A mezőgazdasági szektor több olyan munkatípusból áll, amelyeknek kevés közük van egymáshoz. Van fizikai munka az istállóban, kasban vagy a földeken, amely az évszakhoz, az időjáráshoz és a biológiai folyamatokhoz van kötve, amelyek nem gyorsíthatók fel. Van adminisztratív munka a nyilvántartás, a támogatási kérelmek, a trágyaelszámolás és a gyakran gyakran gyakran gyakran váltó, terménytől, állattól vagy régiótól függő szabályozásnak való megfelelés körül. És van egy harmadik réteg: tervezés, beszerzés, termelési döntések és az érzékelőkből, műholdas felvételekből és piaci árakból származó adatok értékelése. Ez a harmadik réteg növekszik, míg az első réteg a munka jellege miatt csak korlátozottan skálázható.
Az eredményt meghatározó körülmények nem egységesek. Egy szántóföldi növénytermeléssel foglalkozó vállalatnak, amely sok nyílt adattal rendelkezik a talajról és az időjárásról, más kapaszkodási pontjai vannak az automatizálás számára, mint egy állattartó telepnek, ahol az állatjólét felügyelete törvényileg emberekhez van kötve. Egy klímakomputerekkel dolgozó kertészeti vállalat évek óta érzékelőadatok alapján irányít; egy parcellánként manuálisan döntő szántóföldi gazda ezt nem teszi. Ez a különbség határozza meg, hol vesz át az AI ma már feladatokat, és hol van ez még messze.
Három kategória húzódik végig a szektorban végzett munkán. Először azok a feladatok, amelyeket az AI önállóan képes elvégezni: az öntözéshez szükséges érzékelőadatok értelmezése, a betegségtünetek felismerése képanyag alapján, a támogatási kérelmekhez szükséges jelentések első verzióinak elkészítése. Másodszor azok a feladatok, ahol az AI javaslatot tesz, és egy ember indokolással jóváhagyja vagy elutasítja azt: egy termelési tanács, amelyet a helyi tudással ellenőriznek, egy beszerzési javaslat, amelyet a szállítási kockázat alapján bírálnak el. Harmadszor az a munka, amely emberi munka marad: az állatjólét fizikai felügyelete, a talajminőség helyszíni értékelése, egy hosszú távú szerződésről egy vevővel folytatott tárgyalás.
Ez a felosztás nem egy pillanatfelvétel, amely mindenhol egyformán mozdul el. Azok a vállalatok, amelyek már érzékelőadatokkal és döntéstámogató szoftverrel dolgoznak, azt látják, hogy az első kategória nő, mert az adatstruktúra már megvan. Azok a vállalatok, amelyek még tapasztalatra és manuális nyilvántartásra épülnek, elsősorban a második kategória kialakulását látják, mert ott előbb valakinek meg kell határoznia, mi elég megbízható ahhoz, hogy egy rendszerre bízzák. A vállalatok közötti különbség tehát nem az ambícióban van, hanem abban, hogy az alapul szolgáló munka mennyire van már olyan formában rögzítve, amelyet egy rendszer tud olvasni.
Egy olyan stratégia, amely az adminisztratív vagy monitoring feladatokra vonatkozó rögzített létszámigényből indul ki, egy olyan feltételezésre épül, amelyet senki nem fogalmazott meg explicit módon: hogy ezt a munkát csak emberek végezhetik, meghatározott tempóban és meghatározott költségen. Amint az AI átveszi vagy támogatja e munka egy részét, ez a feltételezés nem egy bejelentéssel válik érvénytelenné. Fokozatosan válik érvénytelenné, míg a papíron lévő terv változatlan marad.
Ez az a mintázat, amelyet ez a szektor más szektorokkal is megoszt, ahol az AI a feladatszintet érinti, nem a funkciószintet. Hasonló elmozdulások zajlanak az IT-szektorban, ahol az AI részben átveszi a kódolási és tesztelési munkát, a pénzügyi szolgáltatások szektorában, ahol az automatizált értékelések felügyelete új szerepet kap, és a szabadidős szektorban, ahol a tervezés és az ügyfélkapcsolat másképp oszlik meg a rendszer és az ember között. A mezőgazdasági szektornak megvan a saját tempója, amelyet az évszak és a szabályozás határoz meg, de a mechanizmus ugyanaz: egy egykor helyes feltételezést nem vonnak vissza, egyszerűen csak nem ellenőrzik többé.
Ez nem arról szól, hogy egy vállalatnak csökkentenie kell-e a létszámát, vagy máshogy kell-e alkalmaznia azt. Ez a döntés a munkajogra és a munkavállalói képviseletre vonatkozó saját törvényi követelmények alá tartozik, amelyekre itt nem térünk ki. Ez az, ami ezt megelőzi: tudni, hogy ma melyik munkát végzi tényszerűen az AI, melyik munkát végzik felügyelet mellett, és melyik munka marad emberi munka. Ez ténykérdés, nem személyzeti döntés.
Azt a kérdést, hogy melyik munka valóban átvehető az AI által ebben a vállalatban, a FTE TO AI munkaszkennere válaszolja meg feladatonként, így a kapacitásra vonatkozó feltételezések nem becslésen alapulnak tovább. Aki pontosabban szeretné tudni, mi is valójában egy stratégiai feltételezés, ezt megtalálja kifejtve a stratégiai feltételezés magyarázatában és annak megállapításában, hogy még megáll-e, és aki azt szeretné megtudni, hogyan vetik össze egy jelenlegi stratégiát a jelenlegi helyzettel, ezt elolvashatja egy meglévő stratégia ellenőrzésének magyarázatában.
Az első lépés nem egy teljesen átdolgozott terv, hanem egy rövid felmérés azokról a feltételezésekről, amelyeken a jelenlegi terv alapszik. A FTE TO AI ehhez egy ingyenes feltételezés-ellenőrzést kínál: egy rövid kör, amelyben megnevezi a legfontosabb feltételezéseit, és feltételezésenként láthatja, mikor erősítették meg azt utoljára. Ez nem ad ítéletet a stratégiáról magáról, de rálátást ad arra, mely elemek igényelnek figyelmet, mielőtt módosítanák őket. A teljes nyomásteszt, amely a vezetőség önértékelése mellett külső képet is nyújt, jelenleg készül.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.