ხელოვნური ინტელექტი უფრო სწრაფად ვითარდება, ვიდრე ბევრ ორგანიზაციას და ბევრ სამუშაო ძალას შეუძლია კომფორტულად აითვისოს.
BBC-ის ბოლო სტატია, რომელიც იკვლევს, რატომ არიან იაპონური კომპანიები შედარებით ნელი AI-ის დანერგვაში, უსვამს ხაზს არაკომფორტულ რეალობას: AI-ის დანერგვა მხოლოდ ტექნოლოგიის პრობლემა არ არის. ეს არის ნდობის, უნარებისა და ორგანიზაციული ცვლილებების პრობლემა.
იაპონია განსაკუთრებით საინტერესოა, რადგან ის აერთიანებს რამდენიმე ფაქტორს, რომლებსაც ბევრი სხვა ეკონომიკაც იწყებს ერთდროულად გამოცდას:
- მოძველებული სამუშაო ძალა,
- სამუშაო ძალის დეფიციტს,
- მაღალკვალიფიციური თანამშრომლები,
- შედარებით ფრთხილი კორპორაციული კულტურები,
- არათანაბარი ციფრული უნარები და
- ტექნოლოგიების მიმართ დაბალი ტოლერანტობა, რომლებიც ხანდახან არასწორ შედეგებს იძლევა.
ეს ბოლო წერტილი მნიშვნელოვანია.
გენერაციული AI პრობაბილისტურია. ის შეიძლება ძალიან სასარგებლო იყოს, მიუხედავად იმისა, რომ შეუცდომელი არ არის.
იმ ინდუსტრიებისთვის, სადაც შეცდომებმა შეიძლება იმოქმედოს პროექტის ღირებულებაზე, შესყიდვებზე, კონტრაქტებზე, უსაფრთხოებაზე ან მომგებიანობაზე, AI-ის შეცდომების მცირე მაჩვენებელმაც კი შეიძლება ნდობის არაპროპორციულად დიდი პრობლემა შექმნას.
მაგრამ იაპონია მარტო არ არის.
იაპონიის გამოწვევა სხვაგანაც ჩნდება
OECD-ის კვლევა ადასტურებს იაპონიის გამოწვევის მასშტაბს.
მხოლოდ იაპონელი თანამშრომლების 8.4% აცხადებს, რომ სამსახურში იყენებს AI-ს, ხოლო უფროსი ასაკის მუშაკები უფრო იშვიათად იყენებენ AI-ს, მონაწილეობენ AI-თან დაკავშირებულ ტრენინგებში ან ენდობიან დამსაქმებლების მიერ დანერგილ AI სისტემებს. იაპონელი AI მომხმარებლების მხოლოდ დაახლოებით 30% აცხადებს, რომ მიიღო კომპანიის მიერ უზრუნველყოფილი AI ტრენინგი, ხოლო იაპონიამ OECD-ის შედარებაში მონაწილე რვა ქვეყანას შორის ყველაზე დაბალი მაჩვენებელი აჩვენა დამსაქმებლისა და AI-ის ნდობაში.
რაც ამას საერთაშორისო დონეზე მნიშვნელოვნად აქცევს, არის ის, რომ მსგავსი დემოგრაფიული ზეწოლის, ციფრული უნარების დეფიციტისა და ორგანიზაციული სიფრთხილის კომბინაციები სხვაგანაც ჩნდება.
სამხრეთ კორეა: შესაძლოა აზიაში ყველაზე ახლო პარალელი
სამხრეთ კორეა შეიძლება იყოს იაპონიის ყველაზე ძლიერი პარალელი.
ის აერთიანებს მოსახლეობის სწრაფ დაბერებას და მსოფლიოს ერთ-ერთ ყველაზე ტექნოლოგიურად განვითარებულ ეკონომიკას. მაგრამ დახვეწილი ეროვნული ინფრასტრუქტურა ავტომატურად არ ნიშნავს თანაბარ ციფრულ უნარს თაობებს შორის.
