Gyorsabb elemzés, kevesebb munka? Ezen múlik az AI valódi üzleti haszna

A késznek látszó dokumentum csapdája

Egy AI-val készített vezetői összefoglalóban néhány szó is megváltoztathatja egy vállalás jelentését. Előfordulhat például, hogy a megbeszélés jegyzetében szereplő „péntekre talán elkészül” a beszámolóban már rögzített pénteki határidőként jelenik meg. A dokumentum tömör és áttekinthető, mégis olyan elvárást közvetít, amelyben a résztvevők nem állapodtak meg.

A különbség néhány szó, a következmény viszont újabb egyeztetés, félreértés vagy rosszul ütemezett munka lehet. A projektvezetőnek vissza kell keresnie, mi hangzott el, és javítania kell az anyagot. A gépelés ideje csökkent, de a teljes feladat még nem feltétlenül lett rövidebb.

- Ezért az időnyereséget az előkészítéstől a jóváhagyható végeredményig érdemes mérni. 

- Mennyi munka volt összegyűjteni az adatokat? 

- Hányszor kellett új kérést megfogalmazni? 

- Mennyi ellenőrzést és javítást igényelt a válasz? 

- Ezek alapján ítélhető meg, hogy az AI használata valóban csökkentette-e a feladatra fordított munkaidőt.

A hiányzó információt a gyors válasz sem pótolja 

A használható eredményhez már a feladat kiadásakor tisztázni kell, mi számít kész munkának. Egy vezetői beszámolónál például külön kell választani a meghozott döntéseket, a javaslatokat és a nyitott kérdéseket. Ha nincs megerősített határidő, azt hiányzó információként kell jelezni.

Érdemes ezt az AI-nak adott utasításban is rögzíteni: külön gyűjtse ki a vállalásokat és a felvetéseket, a bizonytalan adatokat pedig jelölje meg. Ez segítheti az ellenőrzést, de az eredményt továbbra is össze kell vetni a forrásokkal. Így könnyebb észrevenni, ha egy jól hangzó mondat mögül hiányzik a biztos információ.

Hasonló a helyzet, amikor egy üzleti elemző azt a kérést kapja, hogy „legyen egyszerűbb a jóváhagyás”. Ebből gyorsan készülhet részletes követelménylista, miközben még nem tisztázott, hol akad el a folyamat. 

- Túl sok embernek kell döntenie? 

- Hiányoznak az adatok? 

- Nincs helyettesítés? 

Egy pontatlanul megfogalmazott igényt a gondosan szerkesztett dokumentáció sem tesz helyessé.

Ilyenkor az AI a tisztázandó kérdések összegyűjtésében is segíthet. A válaszok birtokában már megalapozottabban lehet tovább dolgozni. Ehhez az elemzőnek fel kell ismernie, hogy az adott munkafázisban kérdésekre, alternatívákra vagy már kidolgozott dokumentációra van szükség.

Bemutatón könnyű, élesben nehezebb 

Egy bemutatón könnyű követni, hogyan születik meg egy jó válasz. Amikor viszont valaki önállóan, hiányos adatokkal és egymásnak ellentmondó elvárásokkal dolgozik, több döntést kell meghoznia: mit adjon át az eszköznek, mit ellenőrizzen, és mikor kérdezzen vissza. Ezek a döntések egymásra épülnek, így egy korai pontatlanság a folyamat későbbi szakaszaiban további hibákhoz és többletmunkához vezethet. 

Ezért az AI használatát nem általánosságban, hanem az adott szerep feladataihoz kötve érdemes elsajátítani. Egy projektvezetőnél ez a projekt előkészítését, a tervezést és a megvalósítás követését jelenti, egy üzleti elemzőnél az üzleti probléma megértését és a követelmények kidolgozását. A két munkakörben mások a buktatók, ezért a jó gyakorlatok is eltérnek.

Amikor a jó gyakorlat csapatszintre lép 

Ha valaki kialakított egy bevált munkamenetet, felmerülhet, hogy azt az egész csapat használja. Ekkor új kérdések kerülnek elő: ugyanazokhoz az adatokhoz férnek-e hozzá a munkatársak, azonos szempontok alapján ellenőrzik-e a válaszokat, és ki hagyja jóvá az elkészült anyagokat? 

A vezetőnek azt is el kell döntenie, melyik felhasználást érdemes tovább tesztelni. Egy gyakran ismétlődő, jól körülhatárolható feladatnál például összehasonlítható a korábbi és az AI-val támogatott munkamenet ráfordítása, javítási igénye és eredménye. Így a folytatásról is konkrét tapasztalatok alapján lehet dönteni.

A szervezeti keretek kialakítása ma már nemcsak hatékonysági kérdés. Az uniós mesterségesintelligencia-rendelet (AI Act) alapján az AI-rendszerek szolgáltatóinak és alkalmazóinak intézkedéseket kell tenniük az AI használatában érintett munkatársaik AI-jártasságának fejlesztéséért. A belső szabályoknak ugyanakkor a napi munkában is eligazítást kell adniuk. Például abban, hogy egy belső beszámoló melyik eszközben dolgozható fel, milyen adatok használhatók hozzá, és kihez lehet fordulni bizonytalanság esetén.

A teljes munkafolyamatot kell mérni

Mielőtt egy cég AI-fejlesztésbe vagy képzésbe fog, érdemes megnevezni egy visszatérő feladatot, amely ma túl sok időt vagy egyeztetést igényel. Ez lehet egy heti státuszjelentés, az interjújegyzetek feldolgozása vagy a követelmények pontosítása. Ebből könnyebb eldönteni, milyen tudásra van szükség a csapatban.

Néhány hét elteltével ugyanezen a feladaton vizsgálható, hogyan változott a munkavégzés. Csökkent-e az utólagos javítások száma, hamarabb kiderültek-e a döntéshez szükséges információhiányok, és rövidült-e az anyag elkészítésének teljes ideje? Az AI üzleti értéke ezekben a változásokban válik mérhetővé.

A ProMan Consulting szerepköri AI-képzései, például az „AI a projektmenedzsmentben” és a „BA szimuláció az AI korban”, esettanulmányokon és teljes munkafolyamatokon keresztül gyakoroltatják ezeket a lépéseket. A vezetői és megfelelőségi programok pedig a szervezeti keretek kialakításában segítenek. A képzésekről bővebben a ProMan Consulting oldalán lehet tájékozódni.