Οι επιχειρηματικές υπηρεσίες — δικηγορία, λογιστική, συμβουλευτικές υπηρεσίες, υπηρεσίες ανθρώπινου δυναμικού, νομικές και φοροτεχνικές συμβουλές — πωλούν στην ουσία κάτι που δύσκολα αυτοματοποιείται χωρίς συζήτηση: την κρίση. Εκεί όπου ένα εργοστάσιο βελτιστοποιεί μια διαδικασία και ένα κατάστημα διαχειρίζεται ένα assortment, αυτός ο κλάδος πωλεί την εξειδίκευση ανθρώπων που γνωρίζουν κάτι που ο πελάτης δεν γνωρίζει. Αυτό κάνει τη σχέση μεταξύ φιλοδοξίας και ετοιμότητας διαφορετική από αλλού. Το ενδιαφέρον για την AI είναι μεγάλο, συχνά μεγαλύτερο απ' ό,τι σε κλάδους με μικρότερο περιθώριο κέρδους στη γνώση. Όμως το ερώτημα αν ο οργανισμός μπορεί να στηρίξει αυτό το ενδιαφέρον, παραμένει συχνά ανεπίλυτο σε τμήματα που δεν έχουν καμία σχέση με την AI.
Πολλά γραφεία στις επιχειρηματικές υπηρεσίες έχουν αναπτυχθεί γύρω από τον εταίρο, τον ανώτερο σύμβουλο, τον άνθρωπο με το δίκτυο και τη μνήμη. Η γνώση βρίσκεται σε μυαλά, σε ανταλλαγές email, σε φακέλους που έχουν χτιστεί ανά πελάτη ή ανά υπόθεση, όχι σε κοινά συστήματα που συνδέονται μεταξύ τους. Αυτό λειτουργεί καλά όσο οι άνθρωποι παραμένουν. Γίνεται πρόβλημα τη στιγμή που θέλετε να χτίσετε κάτι που πρέπει να βασίζεται σε αυτή τη γνώση. Η AI που πρέπει να εργαστεί με φακέλους, προηγούμενα ή αλληλογραφία πελατών, χρειάζεται κάτι στο οποίο θα βασιστεί: μια δομή στην οποία οι πληροφορίες είναι εντοπιζόμενες και συγκρίσιμες. Αυτή η δομή απουσιάζει ακόμη σε τμήματα του κλάδου, όχι από απροθυμία, αλλά επειδή η ίδια η εργασία ποτέ δεν απαίτησε αυτή τη δομή.
Τα πέντε επίπεδα της μέτρησης — baseline, foundation, activation, insight, intelligence — δείχνουν σε αυτόν τον κλάδο μια εικόνα που ποικίλλει ανά διάσταση, και αυτή η εικόνα σπάνια είναι ομοιόμορφη. Ορισμένα γραφεία έχουν τη διαχείριση δεδομένων τους σε τάξη: οι φάκελοι είναι δομημένοι, τα δικαιώματα πρόσβασης είναι ρυθμισμένα, υπάρχει μια ιδέα για το τι βρίσκεται πού. Όμως η υποδομή IT πίσω από αυτό είναι παρωχημένη ή κατακερματισμένη σε ανεξάρτητες εφαρμογές που δεν επικοινωνούν μεταξύ τους. Σε άλλα γραφεία συμβαίνει το αντίθετο: σύγχρονα συστήματα, αλλά οργανωτικά καμία σαφήνεια για ποιος αποφασίζει για τι, ποιος μπορεί να εγκρίνει μια εφαρμογή AI, ή ποιος είναι υπεύθυνος αν κάτι πάει στραβά. Και οι δύο καταστάσεις οδηγούν στο ίδιο αποτέλεσμα — ένα πιλοτικό πρόγραμμα που λειτουργεί καλά από μόνο του, αλλά δεν κλιμακώνεται επειδή οι θεμελιώδεις διαστάσεις δεν βρίσκονται στο ίδιο επίπεδο. Αυτή είναι η σειρά που αποκαλύπτει η μέτρηση: η οργάνωση, η υποδομή και η διαχείριση δεδομένων πρέπει πρώτα να φτάσουν σε κάποιο επίπεδο πριν οι εξαρτημένες διαστάσεις, όπως η αυτοματοποιημένη δοκιμή ή η συνεχής βελτιστοποίηση, μπορούν να αποκομίσουν όφελος από αυτό.
