Snabba AI-förslag kan skapa mer efterarbete

Ett AI-förslag kan komma på några sekunder och ändå kräva mer mänskligt arbete än den tidigare arbetsgången. Ett automatiseringsbeslut beror på arbetet fram till ett likvärdigt resultat. Modellens svarstid omfattar bara en del av vägen.

Jämför samma ärenden fram till samma resultat

I det fiktiva räkneexemplet tilldelas 100 supportärenden rätt specialistteam och tas emot för handläggning. Det betyder inte att supportproblemen är lösta. Den befintliga manuella fördelningen tar två minuter per ärende: 100 × 2 = 200 minuter.

I AI-flödet visas fördelningsförslaget snabbt. Varje ärende granskas i en minut. Därefter behöver 30 ärenden fyra ytterligare minuter var för rättningar. Avstämning och överlämning tillför en enda uppgift på 20 minuter för hela gruppen.

Rättningstiden tillkommer utöver den granskning som redan räknats. Båda vägarna slutar med likvärdigt fördelade och mottagna ärenden; samma arbete räknas inte två gånger. Exemplet ger 40 minuter mer mänskligt arbete.

Flaskhalsen kan ligga efter förslaget

Om automatiseringen levererar nya förslag snabbare än teamet slutför dem växer granskningskön. En snabb första återkoppling kan förekomma tillsammans med längre väntan på en användbar fördelning. Väntetid och aktiv handläggningstid är olika mått.

Google SRE Workbook rekommenderar att kvantifiera det faktiska arbetet före förändringar. I denna pilot bör även oklara ärenden och åldern på det äldsta vara synliga tillsammans med aktiv tid. En kort genomsnittlig modellsvarstid säger lite om dem.

Rättningar är en del av programvaran

Guidelines for Human-AI Interaction omfattar effektiva rättningar. I fördelningsgränssnittet bör medarbetare se ursprungligt ärende och förslag tillsammans och direkt kunna ändra ett felaktigt team. Att kopiera data, öppna ett annat system och återskapa sammanhanget räknas också som arbete i automatiseringen.

Bedömningen kan ändras om färre rättningar behövs eller förslagen redan kan användas tillförlitligt för ett ändamål med låg risk utan individuell granskning. Exemplet innebär inget allmänt krav på manuell kontroll av alla AI-resultat. Den resultatkvalitet som krävs måste vara lika i jämförelsen.

En bredare användning behöver därför motiveras utifrån hela arbetsgången. Om bara tiden till förslaget minskar medan rättningsarbete och oklara ärenden ökar, behöver felhanteringen och överlämningen först förbättras. Svarshastigheten ensam kan inte bära beslutet.

Källor

• Google SRE Workbook: Identifying and Recovering from Overload

• Amershi et al.: Guidelines for Human-AI Interaction (CHI 2019)