ბოლო OECD-ის ანალიზი აჩვენებს, რომ სამხრეთ კორეაში 55–65 წლის მუშაკებს შორის სამუშაოსთან დაკავშირებულ ტრენინგებში მონაწილეობა 20%-ზე ბევრად დაბალია, ხოლო სპეციალიზებული პროგრამული უზრუნველყოფის გამოყენებაში სხვაობა 55–65 წლის და 25–54 წლის მუშაკებს შორის აჭარბებს 35%-ს, რაც OECD-ის მიერ იდენტიფიცირებულ ასაკობრივ ციფრულ განსხვავებებს შორის ერთ-ერთი ყველაზე დიდია.
AI-ის დანერგვა კორეულ ბიზნესებშიც არათანაბარია. OECD-ის შეფასებით, კორეულ SME-ებში AI-ის დანერგვა იაპონიაზე მაღალია, მაგრამ მაინც მნიშვნელოვნად ჩამორჩება ისეთ ქვეყნებს, როგორიცაა გერმანია და ირლანდია. ამავე დროს, კორეაში დასაქმების 80%-ზე მეტი SME-ებზე მოდის, რაც სამუშაო ძალის დანერგვას განსაკუთრებით მნიშვნელოვანს ხდის.
გაკვეთილი მნიშვნელოვანია:
ტექნოლოგიურად მოწინავე ეკონომიკას მაინც შეიძლება ჰქონდეს სამუშაო ძალის დანერგვის პრობლემა.
სამხრეთი და სამხრეთ-აღმოსავლეთი ევროპა: დაბერება სუსტ უწყვეტ სწავლებასთან ხვდება
მსგავსი გამოწვევა არსებობს სამხრეთ და სამხრეთ-აღმოსავლეთ ევროპის ნაწილებში, მათ შორის საბერძნეთში, იტალიაში, პორტუგალიაში, ესპანეთსა და რამდენიმე ბალკანურ ეკონომიკაში.
პრობლემა არ არის ის, რომ ამ ქვეყნებს კვალიფიციური პროფესიონალები არ ჰყავთ.
სრულიად პირიქით.
ისინი ფლობენ უზარმაზარ დაგროვილ სამრეწველო, საინჟინრო და მენეჯერულ ექსპერტიზას.
გამოწვევა ამ ექსპერტიზის უფრო და უფრო ციფრულ საოპერაციო გარემოში გადატანაა.
ევროკავშირში 55–64 წლის მუშაკების დაახლოებით 35% მონაწილეობს სამუშაოსთან დაკავშირებულ ტრენინგებში, მაშინ როცა 35–54 წლის მუშაკებში ეს მაჩვენებელი 48%-ია. საბერძნეთსა და Türkiye-ში უფროსი ასაკის მუშაკებში მონაწილეობა 10%-ზე დაბლა ეცემა.
ევროკომისიაც აფრთხილებს, რომ AI-ის დასაქმების სარგებელი, სავარაუდოდ, არათანაბრად გადანაწილდება და უპირატესობას მიანიჭებს მაღალი კვალიფიკაციისა და აქტიური ასაკის მუშაკებს, თუ მიზანმიმართული ზომები არ მოემართება სუსტი რეგიონებისა და უფრო მოწყვლადი ჯგუფებისთვის.
ევროპაში არსებული უახლესი მტკიცებულებებიც იმავე გზავნილს ადასტურებს: AI-ის დანერგვაზე მნიშვნელოვნად მოქმედებს მუშაკების უნარები, ტრენინგის ხელმისაწვდომობა და მონაწილეობა ორგანიზაციულ გადაწყვეტილებებში და არა მხოლოდ ის, ხელმისაწვდომია თუ არა ტექნიკური AI ინსტრუმენტი.
საწარმოო ციფრული ტრანსფორმაციისთვის ამას უზარმაზარი მნიშვნელობა აქვს.
გამოცდილი 58 წლის შემფასებელი, რომელსაც მშენებლობის ეკონომიკა უფრო კარგად ესმის, ვიდრე უმეტეს ახალგაზრდა ინჟინერს, არ არის პრობლემა, რომელიც უნდა ავტომატიზაციამ გააქროს.
