Di Mana Keandalan Berakhir
Otomasi Memiliki Bentuk
Setiap sistem terotomasi memiliki wilayah di mana ia berfungsi & wilayah di mana ia gagal. Gambar kedua wilayah tersebut pada bidang & Anda akan mendapatkan batas kemampuhan: kurva yang memisahkan perilaku yang andal dari kegagalan.
Letakkan dua sumbu di bawahnya. Sumbu horizontal mengukur kompleksitas & kebaruan tugas: seberapa jauh suatu tugas berada dari kasus-kasus biasa yang menjadi dasar pembangunan sistem. Sumbu vertikal mengukur taruhan: seberapa besar biaya dari output yang salah.
Di dekat titik asal, tugas-tugas bersifat rutin & bertaruh rendah. Sistem menanganinya dengan mudah. Ini adalah wilayah andal: kerjakan dengan bebas di dalamnya.
Jauh dari titik asal, tugas bersifat baru & berisiko tinggi. Sistem hanya menebak, & tebakan tersebut mahal. Ini adalah wilayah kegagalan: lakukan pekerjaan ini sendiri.
Di antara keduanya terdapat sebuah pita di sepanjang garis batas (frontier) itu sendiri. Di sini, sistem sering kali benar tetapi tidak dapat diandalkan. Ini adalah pita verifikasi: biarkan mesin membuat draf, tetapi periksa setiap keluaran sebelum Anda mempercayainya.
Seluruh disiplin ilmu dalam bekerja dengan otomasi mereduksi menjadi satu kebiasaan geometris: ketahui wilayah di mana tugas Anda berada, & bertindak sesuai dengan itu.
Membaca Tiga Wilayah
Seorang rekan kerja memasukkan alat baru ke dalam alur kerja Anda & berkata "biarkan saja berjalan untuk semua hal."
Dua Kurva dan Titik Persilangan
Apa yang Harus Didelegasikan adalah Titik Persilangan
Mengetahui bahwa suatu tugas berada di dalam frontier memberi tahu kamu bahwa mesin bisa melakukannya. Hal itu tidak memberi tahu kamu bahwa mesin seharusnya melakukannya. Untuk itu, plot dua kurva.
Susun tugas-tugas Anda di sepanjang sumbu horizontal, diurutkan dari yang ditangani mesin dengan hasil terburuk di sebelah kiri hingga yang ditangani dengan hasil terbaik di sebelah kanan. Di sumbu vertikal, plotkan keterampilan per tugas.
Gambarkan kurva keterampilan manusia & kurva keterampilan mesin di sepanjang tugas-tugas tersebut. Di suatu titik, keduanya bersilangan. Titik persilangan tersebut adalah jawaban geometris untuk pertanyaan "tugas apa yang sebaiknya saya delegasikan?"
Di sebelah kanan titik persilangan, kurva mesin berada di atas kurva manusia: serahkan tugas-tugas tersebut. Di sebelah kiri, kurva manusia berada di atas: pertahankan tugas-tugas tersebut.
Bagian yang halus adalah tentang keunggulan komparatif, bukan absolut. Anda mungkin lebih cepat daripada mesin di hampir semua hal. Namun, tetap menguntungkan untuk mendelegasikan tugas-tugas di mana mesin relatif kuat, karena hal itu membebaskan jam kerja Anda untuk tugas-tugas di mana keunggulan Anda paling besar. Titik persilangan adalah tentang kemiringan relatif, bukan siapa yang lebih baik secara terpisah.
Ini adalah geometri yang sama yang digunakan oleh ekonom untuk perdagangan antara dua produsen: total output meningkat ketika masing-masing berspesialisasi di tempat keunggulan relatifnya berada, bahkan jika satu produsen lebih baik di semua hal.
Menemukan Garis
Anda menjalankan studio kecil. Secara pribadi, Anda lebih baik daripada alat otomatis Anda di setiap tugas yang Anda lakukan. Minggu Anda penuh, sehingga jam yang dihabiskan di satu tempat tidak dapat dihabiskan di tempat lain.
Kesalahan Berkembang Seiring Output
Leverage Mengalikan ke Dua Arah
Otomatisasi adalah tuas. Tarik sekali & Anda mendapatkan banyak keluaran untuk satu unit usaha. Keluaran tumbuh secara linear dengan jumlah item yang Anda proses: kirim N item, dapatkan N hasil.
Masalahnya adalah kesalahan menunggangi tuas yang sama. Jika sistem menghasilkan hasil yang salah dengan probabilitas p pada setiap item, maka di seluruh N item, jumlah kesalahan yang diharapkan adalah:
kesalahan yang diharapkan = p x N
Ini hanyalah rata-rata dari jumlah N percobaan independen, masing-masing salah dengan probabilitas p. Gandakan volume Anda & Anda menggandakan cacat yang diharapkan. Jumlah kesalahan bukan biaya tetap yang Anda bayar sekali; ia tumbuh seiring dengan tuas Anda.
Satu baris itu mengubah cara Anda memverifikasi. Pada N = 10, tingkat kesalahan 2% berarti sekitar satu kesalahan yang diharapkan: mudah untuk ditangkap secara visual. Pada N = 100.000, 2% yang sama berarti 2.000 kesalahan yang diharapkan dikirim ke dunia. Sistem yang sama, keandalan per item yang sama, paparan yang sangat berbeda.
Jadi aturannya: verifikasi harus berskala dengan tuas. Semakin banyak tuas mengalikan keluaran Anda, semakin banyak ia mengalikan kesalahan yang harus Anda tangkap, & anggaran pemeriksaan Anda harus tumbuh seiring dengan N, bukan tetap.
