ikke AI-problemer, det er infrastrukturproblemer, der først skal være løst. Koordination spiller også ind: et signal, der opstår i den ene afdeling, skal ofte lande i en anden afdeling for at betyde noget, og det berører spørgsmålet om, hvordan koordination mellem afdelinger er indrettet.
Denne side beskriver, hvad overvågning og signalering kan give, og hvad organisationen skal have på plads, før det virker. Et andet spørgsmål er, hvilken del af arbejdet omkring disse signaler — vurderingen, opfølgningen, eskaleringen — der reelt kan overtages af AI. Det er et opgaveniveau-spørgsmål, og det besvarer arbejdsscanningen fra FTE TO AI: den beregner pr. opgave, hvilken del af arbejdet der kan overtages, i stedet for på niveau af en hel proces eller en hel funktion.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.