ეს თანამშრომელი წარმოადგენს ათწლეულების კორპორაციულ ცოდნას.
მიზანი უნდა იყოს ამ ცოდნის გაძლიერება ტექნოლოგიის მეშვეობით.
ცენტრალური და აღმოსავლეთი ევროპა: კიდევ ერთი მზარდი განხეთქილება
ცენტრალური და აღმოსავლეთ ევროპის ნაწილებს მსგავსი გამოწვევა აქვთ.
მსოფლიო ბანკი აქტიურად ავითარებს ციფრული უნარებისა და AI-ის მზადყოფნის პროგრამებს ევროპასა და ცენტრალურ აზიაში, რადგან ტექნოლოგიაზე წვდომა alone საკმარისი არ აღმოჩნდება. ბოლო პროგრამები რუმინეთში, Türkiye-ში, ბულგარეთსა და სხვაგან განსაკუთრებით ფოკუსირებულია AI-ისთვის მზად სამუშაო ძალისთვის საჭირო უნარების განვითარებაზე.
OECD-ის კვლევაც ასევე ასახელებს რამდენიმე სამხრეთ, ცენტრალურ და აღმოსავლეთევროპულ ქვეყანას, სადაც უფროსი ასაკის მუშაკები შედარებით ნაკლებად მონაწილეობენ სამუშაო ადგილზე ტრენინგებში.
ეს ნიშნავს, რომ საწარმოო AI-ის დანერგვა შესაძლოა ორსიჩქარიანი გახდეს:
ციფრულად თავდაჯერებული თანამშრომლები ჩქარობენ, ხოლო გამოცდილ, მაგრამ ნაკლებად ციფრულად მოქნილ თანამშრომლებს კორპორაციული ოპერაციული სისტემისგან კავშირი უფრო და უფრო ეკარგებათ.
ეს სერიოზული სტრატეგიული შეცდომა იქნებოდა.
ცენტრალური აზია: პრობლემა უფრო უნარებია, ვიდრე დაბერება
ცენტრალური აზია განსხვავებულ ინტერპრეტაციას საჭიროებს.
ქვეყნები, როგორიცაა ყაზახეთი და უზბეკეთი, ამჟამად არ იმეორებენ იაპონიის დემოგრაფიულ სტრუქტურას იმავე მასშტაბით.
მათი გამოწვევა ძირითადად არის ციფრული შესაძლებლობა, ინსტიტუციური მზადყოფნა და სამუშაო ძალის გადამზადება.
OECD-მა ყაზახეთისთვის ზრდასრულთა სწავლებაში მონაწილეობა და უნარების ეფექტური გამოყენება მნიშვნელოვან საკითხად განსაზღვრა, ხოლო აზიის განვითარების ბანკმა ხაზგასმით აღნიშნა, რომ უზბეკეთის შესაძლებლობა, მიიღოს ავტომატიზაციისა და AI-ის სარგებელი, დიდწილად დამოკიდებულია ტრენინგსა და ციფრული უნარების განვითარებაზე.
ეს განსხვავება მნიშვნელოვანია.
იაპონიაში, კორეასა და ევროპის ნაწილებში კომპანიებს სულ უფრო მეტად სჭირდებათ ციფრულად მხარდაჭერილი დაბერებული სამუშაო ძალა.
ცენტრალური აზიის დიდ ნაწილში კომპანიებს სჭირდებათ ციფრული უნარების სწრაფად განვითარება სამუშაო ძალაში, რომელიც სწრაფად დიგიტალიზებად ეკონომიკებში მუშაობს.
შესაბამისად, დანერგვის პასუხი შეიძლება განსხვავდებოდეს, მაგრამ საწარმოო მოთხოვნა მსგავსია:
ტექნოლოგია ადამიანებს უნდა მოერგოს და არა ყოველ თანამშრომელს ტექნოლოგად ქცევას ელოდოს.
AI-ის შეცდომადობა დანერგვის პრობლემას ამძიმებს
ახლა დავუმატოთ მეორე განზომილება, რომელიც AI-ის დანერგვის დებატმა გამოკვეთა:
AI შეცდომებს უშვებს.
