Hãy hỏi năm thành viên trong nhóm của bạn xem họ đã dành bao nhiêu phần trăm thời gian trong tuần cho các công việc đã cam kết. Bạn sẽ nhận được năm câu trả lời khác nhau, và ít nhất một câu “không biết”.
Khoảng cách đó không liên quan gì đến việc có ai trong nhóm sử dụng AI hay không. Các nhà quản lý từ trước đến nay vẫn chỉ dựa vào phỏng đoán. Số lượng công việc không đồng nghĩa với nỗ lực bỏ ra, một tuần làm việc 40 giờ không bao giờ thực sự là 40 giờ công việc, và người không bao giờ phản đối sẽ âm thầm gánh vác phần việc còn lại. Các bảng tính chỉ ghi nhận được điều đó một lần mỗi quý, nếu có.
Quản lý khối lượng công việc bằng AI thu hẹp khoảng cách đó bằng cách theo dõi sức chứa liên tục thay vì hồi tố. Và thời điểm là yếu tố quan trọng: ActivTrak đã nghiên cứu 443 triệu giờ làm việc tại 1.111 tổ chức và phát hiện ra rằng tỷ lệ áp dụng AI tăng từ 53% lên 80%, trong khi khối lượng công việc vẫn tiếp tục gia tăng. Mỗi công việc mà AI đảm nhận đã để lại một công việc nhỏ hơn. Sản lượng tăng, tình trạng quá tải vẫn như cũ, nhưng lại khó hiển thị nguyên nhân hơn.
Tóm tắt
Quản lý khối lượng công việc bằng AI sử dụng trí tuệ nhân tạo để đánh giá khối lượng công việc được phân công so với sức chứa thực tế, sau đó điều chỉnh lại cân bằng khi tình hình thay đổi. Hãy xem đây như một quá trình lập kế hoạch sức chứa và cân bằng khối lượng công việc, được hoàn thành liên tục thay vì chỉ là một hoạt động định kỳ hàng quý.
Khung này hoạt động trên bốn lớp, theo thứ tự nghiêm ngặt: hiển thị, ước tính, tái cân bằng và tự động hóa. Nếu bỏ qua một lớp, tất cả các lớp phía trên sẽ phải gánh chịu hậu quả của lỗ hổng đó. AI tái cân bằng các số tốt một cách xuất sắc. Tuy nhiên, nó chỉ làm cho các số xấu di chuyển nhanh hơn mà thôi.
Dưới đây: cả bốn lớp, quy trình thiết lập gồm sáu bước để triển khai chúng, và cách thức áp dụng này khác nhau như thế nào giữa các cơ quan, nhóm tiếp thị, nhóm phát triển phần mềm và các văn phòng quản lý dự án (PMO).
Ghi chú: Nếu bạn tìm kiếm cụm từ “quản lý khối lượng công việc AI” với mong đợi liên quan đến GPU, thì đây không phải là nội dung bạn đang tìm kiếm. Trong lĩnh vực hạ tầng, “khối lượng công việc AI” là một tác vụ tính toán (huấn luyện mô hình, tinh chỉnh hoặc suy luận chạy trên GPU). Bài viết này đề cập đến ý nghĩa khác: quản lý khối lượng công việc của nhóm bằng AI, cân đối công việc được giao cho nhân viên với sức chứa của họ. Cùng một cụm từ, nhưng thuộc hai lĩnh vực hoàn toàn khác nhau.
Quản lý khối lượng công việc AI là gì?
Quản lý khối lượng công việc bằng AI sử dụng trí tuệ nhân tạo (AI) để so sánh khối lượng công việc được giao cho nhóm với sức chứa thực tế của họ, sau đó tự động điều chỉnh lại cân bằng theo thời gian thực khi tình hình thay đổi. Hệ thống này tổng hợp bốn yếu tố đầu vào mà hầu hết các nhóm thường theo dõi riêng lẻ (công việc, ước lượng thời gian, hạn chót và khả năng sẵn sàng của từng thành viên) thành một yếu tố duy nhất, đồng thời phát hiện các sự mất cân bằng mà con người có thể bỏ qua cho đến khi quá muộn.
