Biznesa pakalpojumu joma — advokatūra, grāmatvedība, konsultācijas, personāla pakalpojumi, juridiskās un nodokļu konsultācijas — pēc būtības pārdod kaut ko, ko ir grūti automatizēt bez diskusijas: spriedumu. Kur rūpnīca optimizē procesu un veikals pārvalda preču klāstu, šī nozare pārdod tādu cilvēku zināšanas, kuri zina kaut ko, ko klients nezina. Tas padara attiecību starp ambīciju un gatavību citādu nekā citur. Interese par AI ir liela, bieži lielāka nekā nozarēs ar mazāku peļņu no zināšanām. Bet jautājums, vai organizācija spēj šo interesi realizēt, regulāri paliek neatrisināts tādās jomās, kas ar AI nemaz nav saistītas.
Daudzi biroji biznesa pakalpojumu jomā ir izauguši ap partneri, vecāko konsultantu, cilvēku ar tīklu un atmiņu. Zināšanas ir galvās, e-pastu sarakstēs, lietās, kas veidotas pa klientu vai lietu, ne kopīgotās sistēmās, kas savienojas cita ar citu. Tas darbojas labi, kamēr cilvēki paliek. Tas kļūst par problēmu, tiklīdz vēlaties izveidot kaut ko, kam ir jāspēj atsaukties uz šīm zināšanām. AI, kam jāstrādā ar lietām, precedentiem vai klientu saraksti, kaut kam ir jābalstās — struktūrā, kurā informācija ir atrodama un salīdzināma. Šī struktūra daļā nozares vēl trūkst, ne nevēlēšanās dēļ, bet tāpēc, ka pats darbs nekad nav prasījis šādu struktūru.
Mērījuma piecos līmeņos — baseline, foundation, activation, insight, intelligence — šajā nozarē redzams svārstīgs attēls katrā dimensijā, un šis attēls reti ir vienmērīgs. Dažiem birojiem datu pārvaldība ir sakārtota: lietas ir strukturētas, piekļuves tiesības noregulētas, ir priekšstats par to, kas kur atrodas. Bet IT infrastruktūra aiz tā ir novecojusi vai izšķaidīta pa atsevišķām lietojumprogrammām, kas savā starpā nesarunājas. Citos birojos ir tieši pretēji: modernas sistēmas, bet organizatoriski nav skaidrības, kurš par ko lemj, kurš var apstiprināt AI risinājumu vai kurš ir atbildīgs, ja kaut kas noiet greizi. Abas situācijas noved pie viena un tā paša rezultāta — pilotprojekts, kas pats par sevi darbojas labi, bet nemērogojas, jo fundamentālās dimensijas nav vienā līmenī. Tāda ir kārtība, ko mērījums atklāj: organizācijai, infrastruktūrai un datu pārvaldībai vispirms jāsasniedz kāds līmenis, pirms atkarīgās dimensijas, piemēram, automatizētā testēšana vai nepārtraukta optimizācija, no tā gūst kādu labumu.
Aptaujas kārta, kurā vairāki cilvēki vērtē atsevišķi, biznesa pakalpojumu jomā bieži atklāj konkrētu modeli: partneris vai direktors novērtē organizāciju augstāk nekā konsultants, kurš dienā pa dienai strādā ar lietām. Šī atšķirība kaut ko liecina. Tā var norādīt, ka lēmumi par AI tiek pieņemti vadības līmenī, tiem nesasniedzot ikdienas darbu, vai ka ikdienas darbā jau ilgāku laiku ir grūtības ar sistēmu, ko no augšas uzskata par pietiekamu. Abas interpretācijas ir noderīgas, un abas var padarīt redzamas vien tad, ja dažādi cilvēki vērtē atsevišķi, ne prasot vienu iespaidu no tā, kurš sagatavo pārskatu.
Tas, kas šo nozari atšķir, piemēram, no mazumtirdzniecības vai restorānu un izmitināšanas nozares, ir pašu datu jutīgums. Advokātu birojs vai grāmatvedības birojs strādā ar informāciju, uz kuru attiecas konfidencialitātes pienākums, disciplinārtiesības, noteikumi, kas neattiecas uz veikala krājumiem vai ēdienkarti. Tas tieši ietekmē datu pārvaldības dimensiju: ne vien to, vai dati ir atrodami, bet arī to, vai šie dati ir uzglabāti un aizsargāti tā, lai AI izmantošana būtu iespējama, nepārkāpjot konfidencialitāti. Tas prasa citu tempu nekā nozarēs, kur dati ir mazāk sensitīvi, un šī tempa atšķirība ir redzama šīs dimensijas rezultātos.
Modelis, kur augsta ambīcija pastāv līdzās nepilnīgam pamatam, nav unikāls biznesa pakalpojumu jomai. IT nozarē bieži ir pretēja problēma — spēcīga infrastruktūra bez organizatoriskas skaidrības — un finanšu pakalpojumu jomā kavēšanās bieži saistīta ar regulējumu, kas mainās straujāk, nekā sistēmas var sekot līdzi. Salīdzinājums nav domāts, lai vienu nozari padarītu labāku vai sliktāku par citu, bet lai parādītu, ka kārtība — vispirms fundamentālās dimensijas, tad atkarīgās — visur ir vienāda, kaut arī izpildījums katrā nozarē izskatās citādi.
Šis mērījums neko neliecina par to, kuri uzdevumi birojā ir uzticami AI un cik daudz laika tas atbrīvotu. Tas ir cits jautājums, kas prasa citu skatījumu: ne uz organizāciju kopumā, bet uz pašu darbu, uzdevumu pēc uzdevuma. Kas pēc šī mērījuma vēlas zināt, kas, ņemot vērā pašreizējo gatavību, patiešām ir piemērots AI, to atradīs FTE TO AI darba skenēšanā, kas katram uzdevumam aprēķina, kāda daļa ir uzticama AI.
Rīks, kas veic gatavības mērījumu un aptaujas kārtu, joprojām tiek izstrādāts. Kas vēlas to izmantot, tiklīdz tas būs pieejams, var pieteikties gaidīšanas sarakstā.
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.