Как роботы изменяют структуру клининга.
Роботы безусловно изменили процесс уборки, но основанные критерии уборки никто не отменял.
Автономные машины и инструменты планирования на основе ИИ сегодня применяются во всех сферах обслуживания зданий и сооружений. Самое сложное в этих переменах — не сама технология, а решения людей, которые теперь контролируют её внедрение.
Зайдите на крупный объект, где работают автономные поломоечные машины, — и вы увидите, что машина- робот скрупулёзно выполняет поставленную задачу согласно заложенных в нее алгоритмов. Возникает вопрос: что в это время происходит с людьми которые находятся сейчас рядом с ней.
Оператор, который раньше сам управлял поломойкой и обслуживал ее, теперь прокладывает маршруты, составляет отчёты о повреждениях, исправляет ошибки и решает, когда, где и сколько времени техника должна работать. Супервайзер, который раньше обходил объект с проверкой, теперь сидит за пультом управлении я и анализирует данные с мониторов, утверждает графики, созданные программой, и отвечает перед клиентом за качество уборки, и высылает ему всю интересующую его информацию по уборке данного объекта. Процесс уборки видоизменился — он перешел в руки тех, кто принимает решения. Но в большинстве организаций так никто и не переписал должностные инструкции.
И это очень важно, потому что способность быстро принимать решения под давлением сейчас происходит повсеместно, а не только в клининге. Ученые выяснили что, в 2004 году время удерживание внимания на одном экране монитора составляло две с половиной минуты, прежде чем переключиться и всего 47 секунд сегодня. Работники умственного труда переключаются между приложениями примерно 1200 раз в день. Это говорит о том, что внимание человека с развитием технологий все больше рассеивается, и ИИ этому только способствует.
У автоматизации есть еще и второй негативный эффект.
Исследователи фиксируют так называемую «предвзятость автоматизации» ещё с 1990-х годов. Как только система выдаёт ответ, люди перестают искать то, что она упустила. Так происходит даже с экспертами, и предупреждения здесь им не помогают, они просто их игнорируют. Недавнее рандомизированное исследование (РКИ) показали цену такой зависимости: так студенты, пользовавшиеся ИИ-репетитором, показывали на 48% лучшие результаты, пока он был доступен, — и на 17% худшие, чем те, кто им никогда не пользовался, после того как его убрали. Чем слабее становятся навыки, тем сильнее растёт потребность в инструменте. Наш мозг устроен так, что он идет всегда по пути наименьшего сопротивления и очень быстро привыкает минимизировать свои усилия, там, где это только возможно.
К примеру, в договоре на уборку это выглядит совершенно обыденно. На карте убираемой зоны отмечен зелёный участок — это угол, в который обычно никто не убирает, потому что там никто не ходит и уборка там по факту часто не нужна. Код ошибки сбрасывают, потому что обычно он ничего не значит. График, сгенерированный программой, сохраняют, потому что на его проверку нет времени. Каждое такое решение вроде бы мелочь. Но в конечном итоге они будут решать, насколько будет чисто на данном объекте и будет ли в итоге договор продлён.
Хорошая новость состоит в том, что в инструкции, опубликованной в *PNAS*, версия инструмента, разработана так, чтобы не выполнять действия за пользователя, практически свела вред к нулю. Проблема не в технологии, а в том, как определены условия её использования.
Для подрядчиков и управляющих объектов это означает четыре практических шага.
Во-первых, измените роль руководителя до запуска машин, а не после. Решите, какие проверки остаются в его ведении, какие исключения он должен проверять лично и что должно считаться успешным завершением работы машины.
Во-вторых, оценивайте человеческий фактор при формировании алгоритма и программы уборки. Показатели безотказной работы техники и убираемой площади говорят о том, что машина работает эффективно. Но они не говорят о том, продолжает ли кто-то её контролировать и периодически осматривать на месте качество работы.
В-третьих, следите за вниманием. Все оповещения и уведомления конкурируют за один и тот же дефицитный ресурс, за наше внимание. Если поступаемых сигналов будет меньше, но они будут более качественные, то и количество данных будет больше, которые мы в состоянии проанализировать и принять правильное решение.
В-четвёртых, отрабатывайте навыки, поддерживающие способность принимать решения: умение формулировать вопросы к отчёту, управлять направлением и концентрации внимания, проверять понимание и выявлять то, что система не смогла определить. Эти навыки можно тренировать и развивать так же, как и любые другие рабочие навыки.
Индустрия клининга всегда быстро внедряла различного рода инновации. Следующим шагом должно стать повышенное внимание и чуткое отношение к людям, которые с ним работают. Когда мы механизировали физический труд, мы не пренебрегали заботой о здоровье людей: мы внедрили эргономику, правила техники безопасности и обучение. Теперь, когда мы начали автоматизировать мыслительные процессы, к части принятия решений сотрудников стоит относиться с таким же вниманием и осторожностью.
