Usługi biznesowe — adwokatura, księgowość, consulting, usługi HR, doradztwo prawne i podatkowe — sprzedają w swej istocie coś, co trudno zautomatyzować bez dyskusji: osąd. Tam, gdzie fabryka optymalizuje proces, a sklep zarządza asortymentem, ten sektor sprzedaje wiedzę ludzi, którzy znają coś, czego klient nie wie. To sprawia, że relacja między ambicją i gotowością jest inna niż gdzie indziej. Zainteresowanie AI jest duże, często większe niż w sektorach z mniejszą marżą na wiedzy. Ale pytanie, czy organizacja jest w stanie unieść to zainteresowanie, regularnie napotyka przeszkody w elementach, które nie mają nic wspólnego z AI.
Wiele kancelarii w usługach biznesowych wyrosło wokół partnera, starszego doradcy, człowieka z siecią kontaktów i pamięcią. Wiedza znajduje się w głowach, w wymianie e-maili, w dossier zbudowanych per klient lub per sprawa, nie w połączonych, wspólnych systemach. To działa dobrze, dopóki ludzie zostają. Staje się problemem, gdy chce się zbudować coś, co musi móc się oprzeć na tej wiedzy. AI, które musi pracować z dossier, precedensami czy korespondencją z klientami, potrzebuje na czym się oprzeć: struktury, w której informacja jest odnajdywalna i porównywalna. Ta struktura wciąż brakuje w części sektora, nie z niechęci, ale ponieważ samo to zajęcie nigdy nie wymagało tej struktury.
Pięć poziomów pomiaru — baseline, foundation, activation, insight, intelligence — pokazuje w tym sektorze zmienny obraz per wymiar, i ten obraz rzadko jest równomierny. Niektóre kancelarie mają swoje zarządzanie danymi w porządku: dossier są ustrukturyzowane, prawa dostępu są uregulowane, istnieje wyobrażenie o tym, co gdzie się znajduje. Ale infrastruktura IT za tym stojąca jest przestarzała lub rozdrobniona na odrębne aplikacje, które nie rozmawiają ze sobą. W innych kancelariach jest wręcz odwrotnie: nowoczesne systemy, ale organizacyjnie brak jasności co do tego, kto o czym decyduje, kto może zatwierdzić zastosowanie AI, lub kto jest odpowiedzialny, gdy coś idzie źle. Obie sytuacje prowadzą do tego samego wyniku — pilotaż, który sam w sobie działa dobrze, ale nie skaluje się, ponieważ fundamentalne wymiary nie są na tym samym poziomie. To jest kolejność, którą ten pomiar odkrywa: organizacja, infrastruktura i zarządzanie danymi muszą najpierw osiągnąć pewien poziom, zanim zależne wymiary, takie jak zautomatyzowane testowanie czy ciągła optymalizacja, będą mogły z tego skorzystać.
Runda plot, w której kilka osób ocenia niezależnie od siebie, często pokazuje w usługach biznesowych specyficzny wzorzec: partner lub dyrektor ocenia organizację wyżej niż doradca, który dziennie pracuje z dossier. Ta różnica mówi coś. Może to znaczyć, że decyzje o AI są podejmowane na poziomie zarządu, bez tego, że przenikają one do poziomu operacyjnego, albo że poziom operacyjny już dłużej boryka się z systemem, który z góry jest oceniany jako wystarczający. Obie interpretacje są przydatne, i obie można uwidocznić tylko przez pozwolenie różnym osobom na niezależną ocenę, nie przez zapytanie o jedno wrażenie osoby, która sporządza raport.
Co wyróżnia ten sektor na przykład od handlu detalicznego czy gastronomii, to wrażliwość samych danych. Kancelaria adwokacka lub biuro księgowe pracuje z informacjami podlegającymi obowiązkowi zachowania tajemnicy, prawu dyscyplinarnemu, przepisom, które nie obowiązują dla zapasów sklepowych czy karty menu. To dotyka bezpośrednio wymiaru zarządzania danymi: nie tylko czy dane są odnajdywalne, ale czy te dane są przechowywane i zabezpieczone w sposób, który pozwala na użycie AI bez naruszania poufności. To wymaga innego tempa niż w sektorach, gdzie dane są mniej obciążone, a ta różnica tempa jest widoczna w wynikach na tym wymiarze.
Wzorzec wysokiej ambicji obok niepełnej podstawy nie jest unikalny dla usług biznesowych. W sektorze ICT często występuje odwrotny problem — silna infrastruktura bez organizacyjnej jasności — a w usługach finansowych opóźnienie często wynika z regulacji, które zmieniają się szybciej, niż systemy mogą śledzić. Porównanie nie ma na celu uczynienia jednego sektora lepszym lub gorszym od innego, ale pokazanie, że kolejność — najpierw wymiary fundamentalne, potem zależne — jest wszędzie taka sama, nawet jeśli realizacja wygląda inaczej per sektor.
Ten pomiar nic nie mówi o tym, jakie zadania w ramach kancelarii mogą zostać przejęte przez AI, i ile czasu to by uwolniło. To jest inne pytanie, które wymaga innego spojrzenia: nie na organizację jako całość, ale na samą pracę, zadanie po zadaniu. Kto po tym pomiarze chce wiedzieć, co, biorąc pod uwagę aktualną gotowość, faktycznie kwalifikuje się do przejęcia przez AI, znajdzie to w skanie pracy FTE TO AI, który per zadanie obliczy, jaka część może zostać przejęta.
Narzędzie, które przeprowadza pomiar zaawansowania i rundę plot, jest wciąż w budowie. Kto chce z niego skorzystać, gdy będzie dostępne, może zapisać się na listę oczekujących.
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.