Menghitung Cacat
Sebuah pipeline otomatis memformat daftar produk. Pada setiap daftar, ia memperkenalkan kesalahan dengan probabilitas p = 0,02 (tingkat kesalahan 2%). Anda menjalankannya pada N = 4.000 daftar dalam satu batch.
Verifikasi di Mana Produknya Besar
Dua Dimensi, Satu Hasil
Jumlah kesalahan yang diharapkan memberi tahu Anda berapa banyak kesalahan yang harus diantisipasi. Hal ini tidak memberi tahu Anda seberapa besar dampak masing-masing kesalahan. Catatan internal yang salah format & angka yang salah dalam pengisian pajak bukanlah cacat yang sama.
Jadi, tambahkan dimensi kedua. Pada satu sumbu, letakkan probabilitas kesalahan. Pada sumbu lainnya, letakkan biaya satu kesalahan. Setiap tugas adalah titik pada bidang tersebut, & kuantitas yang seharusnya menggerakkan upaya verifikasi Anda adalah hasil kali:
upaya verifikasi harus berskala dengan (probabilitas kesalahan) x (biaya kesalahan)
Dibaca sebagai permukaan, hasil kali tersebut naik menuju sudut di mana keduanya tinggi & turun menuju sudut di mana keduanya rendah. Perhatian verifikasi Anda harus mengikuti ketinggian permukaan tersebut.
Sudut-sudutnya mudah. Sering & katastrofik: verifikasi dengan ketat. Jarang & sepele: hampir tidak perlu dicek. Kasus yang paling mengilhami adalah sudut-sudut di luar diagonal. Kesalahan yang jarang tetapi katastrofik tetap membutuhkan verifikasi yang berat, karena biaya besar tersebut menggerakkan hasil kali meskipun probabilitasnya kecil. Kesalahan yang sering tetapi sepele mungkin hampir tidak layak diverifikasi, karena biaya yang kecil menjaga hasil kali tetap rendah tidak peduli seberapa sering hal itu terjadi.
Inilah mengapa "seberapa andal?" adalah pertanyaan tunggal yang salah. Keandalan adalah satu sumbu. Biaya adalah sumbu lainnya. Anda memverifikasi berdasarkan hasil kali dari keduanya.
Mana yang Mendapat Pemeriksaan
Dua tugas otomatis berjalan di toko Anda.
Tugas A membuat draf pengingat internal rutin. Tugas ini sering kali salah, tetapi kesalahan pengingat hampir tidak menimbulkan biaya: seseorang akan tersenyum & memperbaikinya.
Tugas B mengajukan dokumen regulasi. Tugas ini jarang salah, tetapi satu pengajuan yang salah adalah bencana: denda, risiko hukum, hilangnya kepercayaan.
Geometri Profesional
Di Mana Ini Berujung
Sistem otomatis kini berada di antara manusia & porsi yang terus bertambah dari perdagangan & pekerjaan berbasis pengetahuan. Mereka membuat draf, mengurutkan, menetapkan harga, merutekan, & merangkum. Profesional yang bekerja dengan baik di samping mereka bukanlah yang paling banyak atau paling sedikit mempercayainya. Melainkan yang mampu membaca geometrinya.
Tiga bentuk membawa penilaian tersebut:
- Frontier: ketahui di mana keandalan berakhir. Delegasikan di dalamnya, verifikasi di sepanjangnya, & biarkan bagian luarnya tetap di tangan manusia.
- Crossover: ketahui apa yang harus diserahkan. Delegasikan sisi yang menguntungkan mesin dari persimpangan tersebut, & ingat bahwa waktu yang terbatas menjadikan keunggulan relatif sebagai faktor penentu.
- Leverage & permukaan kesalahan: kesalahan yang diharapkan = p x N tumbuh seiring skala, sehingga verifikasi harus berskala dengan leverage, diberi bobot berdasarkan probabilitas x biaya agar perhatian Anda tertuju pada tempat di mana kesalahan kemungkinan besar terjadi & mahal.
Tidak ada dari semua ini yang tentang bagian internal mesin. Ini tentang geometri: wilayah, batas, titik persimpangan, & produk. Dapatkan geometrinya dengan benar & alat tersebut akan memperkuat Anda. Dapatkan salah & ia akan memperkuat kesalahan Anda dengan laju yang sama.
Geometri Otomasi: Ringkasan
Apa yang Telah Anda Pelajari
Menentukan apa yang harus diotomasi adalah penerapan geometri:
- Frontier kompetensi: kurva antara wilayah andal & wilayah kegagalan. Delegasikan di dalam, verifikasi di sepanjang pita, dan biarkan wilayah di luar tetap di tangan manusia.
- Titik temu keunggulan komparatif: urutkan tugas Anda, plot keterampilan manusia terhadap keterampilan mesin, & serahkan sisi yang diuntungkan mesin dari titik persilangan tersebut. Waktu yang terbatas membuat keunggulan relatif menjadi penentu, bahkan ketika Anda secara absolut lebih baik.
- Leverage & skala: output tumbuh secara linear dengan volume, & begitu pula kesalahan. Kesalahan yang diharapkan = p x N. Tingkat 2% pada 4.000 item berarti 80 cacat yang diharapkan, sehingga verifikasi harus berskala dengan leverage.
- Permukaan biaya kesalahan: verifikasi secara proporsional terhadap (probabilitas kesalahan) x (biaya kesalahan). Kesalahan yang jarang tetapi katastrofik dapat melampaui kesalahan yang sering tetapi sepele.
Mesin melipatgandakan apa pun yang Anda arahkan padanya. Baca geometrinya dengan benar & ia akan melipatgandakan jangkauan Anda. Baca dengan salah & ia akan melipatgandakan kesalahan Anda dengan kecepatan yang sama.