ეს უჩვეულო ფსიქოლოგიურ პრობლემას ქმნის.
- ორგანიზაციები ადამიანის შეცდომას ჩვეულებრივ იტანენ.
- შემფასებელს შეიძლება დაეშალოს გათვლა.
- მყიდველმა შეიძლება არასწორი მომწოდებელი აირჩიოს.
- ობიექტის ინჟინერმა შეიძლება არასწორი რაოდენობა შეიყვანოს.
- პროექტის მენეჯერმა შეიძლება პროგნოზირების შეცდომა დაუშვას.
თუმცა თანამშრომლები ხშირად ელიან, რომ ხელოვნური ინტელექტი ბევრად უფრო მაღალ სტანდარტზე იმუშავებს.
როგორც კი მომხმარებლები AI-ის ჰალუცინაციას ან არასწორ რეკომენდაციას დაინახავენ, ნდობა სწრაფად შეიძლება დაეცეს.
ამიტომ პასუხი ვერ იქნება:
„ენდეთ AI-ს.“
DANAOS Projects-ში ჩვენ გვჯერა, რომ უკეთესი პრინციპია:
AI-ს ბრმად არ ენდოთ. გააკონტროლეთ ის.
საწარმოო AI უნდა შეიქმნას იმ ვარაუდით, რომ AI ზოგჯერ შეიძლება ცდებოდეს.
ეს ნიშნავს გადასვლას შემდეგიდან:
AI → გადაწყვეტილება
შემდეგზე:
AI → რეკომენდაცია → ვალიდაცია → დამტკიცება → შესრულება → აუდიტი
ეს განსაკუთრებით მნიშვნელოვანია მშენებლობაში, EPC-ში, გემთმშენებლობაში, ოფშორში, საზღვაო სფეროში, სამთო სექტორში და სხვა პროექტებზე დაფუძნებულ ინდუსტრიებში.
თუ AI აგენტი გირჩევთ 500,000 ევროს ღირებულების ფოლადის შეძენას, ორგანიზაცია არ უნდა ეყრდნობოდეს მხოლოდ ენობრივი მოდელის შეფასებას.
სისტემას უნდა შეეძლოს გადაამოწმოს:
- არის თუ არა ეს მასალა BoQ-ში შეტანილი?
- რომელი WBS აქტივობა მოითხოვს მას?
- როდის არის ის საჭირო?
- რომელი Cost Code აიღებს ამ ხარჯს?
- რა რაოდენობა იყო ბიუჯეტირებული?
- რამდენი უკვე დაიხარჯა?
- არის თუ არა მარაგი ხელმისაწვდომი?
- რა ფასები იყო ადრე გადახდილი?
- რომელი მომწოდებლები არიან დამტკიცებული?
- არის თუ არა საკმარისი ბიუჯეტი ხელმისაწვდომი?
- ვის აქვს ტრანზაქციის დამტკიცების უფლებამოსილება?
სწორედ აქ ხდება ERP AI-ისთვის აუცილებელ ინფრასტრუქტურად.
რატომ ცვლის ProjectVIEW ERP ნდობის განტოლებას
ProjectVIEW ERP ბიზნეს ტრანზაქციებს აკავშირებს სამი ფუნდამენტური პროექტული განზომილების მეშვეობით:
BoQ ↔ WBS ↔ Cost Codes
ეს ქმნის სტრუქტურირებულ ბიზნეს კონტექსტს ოპერაციული გადაწყვეტილებების გარშემო.
შესყიდვები, ბიუჯეტირება, ქვეკონტრაქტორები, მასალები, მანქანა-დანადგარები, შრომა, პროგრესი და ხარჯების კონტროლი არ არის იზოლირებული AI prompt-ები. ისინი არსებობს საერთო პროექტის გარემოში, სადაც არის მომხმარებლები, უფლებები, სამუშაო ნაკადები და დამტკიცებები.
