Stratēģija reti balstās uz visiem pieejamajiem faktiem. Tā balstās uz nedaudziem pieņēmumiem, kas rakstīšanas brīdī bija saprātīgi un pēc tam vairs nav tikuši pārbaudīti. Viens no tiem bieži ir: mūsu zināšanu pārsvars saglabāsies, jo mēs šajā jomā strādājam ilgāk, esam redzējuši vairāk klientu, atrisinājuši vairāk īpašu gadījumu nekā tie, kas tagad ienāk. Šis pieņēmums no kaut kā radās. Specialistu gadu gaitā uzkrāta pieredze, lietas un precedenti, kurus nebija iespējams nokopēt pusgada laikā, mācīšanās līkne, kuru jaunpienācējiem vienkārši bija jāizieet. Tā nebija pārmērīga pašpaļāvība. Tas bija saprātīgs skaidrojums tam, kā zināšanas veidojās: lēni, cilvēkos, gadu gaitā.
Pieņēmums bija patiess, jo zināšanas un persona, kas tās nesa, praktiski nebija atdalāmas. Ja konkurents vēlējās sasniegt jūsu pārsvaru, viņam bija jāpieņem darbā cilvēki ar tādu pašu gadu pieredzi vai pats jāiegulda šie gadi. Abi ceļi bija lēni un pamanāmi. Jūs redzējāt, kā konkurents pieņem darbā vai veido šo pieredzi, un jums bija laiks reaģēt. Tātad pārsvars nebija tikai satura ziņā, tas bija arī tempa atšķirība, kuru varēja izsekot.
AI pārņem darbu, un tas nenotiek visur vienā un tajā pašā kategorijā. Daļā zināšanu uzdevumu valodas vai analīzes modelis var patstāvīgi izpildīt pirmo apstrādes soli: atpazīt modeļus lietās, sagatavot ieteikumu, pamatojoties uz precedentiem, apkopot analīzi, kas iepriekš senioram prasīja dienu. Citā daļā tas notiek ar cilvēka uzraudzību: modelis izstrādā priekšlikumu, specialists to apstiprina vai noraida un pamato savu lēmumu. Vēlreiz citā daļā mainās maz, jo spriedums ir pārāk atkarīgs no konteksta vai pārāk riskants, lai to automatizētu. Šis sadalījums katram uzņēmumam un katram uzdevumam ir atšķirīgs, un tas ir tieši svarīgākais: tā nav vispārēja pārrāvuma parādīšanās, tā ir pārmaiņa, kas notiek uzdevums pēc uzdevuma, un uzņēmumi, kas to kartē uzdevumu līmenī, šobrīd apsteidz uzņēmumus, kuri šo jautājumu vēl apspriež stratēģiskā līmenī.
Atšķirība parasti nav satura jautājums. Tā ir jautājums par to, kurš jautājumu jau ir uzdevis darba līmenī un kurš to vēl uzdod nozares līmenī. Tāda pati loģika darbojas pieņēmumā, ka šo darbu nav iespējams standartizēt: tas, kas kādreiz tika uzskatīts par pārāk specifisku automatizācijai, pārbaudē bieži izrādās daļēji sadalāms atkārtojamos soļos.
Sekas tieši zināšanu pārsvaram: tempa atšķirība, kuru jūs iepriekš varējāt izsekot, vairs nav garantēti pamanāma. Konkurentam nav jāpieņem darbā desmit senioru, lai sasniegtu jūsu līmeni atsevišķā apakšuzdevumā. Viņam vienkārši jāatpazīst pareizais uzdevums kā piemērots pārņemšanai ar AI un labi jāorganizē tā uzraudzība. To viņš var izdarīt, jums to nemanot, līdz rezultāts nonāk uz galda.
Signāli parasti nav atrodami šī ceturkšņa cipariem. Tie ir uzvedībā, kuru jūs piedēvējat kaut kam citam. Piedāvājums no mazāka konkurenta, kas pēc satura ir tikpat asprātīgs, kā iepriekš to varēja piedāvāt tikai jūsu senioru speciālisti, un ātrāk. Klients, kas jautā, kāpēc analīze, kas jūsu uzņēmumā aizņem nedēļu, citur ir gatava vienas dienas laikā. Jaunpienācēji, kas bez gadu ilgas mācīšanās līknes tomēr runā vienā valodā ar profesionāļiem. Katru no šiem signāliem var izskaidrot atsevišķi, un tieši tāpēc pieņēmums tik ilgi paliek nepamanīts: nav brīža, kad tas skaidri lūztu, ir tikai vairāki atsevišķi gadījumi, kas modeli veido tikai retrospektīvi.
Zemāk esošais jautājums ir tāds pats kā pieņēmumā, ka apjoms nodrošina aizsardzību: priekšrocība, kuru kādreiz bija grūti ātri panākt, kļūst neuzticama tieši tad, kad kāds izlaiž lēno soli. Zināšanu pārsvara gadījumā šis lēnais solis ir mācīšanās līkne, un tieši tas tiek izlaists tur, kur uzdevums ir piemērots pārņemšanai ar modeli.
Lai zinātu, vai pieņēmums joprojām ir spēkā, nav pietiekami vaicāt, vai jūsu cilvēki joprojām ir labi. Viņi visdrīzāk ir. Jautājums ir, vai viņu pārsvars joprojām ir šķērslis tiem, kas vēlas jūs panākt. Tam jāseko trīs lietām: pēc zināšanu uzdevuma, vai tas iekļaujas kategorijā pilnībā pārņemams, pārņemams ar uzraudzību vai cilvēka darbs, un vai šis iedalījums nesen ir pārbaudīts; cik ilgi pirms tam pēdējo reizi konstatēts, ka konkurents šo soli vēl nav veicis, un uz kāda signāla pamata; un vai peļņas daļa, kuru jūs piedēvējat šim zināšanu pārsvaram, ir fiksēta kā atsevišķs pieņēmums ar datumu, lai būtu skaidrs, kad tas pēdējo reizi ir pārbaudīts, nevis tikai atkārtots. Kur šis temats saskaras ar personāla lēmumiem, tur ir spēkā atsevišķas juridiskas prasības; tās šeit nav aplūkotas.
Pamatjautājums — kuru darbu šajā uzņēmumā AI patiešām var pārņemt — ar FTE TO AI darba skenēšanu tiek atbildēts katra uzdevuma līmenī, nevis visas nozares līmenī.
Ikviens, kas vēlas zināt, vai šis pieņēmums viņa uzņēmumā joprojām ir spēkā, var sākt ar bezmaksas pieņēmumu pārbaudi: īsu procesu, kurā jūs nosaucat savus svarīgākos pieņēmumus un katram pieņēmumam redzat, kad tas pēdējo reizi apstiprināts. Pilna stratēģiskā drukas korektūra ir izstrādes procesā.
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.