AI-მ შეიძლება ექსპერტები წაგართვათ: რა ვნახეთ, როცა პარსერებმა კვირაში 60 საათი გაათავისუფლეს

ამ კვირაში რამდენიმე ტექსტი ერთსა და იმავე აზრამდე მივიდა: AI თანამშრომლებს რუტინას ართმევს, რუტინასთან ერთად კი კომპანიიდან გამოცდილებაც მიდის. ვინც წლების განმავლობაში სადაზღვევო ხარჯთაღრიცხვებს გადაბეჭდავდა, იცოდა, რომელი მათგანია სუფთა მხოლოდ ერთი შეხედვით. თუ დოკუმენტებს ახლა პარსერი კითხულობს, ადამიანი კი სამსახურიდან წავიდა, ეს ცოდნა მასთან ერთად მიდის. ბიზნესის მფლობელისთვის კითხვა პრაქტიკულია: ორი წლის შემდეგ ვინ აუხსნის ახალბედას, რატომ უნდა ნახოს ეს განაცხადი ადამიანმა საკუთარი თვალით.

რა გამოვიდა

Camunda-მ 26 ოქტომბერს გამოაქვეყნა სადაზღვევო კომპანიებზე საკუთარი კვლევის მიმოხილვა. AI-სთან ან ავტომატიზაციასთან მომუშავე თანამშრომლების 43%-ს შედეგის ხელით გადაკეთება უწევდა, რადგან პროცესი მასზე არ იყო მორგებული. 73%-ს არ ჰკითხეს, როგორ უნდა დაეხმაროს AI მათ მუშაობას, ხოლო ათიდან ოთხი ცუდად დანერგილი AI-ის გამო სამსახურის შეცვლას განიხილავდა. Sedgwick-ის მონაცემებით, რომლებსაც Camunda იმოწმებს, ზარალის დარეგულირების სპეციალისტების თითქმის მეოთხედი 2027 წლის ბოლომდე პენსიაზე გავა. ორკესტრაციის ვენდორის რეცეპტი მოსალოდნელია: ექსპერტების წესები პროცესის მოდელში გადაიტანეთ, და ცოდნა კომპანიაში დარჩება.

FreightWaves-მა 23 ოქტომბერს განიხილა ASCM-ისა და DSCI-ის ანგარიში AI-ზე მიწოდების ჯაჭვებში, რომელიც 14 ოქტომბერს გამოვიდა. გამოკითხულთა 83% თვლის, რომ მათი თანამშრომლები AI-სთან სამუშაოდ მზად არ არიან. იმ 17%-ში, ვისაც მზა გუნდი ჰყავს, წარმატებული პროექტების წილი 71%-ია, დანარჩენებთან 28%. ჩემთვის ყველაზე ახლოს ASCM-ის ხელმძღვანელის, Abe Eshkenazi-ის სიტყვებია: ადრე სპეციალისტს განსჯა მაშინ უყალიბდებოდა, როცა ანგარიშებს თვითონ აგროვებდა და ცხრილებს თვითონ ამუშავებდა. ახლა ამ სამუშაოს AI იღებს, ადამიანს კი გადაწყვეტილებების მისაღებად საფუძვლის გარეშე სვამენ.

იქვე 19 ოქტომბერს გამოვიდა Evos-ის პარტნიორული მასალა დისპეტჩერების ცოდნაზე, რომელიც არსად წერია. Evos 14 ოქტომბერს გაეშვა და კომპანიებს ჰპირდება, რომ გუნდისგან მთელ სამუშაო უბნებს აიღებს, დისპეტჩერიზაციიდან ბილინგამდე. კომპანიის ლოგიკას ონბორდინგზე კითხვებით აგროვებენ, მაგალითად: „რატომ წავიდა ეს ტვირთი იმ მანქანით და არა ახლით“. ამ სარეკლამო ტექსტში შედეგების ციფრები არ არის. მაგრამ ამოცანა სწორადაა დასმული: წესები, რომლებითაც დისპეტჩერი გადაწყვეტილებას იღებს, მის თავში ინახება.

იმავეზე Directum-მა 26 ოქტომბერს Habr-ზე დაწერა: კომპანიას შეიძლება ასობით რეგლამენტი და ინსტრუქცია ჰქონდეს, ყველაზე პოპულარული სტანდარტი კი მაინც ზეპირია: „მითხარი, როგორ კეთდება ეს“. მხოლოდ ანონსი ვნახე, ამიტომ სტატიის დასკვნებზე არ ვმსჯელობ.

Pew Research Center-მა 22 ოქტომბერს 480 პროფესია დათვალა: AI-ის ზემოქმედების ყოველ პუნქტზე კაცების დასაქმება 6,3%-ით გაიზარდა, ქალებისა თითქმის არ შეცვლილა, 0,2%. პირდაპირ მიზეზობრივ კავშირს Pew არ ამტკიცებს.

SaaStr-მა 19 ოქტომბერს გადმოსცა Anthropic-ის ანგარიში საკუთარ თანამშრომლებზე. ჯუნიორების წილი ახალ ტექნიკურ დაქირავებებში 27%-დან 9%-მდე დაეცა. აგვისტოსთვის აგენტები 6-ჯერ მეტ საათს მუშაობდნენ, ვიდრე ადამიანები, რომლებიც მათ მართავენ, და დროის დაახლოებით 80% ადამიანის პასუხს ელოდნენ. ჩემთვის მთავარი სტრიქონი ჯუნიორებზეა: თუ კომპანია დამწყებების აყვანას შეწყვეტს, რამდენიმე წელიწადში ექსპერტებად გასაზრდელი აღარავინ იქნება.