ProjectVIEW უკვე უზრუნველყოფს ცენტრალიზებულ, როლებზე დაფუძნებულ წვდომას, სამუშაო პროცესებს, ტრანზაქციულ ჟურნალირებას და მიკვლევადობას. შესაბამისად, თითოეული პროცესი შეიძლება შესრულდეს ჩართული თანამშრომლის პასუხისმგებლობებისა და უფლებამოსილების შესაბამისად. ამის შედეგად, AI შეიძლება იმუშაოს საწარმოს საკონტროლო სისტემის შიგნით და არა მის გარეთ.
ეს ფუნდამენტური განსხვავებაა.
- AI აგენტს შეუძლია რეკომენდაციის გაცემა.
- ProjectVIEW უზრუნველყოფს ბიზნეს წესებს.
- პასუხისმგებელი თანამშრომელი ადასტურებს.
- სამუშაო პროცესი აკონტროლებს ავტორიზაციას.
- ERP აფიქსირებს, რა მოხდა.
კონტროლირებადი შეცდომადობა
გვჯერა, რომ ეს საწარმოო AI-სთვის მნიშვნელოვან კონცეფციამდე მიგვიყვანს:
კონტროლირებადი შეცდომადობა.
AI-ს არ სჭირდება სრულყოფილება, რათა უზარმაზარი ღირებულება შექმნას.
მას სჭირდება იმ გარემოში მუშაობა, რომელსაც შეცდომების იდენტიფიცირება, შეზღუდვა და გასწორება შეუძლია.
ამიტომ ავტონომიის ხარისხი გადაწყვეტილების შედეგის შესაბამისი უნდა იყოს.
მაგალითად:
- დაბალი რისკი: AI პროექტის დოკუმენტებს ავტომატურად აჯამებს.
- საშუალო რისკი: AI ამზადებს მასალების მოთხოვნას თანამშრომლის გადამოწმებისთვის.
- უფრო მაღალი რისკი: AI რეკომენდაციას უწევს მომწოდებლის შერჩევას, მაგრამ საჭიროებს შესყიდვების დამტკიცებას.
ფინანსური ვალდებულება: AI ამზადებს ტრანზაქციას, მაგრამ შესრულებას ავტორიზებული ხელმძღვანელობა ამტკიცებს.
მიზანი მაქსიმალური ავტომატიზაცია არ არის.
მიზანი არის მაქსიმალურად სასარგებლო ავტომატიზაცია მისაღები რისკის ფარგლებში.
და რა შეიძლება ითქვას თანამშრომლებზე, რომლებიც ტექნოლოგიებში ვერ ერკვევიან?
ალბათ სწორედ აქ შეიძლება გახდეს AI ყველაზე ღირებული.
ტრადიციული საწარმოო პროგრამული უზრუნველყოფა თანამშრომლებს აიძულებს, პროგრამა ისწავლონ.
- რომელი მენიუ?
- რომელი ეკრანი?
- რომელი ველები?
- რომელი ანგარიში?
- რომელი სამუშაო პროცესი?
ეს მიდგომა სულ უფრო პრობლემური ხდება მაშინ, როცა კომპანიებს ჰყავთ თანამშრომლები ციფრული უნარების მკვეთრად განსხვავებული დონეებით.
AI საშუალებას გვაძლევს ურთიერთობა პირიქით დავაყენოთ.
იმის ნაცვლად, რომ თანამშრომლებს ERP-ის ენაზე საუბარი ვასწავლოთ, სულ უფრო მეტად შეგვიძლია ERP-ს ვასწავლოთ თანამშრომლების გაგება.
წარმოიდგინეთ გამოცდილი ობიექტის მენეჯერი, რომელიც ამბობს:
“შემდეგ კვირას საყრდენი კედლისთვის კიდევ 20 ტონა არმატურა გვჭირდება.”
თანამშრომელს არ სჭირდება AI მოდელის გაგება.
AI ასისტენტს შეუძლია მოთხოვნის ინტერპრეტაცია და ProjectVIEW-ს შეუძლია მის საწარმოო კონტექსტის მიწოდება:
პროექტი → BoQ → WBS → მასალა → საწყობი → ბიუჯეტი → მომწოდებელი → სამუშაო პროცესი.