Ví dụ, nếu một dự án của khách hàng bị trì hoãn ba ngày, hệ thống có thể xác định các công việc phụ thuộc, tính toán lại dòng thời gian và thông báo cho những người có khối lượng công việc bị ảnh hưởng. Sau đó, người quản lý có thể phê duyệt các thay đổi thay vì phải xây dựng lại dòng thời gian thủ công.
Ý tưởng này dựa trên hai lĩnh vực truyền thống. Quản lý khối lượng công việc phân phối công việc cho các thành viên trong nhóm để đảm bảo khối lượng công việc được phân phối đều và phù hợp với thực tế. Lập kế hoạch năng lực dự báo khối lượng công việc mà một nhóm có thể đảm nhận trong một kỳ nhất định. AI không thay thế bất kỳ phương pháp nào trong số đó. Nó chỉ giúp vận hành cả hai quy trình này liên tục thay vì thực hiện mỗi quý một lần trên bảng tính.
Khung quản lý khối lượng công việc AI: Bốn lớp
Quản lý khối lượng công việc bằng AI hoạt động thông qua bốn lớp kết nối với nhau: khả năng hiển thị, ước tính, tái cân bằng và tự động hóa. Mỗi lớp giải quyết một vấn đề khác nhau, nhưng hệ thống chỉ hoạt động hiệu quả khi các lớp này hoạt động theo trình tự.
Đầu tiên, tổ chức cần có chế độ xem chính xác về sức chứa sẵn có. Tiếp theo, tổ chức cần có các ước tính thực tế về lượng sức chứa mà mỗi công việc sẽ tiêu tốn. Khi hai yếu tố đầu vào này đã đáng tin cậy, AI có thể đề xuất các điều chỉnh khi nhu cầu vượt quá sức chứa. Lớp cuối cùng tự động hóa các điều chỉnh định kỳ tuân theo các quy tắc rõ ràng và đã được phê duyệt.
Việc bỏ qua một lớp sẽ làm suy yếu toàn bộ các lớp phía trên nó. Ví dụ, hệ thống AI không thể đề xuất việc phân công lại công việc hữu ích nếu dữ liệu khối lượng công việc đã lỗi thời. Và việc tự động hóa đề xuất đó chỉ khiến lỗi xảy ra nhanh hơn mà thôi.
| Tầng | Câu hỏi mà khung này giải đáp | Chức năng của nó | Những gì sẽ gặp trục trặc nếu thiếu nó |
|---|---|---|---|
| Hiển thị | Hiện tại, ai đang có sức chứa? | So sánh khối lượng công việc được phân công với thời gian rảnh của từng người | Các nhà quản lý thường dựa vào dữ liệu khối lượng công việc không đầy đủ hoặc đã lỗi thời |
| Dự toán | Công việc này sẽ cần bao nhiêu sức chứa? | Dự đoán thời gian và nỗ lực cần thiết để hoàn thành các công việc | Các kế hoạch phụ thuộc vào các ước tính quá lạc quan hoặc không nhất quán |
| Tái cân bằng | Điều gì cần thay đổi khi nhu cầu vượt quá sức chứa? | Đề xuất di chuyển, hoãn lại, chia nhỏ hoặc sắp xếp lại mức độ ưu tiên của công việc | Các nhóm có thể nhận thấy tình trạng quá tải nhưng vẫn gặp khó khăn trong việc giải quyết vấn đề này |
| Tự động hóa | Những thay đổi định kỳ nào có thể diễn ra mà không cần can thiệp thủ công? | Áp dụng các quy tắc đã được phê duyệt để phân công lại, điều chỉnh lịch trình và chuyển công việc lên cấp trên | Các nhà quản lý phải liên tục duy trì kế hoạch này bằng tay |
Lớp 1: Hiển thị năng lực sức chứa thực tế
Hãy bắt đầu với câu hỏi có vẻ không mấy hấp dẫn: nhóm này thực sự có thể đảm nhận những công việc gì trong tuần này?
