Доставянето на качество и доказването на качество не са една и съща работа. Първото се случва на цеха, по телефона, в кода. Второто се случва след това: проверка, отчитане на отклонения, коригиране, документиране, че всичко е наред. Именно във втората част сега възниква разликата. Не защото AI би бил по-добър в самата работа, а защото контролната работа — частта, която определя дали грешката ще бъде забелязана преди клиентът да я забележи — може отчасти да бъде автоматизирана.
Преди година осигуряването на качество беше въпрос на извадкови проверки и човешко внимание. Който имаше повече капацитет за контрол, откриваше повече грешки. Това все още важи за компании, където тази работа изцяло се извършва от хора. Но там, където системите проверяват непрекъснато всяка транзакция, всяка доставка или всеки ред код, вместо да правят извадка, нормата се променя. Не защото хората там са по-добри, а защото покритието е по-голямо.
Зад всяко твърдение за качество стои верига от задачи. Инспекция: дали този продукт, тази доставка, този ред е готов както е договорено. Откриване на отклонения: дали това излиза извън нормата и дали някой би го забелязал без системата. Обратна връзка: дали информацията стига навреме до онзи, който може да коригира. Документиране: дали има запис, който показва, че е проверено, а не само че резултатът се е получил добре.
Тези задачи се разпадат на трите категории, които се повтарят навсякъде. Откриването на отклонения въз основа на модели в големи набори от данни често е нещо, което система може да поеме, стига данните да са чисти и пълни. Оценката дали отклонение е приемливо в контекста на конкретен клиент обикновено остава задача с човешки надзор: системата сигнализира, човек одобрява или отхвърля, с обосновка. А истинската професионална преценка — дали тази работа е добра, не само според нормата, но и според усещането на възложителя — остава работа на хора. Никоя от тези три не е организирана навсякъде по еднакъв начин, и точно затова сравнението между компаниите сега измерва нещо различно от преди пет години.
Ако контролната работа в едната компания е в голяма степен автоматизирана, а в другата не е, вие вече не сравнявате две компании с еднакво усилие за качество и различен резултат. Сравнявате два различни вида покритие. Компанията, в която се проверява всеки ред вместо извадка от пет процента, намира грешки, които другата системно пропуска — не защото работи по-добре, а защото наблюдава повече.
Това променя стойността на твърдението за качество. „Ние прилагаме строг контрол на качеството" преди означаваше: ние отделяме хора за това. Сега може да означава и: при нас почти нищо не се пропуска, защото контролът не зависи от това колко проверяващи е имало на разположение тази седмица. Това е различно обещание, и клиентът, който чуе и двете, не знае кое от двете чува, без да попита как точно е организирана работата.
Промяната е видима и в това, което остава за хората. Там, където откриването е поето от системата, функцията по качество се измества към преценка: дали това отклонение е проблем и какво да се направи с него. Това е различна работа от отчитането и броенето, и изисква други умения. Компаниите, в които тази промяна още не е извършена, все още възлагат тази професионална преценка на същите хора, които са правили и отчитането — с по-малко време за преценката, защото отчитането още не е отпаднало.
Скоростта, с която се измества тази работа, не зависи от желанието за иновации. Тя зависи от дали основните данни са достатъчно структурирани, за да се проверяват автоматично, дали клиентът има процес, който лесно може да се следи цифрово, и дали вече е ясно определено какво точно означава „добре" за този конкретен продукт или услуга. Производствен процес с фиксирани спецификации се поддава по-лесно на автоматизирана проверка от консултантски процес, при който качеството се съдържа основно в разговора.
Ето защо качеството рядко стои изолирано. Предимството, което AI носи при качеството, е свързано с начина, по който компания е организирала своето обслужване след продажбата, дали неизправностите се забелязват толкова бързо, колкото се отстраняват, и с техническите познания, необходими за оценка на регистрирано отклонение. Система, която сигнализира хиляда отклонения на ден, не е предимство без хора, които знаят кое от тях има значение.
Дали конкурент вече е предал част от своята работа по качество на система, не се вижда отвън по крайния резултат. Но се вижда по начина, по който говори за нея: в термини на покритие и време за обработка, или в термини на усилие и ангажираност на хора. Когато самите вие поддържате твърдение за качество, което не можете да подкрепите с цифра, си струва да разгледате как да подкрепите твърдение за собственото си качество, преди клиент или конкурент да го направи вместо вас. И ако се окаже, че сте изостанали по това измерение, съществува подход към въпроса какво правите с изоставане по едно измерение, който не започва с паника, а с доказателства.
Основният въпрос — коя част от работата по качеството във вашата компания наистина може да бъде поета от AI, и коя част остава работа на хора — отговаря работният анализ на FTE TO AI по задача, не на ниво цял отдел.
Като първа стъпка можете да направите безплатната проверка по измерение: посочвате къде смятате, че печелите, и виждате кое от тези твърдения може да се защити с доказателства. Пълният бенчмарк, с матрицата от доказателства за вашия сектор, е в процес на изграждане.