სისტემა ამზადებს ტრანზაქციას.
თანამშრომელი მას ადასტურებს.
ავტორიზებული მენეჯერი მას ამტკიცებს.
ეს ბევრად უფრო მარტივი გზაა დანერგვისკენ იმ თანამშრომლებისთვის, რომლებიც ექსპერტები არიან მშენებლობაში და არა ექსპერტები პროგრამულ უზრუნველყოფაში.
DANAOS-ის დანერგვის სტრატეგია: დანერგვა ავტომატიზაციამდე
მხოლოდ ტექნოლოგიური არქიტექტურა ამ პრობლემას ვერ გადაჭრის.
დანერგვის სტრატეგიას ისეთივე მნიშვნელობა აქვს.
ეს განსაკუთრებით აქტუალურია იაპონიაში, კორეაში, სამხრეთ ევროპაში, ბალკანეთში, ცენტრალურ აზიასა და სხვა ბაზრებზე, სადაც ცვლილებების დანერგვა შეიძლება ეტაპობრივად იყოს საჭირო.
DANAOS-ის დანერგვა იწყება As-Is და To-Be პროცესების ანალიზით, GAP ანალიზით და დიზაინის ჩარჩოებით და არა იმით, რომ ყველა ორგანიზაცია ჩავტენოთ ერთსა და იმავე გენერიკულ დანერგვის შაბლონში. სასწავლო გეგმები, ცვლილებების მართვა, UAT, Go-Live სტრატეგია და დანერგვის შემდგომი მხარდაჭერა წარმოადგენს პროექტის ფორმალურ შედეგებს.
მიზანია გავიგოთ, როგორ მუშაობენ თანამშრომლები ამჟამად სანამ მათ მუშაობის წესს შევცვლით.
1. ტრენინგი როლების მიხედვით და არა პროგრამული უზრუნველყოფის მიხედვით
შემფასებელს არ სჭირდება იცოდეს ყველაფერი, რასაც ProjectVIEW აკეთებს.
ასევე არა საწყობის მენეჯერს.
ასევე არა CFO-ს.
DANAOS იყენებს როლებზე დაფუძნებულ სასწავლო ტრაექტორიებს, რათა მომხმარებლებმა ისწავლონ თავიანთი რეალური სამუშაოსთვის შესაბამისი პროცესები. ProjectVIEW-ის მიმდინარე ჩარჩო მოიცავს Training Needs Assessment-ს, რომელიც თითოეული სასწავლო პროგრამის განსაზღვრამდე ითვალისწინებს ERP-ის ცოდნას, ორგანიზაციულ როლს, ბიზნეს პროცესებს, ენობრივ მოთხოვნებს და მომხმარებლის ხელმისაწვდომობას.
ეს განსაკუთრებით მნიშვნელოვანია ნაკლებად ციფრულად გამოცდილი თანამშრომლებისთვის.
ტრენინგი ხდება:
“როგორ შევასრულო ჩემი სამუშაო?”
და არა:
“როგორ ვიმუშაო ამ რთულ ERP-ში?”
2. პრაქტიკული სიმულაცია Go-Live-მდე
მომხმარებლებმა მისიისთვის კრიტიკული ტექნოლოგია პირველად წარმოებაში არ უნდა ისწავლონ.
ProjectVIEW-ის ტრენინგი იყენებს სპეციალურ sandbox გარემოებს რეალისტური ბიზნეს სცენარებით, რაც თანამშრომლებს აძლევს პრაქტიკის შესაძლებლობას ცოცხალ ტრანზაქციებზე გავლენის გარეშე.
DANAOS-ის დანერგვაც მოიცავს სიმულაციის პერიოდს, რასაც თან ახლავს პრაქტიკული მხარდაჭერა გაშვებისას.
ეს განსაკუთრებით ღირებულია თანამშრომლებისთვის, რომლებიც თავს არაკომფორტულად გრძნობენ ახალ ტექნოლოგიასთან.
ნდობა მოდის განმეორებიდან და არა PowerPoint პრეზენტაციებიდან.