Số lượng công việc sẽ không cho bạn biết điều này. Năm công việc phê duyệt nhỏ đòi hỏi ít nỗ lực hơn so với một chiến dịch phức tạp. Hai nhà thiết kế, mỗi người có chín công việc, có thể trải qua những tuần làm việc hoàn toàn khác nhau. Vì vậy, con số quan trọng không phải là số công việc được giao, mà là mức độ nỗ lực ước tính so với số giờ làm việc thực tế có sẵn.
Và phần lớn số giờ đó thực tế không tồn tại. Các cuộc họp, kỳ nghỉ theo kế hoạch, làm việc bán thời gian vào thứ Sáu, ca trực hỗ trợ, buổi đánh giá định kỳ vào thứ Hai: tất cả những hoạt động này đều được trừ ra trước tiên trước khi ai đó bắt tay vào công việc dự án. Nếu thiếu bối cảnh này, một người có thể trông như đang rảnh rỗi dù phần lớn thời gian trong tuần của họ đã được commit sẵn.
AI hỗ trợ bằng cách duy trì tính cập nhật của hình ảnh này. Khi các công việc được tạo mới, phân công lại, hoãn lại hoặc hoàn thành, hệ thống sẽ cập nhật chế độ xem của khối lượng công việc.
Tầng 2: Ước tính dựa trên công việc thực tế
Giờ đến câu hỏi khó hơn: công việc sẽ tiêu tốn bao nhiêu phần trăm sức chứa đó?
Các nhóm thường ước tính công việc dựa trên trí nhớ, trực giác hoặc kịch bản lạc quan nhất. Việc dựa vào trí nhớ có thể bỏ qua các chu kỳ rà soát, các mối phụ thuộc, các lần sửa đổi và thời gian bị mất khi chuyển đổi giữa các công việc không liên quan. Do đó, ước tính chỉ bao quát công việc chính mà bỏ qua mọi yếu tố xung quanh công việc đó.
AI thu hẹp khoảng cách bằng cách so sánh công việc mới với các công việc tương tự đã hoàn thành trước đó. Hệ thống xem xét các yếu tố như loại công việc, độ phức tạp, người thực hiện, số lượng yếu tố phụ thuộc và thời gian hoàn thành trước đây. Ví dụ, nếu việc đánh giá chiến dịch thường mất sáu giờ thay vì ba giờ như ước lượng trong giai đoạn lập kế hoạch, hệ thống sẽ không lấy con số ba làm cơ sở cho các lịch trình trong tương lai.
Không ai đòi hỏi một dự báo hoàn hảo. Không có ước tính nào có thể trụ vững trước sự thay đổi ý kiến của khách hàng. Mục tiêu ở đây hẹp hơn và hữu ích hơn: thay thế những phỏng đoán thiếu nhất quán bằng một phạm vi dự báo đáng tin cậy, được xây dựng dựa trên công việc mà bạn đã thực sự hoàn thành.
Tầng 3: Tái cân bằng trước khi sự chậm trễ lan rộng
Quá tải không phải lúc nào cũng là vấn đề phân công công việc, và đây chính là điểm mà phần lớn các công cụ thường mắc sai lầm.
Chuyển công việc cho người nào còn dư sức là một lựa chọn. Đôi khi đó là lựa chọn đúng đắn. Tuy nhiên, điều này cũng tạo ra chi phí chuyển giao và làm mất đi quyền sở hữu. Thường thì giải pháp tiết kiệm hơn lại nằm ở một hướng hoàn toàn khác: lùi ngày đáo hạn, chia nhỏ công việc, thu hẹp phạm vi, hạ mức ưu tiên hoặc hoãn lại những việc mà không ai đang chờ đợi.
Một đề xuất từ AI nên có khả năng so sánh các phương án này và hiển thị chi phí của từng phương án. Quyết định cuối cùng vẫn thuộc về người quản lý, đặc biệt khi các yếu tố như khách hàng, ngân sách hoặc các quyết định chiến lược được đưa vào cân nhắc. Điều mà AI loại bỏ chính là 20 phút tìm kiếm thông tin cần thiết mà người quản lý phải thực hiện trước khi có thể đưa ra bất kỳ quyết định nào.
