Agrārais sektors sastāv no vairākiem darba veidiem, kuriem savā starpā ir maz kopīga. Ir fiziskais darbs kūtī, siltumnīcā vai laukā, kas saistīts ar sezonu, laikapstākļiem un bioloģiskiem procesiem, kurus nevar paātrināt. Ir administratīvais darbs, kas saistīts ar reģistrāciju, subsīdiju pieteikumiem, mēslojuma uzskaiti un normatīvo aktu prasību izpildi, kas atšķiras atkarībā no kultūras, dzīvnieka vai reģiona. Un ir trešais slānis: plānošana, iepirkumi, audzēšanas izvēles un datu novērtējums no sensoriem, satelītuzņēmumiem un tirgus cenām. Šis trešais slānis pieaug, kamēr pirmais slānis paliek ierobežoti mērogojams pašas darba dabas dēļ.
Apstākļi, kas nosaka rezultātu, nav vienveidīgi. Laukkopības uzņēmumam, kam ir daudz atvērtu datu par augsni un laikapstākļiem, ir citi automatizācijas pieskares punkti nekā lopkopības saimniecībai, kur dzīvnieku labturības uzraudzība ar likumu ir paredzēta cilvēkiem. Dārzkopības uzņēmumam ar klimata datoriem jau gadiem ir vadība, kas balstīta uz sensoru datiem; laukkopim, kas par katru gabalu lemj manuāli, tā nav. Šī atšķirība nosaka, kur AI šodien jau pārņem uzdevumus un kur tas vēl ir tālu.
Šajā sektorā darbu caurauž trīs kategorijas. Pirmkārt, uzdevumi, kurus AI var veikt patstāvīgi: sensoru datu interpretācija apūdeņošanai, slimību pazīmju atpazīšana pēc attēliem, sākotnējo subsīdiju pieteikumu pārskatu versiju izstrāde. Otrkārt, uzdevumi, kur AI izsaka priekšlikumu un cilvēks to apstiprina vai noraida ar pamatojumu: audzēšanas ieteikums, kas tiek pārbaudīts pret vietējām zināšanām, iepirkuma priekšlikums, kas tiek novērtēts pēc piegādes riska. Treškārt, darbs, kas paliek cilvēka darbs: fiziskā dzīvnieku labturības uzraudzība, augsnes kvalitātes novērtējums vietā, sarunas ar pircēju par ilgtermiņa līgumu.
Šis iedalījums nav momentuzņēmums, kas visur p��rbīdās vienādi. Uzņēmumi, kas jau strādā ar sensoru datiem un lēmumu pieņemšanu atbalstošu programmatūru, redz, ka pirmā kategorija pieaug, jo datu struktūra tur jau ir izveidota. Uzņēmumi, kas darbojas, balstoties uz pieredzi un manuālu reģistrāciju, redz galvenokārt otrās kategorijas veidošanos, jo tur vispirms kādam ir jānoskaidro, kas ir pietiekami uzticams, lai to atstātu sistēmas ziņā. Atšķirība starp uzņēmumiem tātad nav ambīcijās, bet gan pakāpē, kādā pamatā esošais darbs jau ir fiksēts formā, ko sistēma spēj nolasīt.
Stratēģija, kas balstīta uz fiksētu personāla nepieciešamību administratīviem vai monitoringa uzdevumiem, balstās uz pieņēmumu, ko neviens nav skaidri formulējis: ka šo darbu var veikt tikai cilvēki, ar noteiktu tempu un noteiktu izmaksu. Tiklīdz AI pārņem vai atbalsta daļu no šā darba, šis pieņēmums nezaudē spēku ar kādu paziņojumu. Tas zaudē spēku pakāpeniski, kamēr plāns uz papīra paliek nemainīgs.
Šis modelis ir raksturīgs arī citiem sektoriem, kur AI ietekmē uzdevumu līmeni, ne funkciju līmeni. Līdzīgas pārbīdes notiek IT sektorā, kur AI daļēji pārņem kodēšanas un testēšanas darbu, finanšu pakalpojumu nozarē, kur uzraudzība pār automatizētiem novērtējumiem iegūst jaunu lomu, un atpūtas nozarē, kur plānošana un klientu kontakti tiek citādi sadalīti starp sistēmu un cilvēku. Agrārajam sektoram ir savs temps, ko nosaka sezona un normatīvie akti, bet mehānisms ir tas pats: pieņēmums, kas kādreiz bija patiess, netiek atsaukts, tas vienkārši vairs netiek pārbaudīts.
Runā nav par to, vai uzņēmumam ir jāsamazina personāls vai tas jāizmanto citādi. Šis lēmums ir pakļauts darba tiesību un darbinieku pārstāvības prasībām, kurām piemēro savus noteikumus, un tie šeit nav aplūkoti. Runa ir par kaut ko iepriekšēju: zināt, kādu darbu šodien faktiski veic AI, kāds darbs tiek veikts uzraudzībā, un kāds darbs paliek cilvēka darbs. Tas ir faktu jautājums, nevis personāla lēmums.
Jautājumu, kādu darbu šajā uzņēmumā AI patiešām var pārņemt, atbild FTE TO AI darba skenēšana (werkscan), izvērtējot to pa uzdevumiem, lai pieņēmumi par kapacitāti vairāk nebalstītos uz aplēsēm. Kas vēlas precīzāk zināt, kas īsti ir stratēģiskais pieņēmums, to atradīs izklāstītu paskaidrojumā par to, kas ir stratēģiskais pieņēmums un kā pārbaudīt, vai tas joprojām ir spēkā, un kas vēlas zināt, kā esošu stratēģiju salīdzina ar pašreizējo situāciju, to var izlasīt paskaidrojumā par esošas stratēģijas pārbaudi.
Pirmais solis nav pilnībā pārstrādāts plāns, bet gan īsa inventarizācija pieņēmumiem, uz kuriem balstās pašreizējais plāns. FTE TO AI šim mērķim piedāvā bezmaksas pieņēmumu pārbaudi (aannamecheck): īsu procesu, kurā jūs nosaucat savus svarīgākos pieņēmumus un pie katra pieņēmuma redzat, kad tas pēdējoreiz ir apstiprināts. Tas nedod spriedumu par stratēģiju pašu par sevi, bet dod skaidrību, kurām sadaļām nepieciešama uzmanība, pirms tās tiek pārskatītas. Pilnā spiediena pārbaude (drukproef), kas ietver ārēju skatījumu blakus vadības pašnovērtējumam, tiek izstrādāta.
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.