Ο γύρος plot, στον οποίο πολλοί άνθρωποι βαθμολογούν ξεχωριστά, δείχνει συχνά στις επιχειρηματικές υπηρεσίες ένα συγκεκριμένο μοτίβο: ο εταίρος ή ο διευθυντής βαθμολογεί τον οργανισμό υψηλότερα από τον σύμβουλο που εργάζεται καθημερινά με τους φακέλους. Αυτή η διαφορά λέει κάτι. Μπορεί να σημαίνει ότι οι αποφάσεις για την AI λαμβάνονται σε επίπεδο διοίκησης χωρίς να διαπερνούν στην καθημερινή εργασία, ή ότι η καθημερινή εργασία παλεύει ήδη εδώ και καιρό με ένα σύστημα που αξιολογείται εκ των άνω ως επαρκές. Και οι δύο ερμηνείες είναι χρήσιμες, και και οι δύο μπορούν να γίνουν ορατές μόνο αφήνοντας διαφορετικούς ανθρώπους να βαθμολογούν ξεχωριστά, όχι ζητώντας μία μόνο εντύπωση από όποιον συντάσσει την αναφορά.
Αυτό που διαφοροποιεί αυτόν τον κλάδο από, για παράδειγμα, το λιανικό εμπόριο ή την εστίαση είναι η ευαισθησία των ίδιων των δεδομένων. Ένα δικηγορικό γραφείο ή λογιστικό γραφείο εργάζεται με πληροφορίες που υπόκεινται σε υποχρέωση εχεμύθειας, σε πειθαρχικό δίκαιο, σε κανόνες που δεν ισχύουν για ένα απόθεμα καταστήματος ή έναν κατάλογο εστιατορίου. Αυτό επηρεάζει άμεσα τη διάσταση της διαχείρισης δεδομένων: όχι μόνο αν τα δεδομένα είναι εντοπιζόμενα, αλλά αν αυτά τα δεδομένα είναι αποθηκευμένα και προστατευμένα με τρόπο που επιτρέπει τη χρήση AI χωρίς να παραβιάζεται η εμπιστευτικότητα. Αυτό απαιτεί διαφορετικό ρυθμό από κλάδους όπου τα δεδομένα είναι λιγότερο φορτισμένα, και αυτή η διαφορά ρυθμού είναι ορατή στις βαθμολογίες αυτής της διάστασης.
Το μοτίβο υψηλής φιλοδοξίας δίπλα σε μια ελλιπή βάση δεν είναι μοναδικό για τις επιχειρηματικές υπηρεσίες. Στον κλάδο ΤΠΕ εμφανίζεται συχνά το αντίστροφο πρόβλημα — ισχυρή υποδομή χωρίς οργανωτική σαφήνεια — και στις χρηματοπιστωτικές υπηρεσίες η καθυστέρηση βρίσκεται συχνά στη ρυθμιστική νομοθεσία που αλλάζει ταχύτερα απ' όσο μπορούν να παρακολουθήσουν τα συστήματα. Η σύγκριση δεν έχει σκοπό να κάνει έναν κλάδο καλύτερο ή χειρότερο από άλλο, αλλά να δείξει ότι η σειρά — πρώτα οι θεμελιώδεις διαστάσεις, μετά οι εξαρτημένες — είναι παντού η ίδια, ακόμη κι αν η υλοποίηση φαίνεται διαφορετική ανά κλάδο.
Αυτή η μέτρηση δεν λέει τίποτα για το ποιες εργασίες εντός ενός γραφείου μπορούν να αναληφθούν από την AI, και πόσο χρόνο θα ελευθέρωνε αυτό. Αυτό είναι ένα άλλο ερώτημα, που απαιτεί διαφορετική οπτική: όχι στον οργανισμό ως σύνολο, αλλά στην ίδια την εργασία, εργασία προς εργασία. Όποιος θέλει να γνωρίζει, μετά από αυτή τη μέτρηση, τι εργασία, δεδομένης της τρέχουσας ετοιμότητας, μπορεί πράγματι να ανατεθεί στην AI, θα το βρει στο werkscan της FTE TO AI, το οποίο υπολογίζει ανά εργασία ποιο μέρος μπορεί να αναληφθεί.
Το εργαλείο που εκτελεί τη μέτρηση ωριμότητας και τον γύρο plot βρίσκεται ακόμη υπό κατασκευή. Όποιος θέλει να το χρησιμοποιήσει μόλις γίνει διαθέσιμο, μπορεί να εγγραφεί στη λίστα αναμονής.
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.