A livra calitate și a demonstra calitate nu sunt aceeași muncă. Prima are loc pe hala de producție, la telefon, în cod. A doua are loc după: verificare, semnalarea abaterilor, corectare, consemnarea faptului că este în ordine. Această a doua parte este locul unde apare diferența acum. Nu pentru că AI ar fi mai bun în munca de meserie, ci pentru că munca de control — partea care determină dacă o eroare este observată înainte ca clientul să o observe — poate fi parțial automatizată.
Cu un an în urmă, asigurarea calității era o chestiune de sondaje și atenție umană. Cine avea mai multă capacitate pentru control, prindea mai multe erori. Acest lucru este încă valabil la companiile unde această muncă rămâne integral în sarcina oamenilor. Dar acolo unde sistemele verifică continuu fiecare tranzacție, fiecare livrare sau fiecare rând de cod în loc de un sondaj, norma se schimbă. Nu pentru că oamenii de acolo sunt mai buni, ci pentru că acoperirea este mai mare.
În spatele fiecărei pretenții de calitate se află un lanț de sarcini. Inspecție: este acest produs, această livrare, acest rând finalizat conform acordului. Detectarea abaterilor: acest lucru se abate de la normă și l-ar fi observat cineva fără sistem. Feedback: informația ajunge la timp la persoana care poate corecta. Consemnare: există o urmă care demonstrează că s-a verificat, nu doar că rezultatul a fost bun.
Aceste sarcini se împart în cele trei categorii care revin pretutindeni. Detectarea abaterilor pe baza tiparelor din seturi mari de date este adesea ceva ce un sistem poate prelua, cu condiția ca datele să fie curate și complete. Evaluarea dacă o abatere este acceptabilă în contextul unui client specific rămâne de obicei o sarcină cu supraveghere umană: sistemul semnalează, cineva aprobă sau respinge, motivat. Iar adevărata judecată de meserie — este această muncă bună, nu doar conform normei, ci și conform simțului clientului — rămâne muncă umană. Niciuna dintre aceste trei categorii nu este organizată la fel pretutindeni, și exact de aceea comparația dintre companii măsoară acum altceva decât acum cinci ani.
Dacă munca de control este în mare parte automatizată la o companie și nu la cealaltă, nu mai comparați două companii cu același efort de calitate și un rezultat diferit. Comparați două tipuri diferite de acoperire. Compania unde este verificat fiecare rând în loc de un sondaj de cinci procente, găsește erori pe care cealaltă le ratează structural — nu printr-o muncă mai bună, ci printr-o observare mai amplă.
Acest lucru schimbă valoarea unei pretenții de calitate. „Aplicăm un control de calitate strict” însemna anterior: alocăm oameni pentru asta. Acum poate însemna și: la noi nu se pierde practic nimic pentru că controlul nu depinde de câți controlori au fost disponibili în acea săptămână. Este o promisiune diferită, și clientul care le aude pe amândouă nu știe pe care dintre cele două o aude fără să întrebe cum este organizată exact munca.
Schimbarea este vizibilă și în ceea ce rămâne pentru oameni. Acolo unde detectarea a fost preluată, funcția de calitate se deplasează spre evaluare: este această abatere o problemă, și ce facem cu ea. Aceasta este o muncă diferită de bifat și numărat, și necesită alte competențe. Companiile unde această schimbare nu a fost încă implementată, alocă această judecată de meserie tot aceloraşi oameni care făceau și bifarea — cu mai puțin timp pentru evaluare pentru că bifarea nu a fost încă eliminată.
Viteza cu care se schimbă această muncă nu depinde de dorința de a inova. Depinde de dacă datele de bază sunt suficient de structurate pentru a fi verificate automat, dacă clientul are un proces care se poate urmări facil digital, și dacă este deja stabilit ce înseamnă exact „bun” pentru acel produs sau serviciu specific. Un proces de producție cu specificații fixe se pretează mai facil la verificarea automatizată decât un proces de consultanță în care calitatea se află în mare parte în conversație.
Acesta este și motivul pentru care calitatea rareori stă izolată. Avansul pe care AI îl aduce la calitate este legat de modul în care o companie și-a organizat serviciul post-vânzare, de dacă defecțiunile sunt observate la fel de rapid pe cât sunt rezolvate, și de cunoștințele tehnice necesare pentru a evalua corect o abatere semnalată. Un sistem care semnalează o mie de abateri pe zi nu reprezintă un avans fără oameni care să știe care dintre ele contează.
Dacă un concurent și-a transferat deja parțial munca de calitate unui sistem, nu se poate vedea din exterior în rezultatul final. Se poate vedea totuși în modul în care vorbește despre asta: în termeni de acoperire și timp de execuție, sau în termeni de efort și implicare a oamenilor. Când dumneavoastră înșivă susțineți o pretenție de calitate pe care nu o puteți fundamenta cu o cifră, merită să analizați cum vă fundamentați o pretenție despre propria calitate înainte ca un client sau un concurent să facă asta în locul dumneavoastră. Și dacă se constată că sunteți în urmă pe această dimensiune, există o abordare pentru întrebarea ce faci cu o rămânere în urmă pe o dimensiune care nu începe cu panică, ci cu dovezi.
Întrebarea de fond — ce parte a muncii de calitate din compania dumneavoastră poate fi cu adevărat preluată de AI, și ce parte rămâne muncă umană — este cea la care răspunde scanul de lucru al FTE TO AI, pe sarcină, nu la nivelul întregului departament.
Ca prim pas, puteți efectua verificarea gratuită a dimensiunii: identificați pe ce credeți că câștigați și vedeți care dintre aceste pretenții poate fi apărată cu dovezi. Benchmark-ul complet, cu matricea de dovezi pentru sectorul dumneavoastră, este în curs de dezvoltare.