Tầng 4: Tự động hóa để duy trì kế hoạch
Khi dữ liệu sức chứa đã ổn định và các quy tắc cho những thay đổi thường gặp đã được ghi chép rõ ràng, các tác vụ lặp đi lặp lại có thể tự động thực hiện: điều chỉnh ngày hạn chót khi cột mốc bị lùi, chuyển yêu cầu định kỳ đến người có khả năng tiếp nhận, đánh dấu công việc chưa có người phụ trách, và thông báo cho người phụ trách khi nhu cầu dự kiến vượt quá giới hạn.
Hãy điều chỉnh mức độ tự động hóa phù hợp với mức độ rủi ro. Các thay đổi hành chính có rủi ro thấp, như cập nhật ngày hết hạn, có thể được tự động hóa. Các quyết định có tác động lớn hơn, như phân công công việc của khách hàng giữa các nhân viên, cần phải có sự phê duyệt.
Đây chính là lý do tại sao tự động hóa lại được thực hiện ở bước cuối cùng. Quá trình này phụ thuộc vào dữ liệu khối lượng công việc chính xác, các ước tính đáng tin cậy và các quy tắc cân bằng lại rõ ràng. Khi những nền tảng này còn yếu kém, tự động hóa chỉ đơn thuần áp dụng các quyết định kém hiệu quả một cách nhanh hơn và trên quy mô lớn hơn.
Xem thêm: AI trong kế hoạch nguồn lực
Cách cài đặt quản lý khối lượng công việc AI trong 6 bước
Việc thiết lập quản lý khối lượng công việc AI bao gồm sáu bước: chuẩn hóa quyền sở hữu, chọn một đơn vị công việc, tính toán sức chứa thực tế, thiết lập ngưỡng, thực hiện quá trình hiệu chỉnh trong hai tuần và xác định những gì AI có thể tự điều chỉnh.
Thông thường, bạn có thể xây dựng phiên bản đầu tiên trong vòng một tuần, nhưng đó chưa phải là đích đến. Việc thiết lập ban đầu sẽ cung cấp cho bạn một nền tảng hoạt động cơ bản. Trong vài tuần tiếp theo, bạn sẽ đánh giá được liệu dữ liệu, ngưỡng và các khuyến nghị có đủ tin cậy để áp dụng hay không.
1. Xác định rõ quyền sở hữu trước khi triển khai AI
Hãy bắt đầu từ cấu trúc công việc, vì AI không thể phân tích hiệu quả các công việc có trách nhiệm không rõ ràng hoặc được chia sẻ.
Mỗi công việc cần có một người chịu trách nhiệm thúc đẩy tiến độ. Điều đó không có nghĩa là một người phải làm tất cả. Điều đó có nghĩa là hệ thống luôn có thể xác định được ai là người chịu trách nhiệm cho kết quả tiếp theo. Khi có nhiều người cùng tham gia, hãy chia công việc thành các công việc con riêng biệt:
- Viết bản nháp đầu tiên: Được giao cho người viết
- Kiểm tra độ chính xác: Đã giao cho chuyên gia trong lĩnh vực này
- Chỉnh sửa và xuất bản: Được giao cho trình chỉnh sửa
Mẹo chuyên nghiệp: Kiểm tra mẫu 20 công việc đang hoạt động trước khi tiếp tục. Nếu quyền sở hữu trong nhóm nhỏ đó còn mơ hồ, tình hình sẽ còn tồi tệ hơn trên toàn bộ không gian làm việc.
2. Chọn một đơn vị nỗ lực và kiên trì với nó
Chọn cách nhóm sẽ thể hiện khối lượng công việc, sau đó duy trì nguyên tắc đó. Ba tùy chọn phổ biến:
| Đơn vị nỗ lực | Phù hợp nhất với | Giới hạn chính |
|---|---|---|
| Giờ | Các nhóm có thời lượng thực hiện công việc có thể dự đoán được | Có thể tạo ra độ chính xác sai lệch |
| Điểm câu chuyện | Các nhóm sản phẩm và kỹ thuật | Khó so sánh hơn giữa các hàm |
| Các mức độ nỗ lực | Các nhóm cần một điểm khởi đầu đơn giản | Ít chính xác hơn trong việc lập kế hoạch sức chứa |
Phương pháp cụ thể không quan trọng bằng tính nhất quán. Một nhóm nếu ước tính một số công việc theo giờ, một số khác theo các nhãn kích thước mơ hồ và nhiều công việc khác thì không ước tính gì cả, sẽ không tạo ra được dữ liệu khối lượng công việc hữu ích.
