Asiantuntijapalvelut — asianajotoiminta, tilintarkastus, konsultointi, HR-palvelut, juridinen ja verotuksellinen neuvonanto — myyvät ytimeltään jotain, jota on vaikea automatisoida ilman keskustelua: arvostelmakykyä. Siinä missä tehdas optimoi prosessin ja kauppa hallinnoi valikoimaa, tämä sektori myy ihmisten asiantuntemusta, ihmisten, jotka tietävät jotain, mitä asiakas ei tiedä. Se tekee kunnianhimon ja valmiuden suhteesta erilaisen kuin muualla. Kiinnostus tekoälyä kohtaan on suuri, usein suurempi kuin sektoreilla, joilla on vähemmän katetta tietämyksestä. Mutta kysymys siitä, kykeneekö organisaatio kannattelemaan tätä kiinnostusta, jää säännöllisesti seisomaan osa-alueilla, joilla ei ole mitään tekemistä tekoälyn kanssa.
Monet asiantuntijapalvelujen toimistot ovat kasvaneet osakkaan, senioriasiantuntijan, verkoston ja muistin omaavan ihmisen ympärille. Tieto sijaitsee päissä, sähköpostikirjeenvaihdossa, asiakas- tai asiakohtaisesti rakennetuissa dossiereissa, ei jaetuissa, toisiinsa liittyvissä järjestelmissä. Se toimii hyvin niin kauan kuin ihmiset pysyvät. Siitä tulee ongelma heti, kun halutaan rakentaa jotain, jonka pitää voida tukeutua tähän tietoon. Tekoäly, jonka on työskenneltävä dossiereiden, ennakkotapausten tai asiakaskirjeenvaihdon kanssa, tarvitsee jotain, jonka päällä toimia: rakenteen, jossa tieto on löydettävissä ja vertailtavissa. Tämä rakenne puuttuu osista sektoria edelleen, ei haluttomuudesta, vaan siksi, että itse työ ei ole koskaan vaatinut tätä rakennetta.
Mittauksen viisi tasoa — baseline, foundation, activation, insight, intelligence — näyttävät tässä sektorissa vaihtelevan kuvan ulottuvuudesta riippuen, ja tämä kuva on harvoin tasainen. Joillakin toimistoilla datanhallinta on kunnossa: dossierit ovat jäsenneltyjä, käyttöoikeudet on järjestetty, on käsitys siitä, mitä on missä. Mutta tämän takana oleva IT-infrastruktuuri on vanhentunut tai hajautunut erillisiin sovelluksiin, jotka eivät keskustele toistensa kanssa. Toisilla toimistoilla tilanne on juuri päinvastainen: moderneja järjestelmiä, mutta organisatorisesti ei selkeyttä siitä, kuka päättää mistä, kuka saa hyväksyä tekoälysovelluksen, tai kuka on vastuussa, jos jokin menee pieleen. Molemmat tilanteet johtavat samaan tulokseen — pilotti, joka toimii itsessään hyvin, mutta joka ei skaalaudu, koska perustavanlaatuiset ulottuvuudet eivät ole samalla tasolla. Se on järjestys, jonka mittaus paljastaa: organisaation, infrastruktuurin ja datanhallinnan on ensin saavutettava jokin taso, ennen kuin riippuvaiset ulottuvuudet, kuten automatisoitu testaus tai jatkuva optimointi, hyötyvät siitä mitään.
Plot-kierros, jossa useat ihmiset arvioivat erikseen, paljastaa asiantuntijapalveluissa usein tietyn kaavan: osakas tai johtaja arvioi organisaation korkeammalle kuin asiantuntija, joka työskentelee päivittäin dossiereiden kanssa. Tämä ero kertoo jotain. Se voi tarkoittaa, että tekoälyä koskevat päätökset tehdään johtotasolla ulottumatta työn tekopaikalle, tai että työn tekopaikka on jo pidempään taistellut järjestelmän kanssa, jota ylhäältä pidetään riittävänä. Molemmat tulkinnat ovat hyödyllisiä, ja molemmat tulevat näkyviksi vain antamalla eri ihmisten arvioida erikseen, ei kysymällä yhtä vaikutelmaa siltä, joka laatii raportin.
Se, mikä erottaa tämän sektorin esimerkiksi vähittäiskaupasta tai ravintola-alasta, on datan itsensä herkkyys. Asianajotoimisto tai tilintarkastustoimisto työskentelee tiedon kanssa, joka kuuluu salassapitovelvollisuuden alle, kurinpitolainsäädännön alle, sääntöjen alle, jotka eivät koske kaupan varastoa tai ruokalistaa. Se koskettaa suoraan datanhallinnan ulottuvuutta: ei vain sitä, onko data löydettävissä, vaan onko tämä data tallennettu ja suojattu tavalla, joka sallii tekoälyn käytön luottamuksellisuutta rikkomatta. Se vaatii erilaista tempoa kuin sektoreilla, joilla data on vähemmän arka aihe, ja tämä tempoero näkyy tämän ulottuvuuden pisteissä.
Kuvio, jossa suuri kunnianhimo esiintyy epätäydellisen perustan rinnalla, ei ole ainutlaatuinen asiantuntijapalveluille. ICT-sektorilla esiintyy usein päinvastainen ongelma — vahva infrastruktuuri ilman organisatorista selkeyttä — ja finanssipalveluissa viivästys johtuu usein sääntelystä, joka muuttuu nopeammin kuin järjestelmät pystyvät seuraamaan. Vertailun tarkoitus ei ole tehdä yhdestä sektorista toista parempaa tai huonompaa, vaan osoittaa, että järjestys — ensin perustavanlaatuiset ulottuvuudet, sitten riippuvaiset — on kaikkialla samanlainen, vaikka toteutus näyttää sektorista riippuen erilaiselta.
Tämä mittaus ei kerro mitään siitä, mitkä tehtävät toimiston sisällä voidaan siirtää tekoälylle, ja kuinka paljon aikaa se vapauttaisi. Se on eri kysymys, joka vaatii erilaisen näkökulman: ei organisaatioon kokonaisuutena, vaan itse työhön, tehtävä kerrallaan. Se, joka haluaa tämän mittauksen jälkeen tietää, mikä työ nykyisen valmiuden perusteella todella soveltuu tekoälylle, löytää sen FTE TO AI:n työscanista, joka laskee tehtäväkohtaisesti, mikä osa on siirrettävissä.
Työkalu, joka suorittaa kypsyysmittauksen ja plot-kierroksen, on vielä rakenteilla. Se, joka haluaa käyttää sitä sen valmistuessa, voi ilmoittautua jonotuslistalle.
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.