მაგალითი: წარმოება და ტექნოლოგი

ავიღოთ წარმოება, სადაც ნაწარმის შემადგენლობა Excel-სპეციფიკაციებშია აღწერილი. ტექნოლოგმა იცის, რომ შესაღები დეტალები ერთი პარტიით უნდა გაიგზავნოს, თორემ ელფერი განსხვავებული გამოვა. სანამ ის შეკვეთას ხელით ითვლის, ახალგაზრდა კონსტრუქტორი გვერდით უზის და სწავლობს. თუ შეკვეთას პროგრამა ერთ წუთში ითვლის, ახალგაზრდა კონსტრუქტორი მზა პასუხს იღებს და ვერ იგებს, რატომაა ის ასეთი.

დასკვნა: ავტომატიზაციამ მონაცემების გადატანა უნდა აიღოს, წესები კი თვალსაჩინო დატოვოს. წესი „შეღებვა ერთი პარტიით“ სიტყვებით უნდა ეწეროს იქ, სადაც შემდეგი ადამიანი წაიკითხავს: კოდსა და დოკუმენტაციაში.

რა მოხდა ჩვენთან, როცა პარსერებმა 60 საათი გაათავისუფლეს

2021 წლიდან აშშ-ში PDR-ის სფეროს კომპანიის ტექნიკური პარტნიორი ვარ. 2023 წელს სადაზღვევო ხარჯთაღრიცხვების, აქტებისა და VIN-იანი ფოტოების პარსერებზე მუშაობა დავიწყე. მაშინ დოკუმენტების დაახლოებით ნახევარი ხელით შესწორების გარეშე გადიოდა, 2024 წელს დაახლოებით 75%, 2025-ში დაახლოებით 95%. 2026 წელს AI-ვალიდატორები დავამატე და სარელიზო ვერსია გამოვუშვი: დოკუმენტების დაახლოებით 99,9% შესწორების გარეშე გადის. ასე კვირაში დაახლოებით 60 საათი თავისუფლდება, რომელიც ადრე ხელით სამუშაოზე იხარჯებოდა.

სად არის ახლა იმ თანამშრომლების ცოდნა, ვინც ადრე ხარჯთაღრიცხვებს გადაბეჭდავდა? ნაწილობრივ ჩემს კოდში. მთავარ სამუშაოს საკუთარი ლოგიკა აკეთებს, რომელმაც იცის, როგორაა ეს დოკუმენტები მოწყობილი: რომელი საკვანძო სიტყვებით ეძებოს მნიშვნელობები, როდის ეკუთვნის სტრიქონი სხვა თემას, ვიდრე მასში წერია, როგორ ერთიანდება პოზიციები ჯგუფებად. ცოდნის ნაწილი ადამიანებთან დარჩა: საბოლოო შემოწმებას თანამშრომელი აკეთებს, ხოლო დოკუმენტები, რომლებშიც პარსერი დარწმუნებული არ იყო, ადამიანთან ბრუნდება.

ამ ხნის განმავლობაში კომპანია 20 ადამიანიდან 30-ზე მეტამდე გაიზარდა, ლიდების ნაკადი ყოველწლიურად რამდენჯერმე იზრდება, გაყიდვების გუნდი კი ოდნავ გაიზარდა. თანამშრომლები, რომლებიც ადრე დოკუმენტებს ცხრილში გადაბეჭდავდნენ, უფრო მნიშვნელოვანი ამოცანებით არიან დაკავებული.

რას გავაკეთებდი

ავტომატიზაციამდე წესებს ჩავიწერდი იმ ადამიანთან ერთად, ვინც ამ სამუშაოს აკეთებს. გამონაკლისების სიაც საკმარისია: „თუ ხარჯთაღრიცხვაში ასეთი და ასეთი სტრიქონია, თვალით შეამოწმე“.

ადამიანთან დაბრუნების გზას დავტოვებდი და დავითვლიდი, რამდენად ხშირად იყენებენ მას. თუ საეჭვო დოკუმენტები ბევრია, წესები დახვეწეთ, შემოწმება კი დატოვეთ.

შევინარჩუნებდი ამოცანას, რომელზეც ახალბედები სწავლობენ. ახალმა თანამშრომელმა პირველი კვირა პარსერის შედეგი ხელით შეამოწმოს, ასე დოკუმენტებს გაიცნობს.

იმაზე, როგორ ვკითხულობ ციფრებს ვენდორების ქეისებიდან, ცალკე მიმოხილვა მაქვს. ადრე განვიხილე, სად ჩერდება სწრაფად მომზადებული საქმე. შემოწმების მიდგომა აღწერილია სტატიაში AI მონაცემის დამუშავებაში და მიმართულებებში AI პროცესში, სადაც შედეგის შემოწმება შეიძლება და პროცესის ავტომატიზაცია. ქეისები: დოკუმენტების პარსერები და ტექნიკური პარტნიორობა PDR-კომპანიასთან. თუ თქვენთან გამოცდილება ორი ადამიანის თავში ინახება, მომიყევით, რა ამოცანებს წყვეტენ ისინი. ამოცანის განხილვა.