3. შიდა ჩემპიონების შექმნა
ცვლილებების წინააღმდეგობის დაძლევის ერთ-ერთი ყველაზე ეფექტიანი გზა არ არის IT-სთვის დანერგვაზე პასუხისმგებლობის დაკისრება.
ეს არის თითოეულ ოპერაციულ დეპარტამენტში სანდო მომხმარებლების შექმნა.
DANAOS ProjectVIEW ERP Champions პროგრამა ავითარებს მაღალკვალიფიციურ power user-ებს, რომლებსაც შეუძლიათ კოლეგების მხარდაჭერა, მრავალმოდულიანი სამუშაო პროცესების გაგება, საკითხების ესკალაცია და Go-Live-ის შემდეგ DANAOS-თან კომუნიკაცია.
გამოცდილი შესყიდვების მენეჯერი, როგორც წესი, უფრო მეტად ენდობა სხვა შესყიდვების პროფესიონალს, ვიდრე გარე AI კონსულტანტს.
ეს ქმნის თანასწორთა მიერ წარმართულ ციფრულ დანერგვას.
4. ადამიანი დატოვეთ სამუშაო პროცესში
ProjectVIEW ორგანიზაციებს საშუალებას აძლევს, დამტკიცების უფლებამოსილება ზუსტად იქ შეინარჩუნონ, სადაც ეს სჭირდებათ.
მომხმარებლები და როლები განსაზღვრავს წვდომის უფლებებს, სამუშაო პროცესები განსაზღვრავს ავტორიზაციას, ხოლო ტრანზაქციული ისტორია უზრუნველყოფს მიკვლევადობას.
ამიტომ AI ავტომატიზაცია შეიძლება ეტაპობრივად დაინერგოს:
AI აწვდის ინფორმაციას → AI გასცემს რეკომენდაციას → AI ამზადებს → AI ასრულებს დამტკიცებულ ფარგლებშიმყოფი წესების ფარგლებში.
არ არსებობს მოთხოვნა, რომ ხელით შესრულებული სამუშაოდან დაუყოვნებლივ გადავიდეთ ავტონომიურ ოპერირებაზე.
5. სწავლა გახადეთ უწყვეტი
ERP-ისა და AI-ის დანერგვა ერთჯერად სასწავლო მოვლენად არ უნდა განიხილებოდეს.
ProjectVIEW მხარს უჭერს თვითდინებით ციფრულ სწავლებას, ჩაწერილ ტრენინგს, ონლაინ დოკუმენტაციას, აპლიკაციაში ჩაშენებულ დახმარებას და როლზე მორგებულ განმეორებით ტრენინგს. ეს განსაკუთრებით მნიშვნელოვანია დაბერებული სამუშაო ძალისთვის, რადგან თანამშრომლებს შეუძლიათ ისწავლონ განსხვავებული ტემპით ისე, რომ ციფრული ტრანსფორმაციისგან არ ჩამორჩნენ.
6. ტექნოლოგიის დადასტურება მის ნდობამდე
იგივე ფილოსოფია ვრცელდება თვით AI-ზე.
ProjectVIEW-ის მიმდინარე SaaS ჩარჩო მოიცავს კონტროლირებულ სატესტო გარემოებს, User Acceptance Testing-ს და რეგრესიულ ვალიდაციას წარმოებაში ცვლილებების შეტანამდე. მნიშვნელოვანი ცვლილებები მოითხოვს UAT-ს და მომხმარებლის ხელმოწერას production cutover-მდე.
ეს ზუსტად ის გზაა, როგორც ორგანიზაციებმა AI-ს უნდა მიუდგნენ.
ნდობა უნდა დადასტურდეს და არა მოთხოვნილი იყოს.
AI შეიძლება რეალურად დაეხმაროს დაბერებულ სამუშაო ძალას
არსებობს მნიშვნელოვანი დადებითი მხარე, რომელიც ხშირად გამორჩება ყურადღებას.
AI სულაც არ არის აუცილებელი, რომ გამოცდილ მუშაკებს დაემუქროს.
მას შეუძლია იქცეს ერთ-ერთ ტექნოლოგიად, რომელიც მათ უფრო დიდხანს პროდუქტიულად დარჩენაში დაეხმარება.
OECD აღნიშნავს, რომ მომხმარებლისთვის მარტივი AI აპლიკაციები შესაძლოა უფროსი ასაკის თანამშრომლებისთვის უფრო ადვილად დასანერგი იყოს, ვიდრე რთული სპეციალიზებული პროგრამული უზრუნველყოფა, რადგან სასაუბრო სისტემებს შეუძლიათ არსებული ექსპერტიზის შევსება.
ეს პოტენციურად გარდამტეხია.
ამრიგად, საწარმოო პროგრამული უზრუნველყოფის მომავალი შესაძლოა შორდებოდეს იმ მოდელს, რომელიც გამოცდილ თანამშრომლებს აიძულებს სულ უფრო რთული ინტერფეისების დამახსოვრებას.
ამის ნაცვლად, თანამშრომლები ბუნებრივად ურთიერთობენ, ხოლო AI მათ განზრახვებს სტრუქტურირებულ საწარმოო პროცესებად თარგმნის.
ეს AI-ს პოტენციურად უფრო ინკლუზიურს ხდის, ვიდრე საწარმოო ტექნოლოგიების წინა თაობა, იმ პირობით, რომ ის სწორად არის დანერგილი.
ნამდვილი კონკურენტული უპირატესობა AI არ არის
კომპანიები, რომლებიც AI რბოლაში იმარჯვებენ, აუცილებელად არ იქნებიან ის კომპანიები, რომლებიც ყველაზე მეტ AI აგენტს დანერგავენ.
ისინი იქნებიან ორგანიზაციები, რომლებიც წარმატებით აკავშირებენ:
ადამიანის ექსპერტიზა + სანდო საწარმოო მონაცემები + AI ავტომატიზაცია + ბიზნეს წესები + მმართველობა.
ეს განსაკუთრებით მნიშვნელოვანია დაბერებულ ეკონომიკებში, როგორიცაა იაპონია, სამხრეთ კორეა და სამხრეთ ევროპა, და სულ უფრო მნიშვნელოვანი ხდება ცენტრალურ და აღმოსავლეთ ევროპასა და სწრაფად ციფრულდებად ცენტრალური აზიის ბაზრებზე.
DANAOS Projects-ისთვის ეს განსაზღვრავს ProjectVIEW ERP-ის მიმართულებას.
ჩვენ ProjectVIEW-ს წარმოვიდგენთ როგორც პროექტების ოპერირების ცენტრალურ ბრძანების ცენტრსა და ორკესტრატორს, რომელიც ქსოვს საწარმოო მონაცემთა ქსოვილს, ხოლო მიზნობრივი AI აგენტები აჩქარებენ ცალკეულ პროცესებს.
ERP უზრუნველყოფს კონტექსტსა და კონტროლს.
AI უზრუნველყოფს სიჩქარესა და ინტელექტს.
თანამშრომლები უზრუნველყოფენ გამოცდილებასა და განსჯას.
DANAOS უზრუნველყოფს დანერგვის, სწავლებისა და ცვლილებების მართვის ჩარჩოს, რომელიც ამ სამ კომპონენტს ერთად მოაქვს.
მიზანი არ არის გამოცდილი თანამშრომლებისთვის AI-სთან ღამიდან დილამდე შეგუება.
და მით უმეტეს, მიზანი არ არის იმის მოჩვენება, რომ AI უნაკლო გახდება.
მიზანი ბევრად უფრო პრაქტიკულია:
AI გახადეთ საკმარისად მარტივი გამოსაყენებლად, საკმარისად კონტროლირებადი დასაჯერებლად და საკმარისად ღირებული, რომ თანამშრომლებმა თავად აირჩიონ მისი დანერგვა.
რადგან საწარმოო AI-ს დამალული ბარიერი მოდელი არ არის.
ეს არის ის, მზად არიან თუ არა ადამიანები, რომლებიც რეალურად მართავენ ბიზნესს, მისი გამოყენებისთვის.