Nếu bạn sử dụng các mức độ nỗ lực, hãy mô tả chi tiết chúng:
- Cấp độ Nhỏ: Dưới hai giờ
- Mức độ: Từ hai đến sáu giờ
- Lớn: Hơn sáu giờ
Nếu không có các định nghĩa chung, công việc “nhỏ” đối với người này có thể là công việc cả ngày đối với người khác. Hãy bắt đầu với khối lượng công việc mà nhóm của bạn có khả năng hoàn thành nhất, và điều chỉnh dần sau khi có dữ liệu hoàn thành thực tế.
3. Tính toán sức chứa cơ sở cho từng người
Hãy đặt ra một giới hạn thực tế cho mọi người và kiềm chế việc sử dụng giờ làm việc theo hợp đồng. Một tuần làm việc 40 giờ thường chứa đầy các cuộc họp, công việc quản trị viên, yêu cầu hỗ trợ và các cam kết khác, khiến thời gian dành cho công việc đã có kế hoạch bị thu hẹp.
Sử dụng công thức tính sau:
Sức chứa sử dụng được = Số giờ đã ký hợp đồng − Các cam kết cố định − Thời gian nghỉ phép theo kế hoạch − Công việc vận hành định kỳ
| Phân bổ thời gian hàng tuần | Giờ |
|---|---|
| Số giờ theo hợp đồng | 40 |
| Các cuộc họp | −7 |
| Công việc hành chính | −3 |
| Luân phiên hỗ trợ | −4 |
| Sức chứa dự án có thể sử dụng | 26 |
Con số 26 giờ đó là số mà hệ thống quản lý khối lượng công việc nên sử dụng cho các công việc dự án có kế hoạch.
Sức chứa cũng nên thay đổi tùy theo từng cá nhân. Một trưởng nhóm có thể dành phần lớn thời gian cho các cuộc họp, trong khi một chuyên gia có ít cuộc họp hơn nhưng lại có nhiều công việc đánh giá định kỳ hơn. Việc áp dụng một cài đặt mặc định chung cho tất cả mọi người tuy dễ thiết lập hơn, nhưng sẽ không hiệu quả trong thực tế. Hãy xem xét lại các giới hạn này ít nhất mỗi tháng một lần, và bất cứ khi nào lịch trình của ai đó có thay đổi.
4. Cài đặt các ngưỡng khối lượng công việc mà nhóm có thể can thiệp
Một chế độ xem theo dõi khối lượng công việc chỉ thực sự có giá trị khi các mức cảnh báo mang ý nghĩa cụ thể:
- Màu xanh lá cây: Lên đến 80% sức chứa khả dụng
- Màu vàng: 81% đến 100%
- Màu đỏ: Trên 100%
Những số này chỉ là điểm khởi đầu. Một số nhóm cần nhiều khoảng trống hơn vì công việc của họ khó dự đoán. Trong khi đó, các nhóm khác có thể hoạt động sát với giới hạn hơn vì công việc của họ đã được tiêu chuẩn hóa và dễ dàng điều chỉnh lại lịch trình.
Bí quyết thực sự nằm ở việc liên kết từng ngưỡng với một hành động cụ thể.
| Trạng thái | Ví dụ về ngưỡng | Phản hồi dự kiến |
|---|---|---|
| Có sẵn | Dưới 80% | Có thể phân công công việc mới |
| Gần đạt sức chứa tối đa | 81% đến 100% | Xem xét các ưu tiên trước khi thêm công việc |
| Quá tải | Trên 100% | Di chuyển, trì hoãn, chia nhỏ hoặc hạ mức ưu tiên công việc |
Mẹo chuyên nghiệp: Đặt ngưỡng theo vai trò khi cần thiết. Một đội ngũ hỗ trợ có thể cần nhiều sức chứa dự phòng hơn so với đội ngũ làm việc trên các dự án nội bộ có tính dự đoán cao.
5. Thực hiện kỳ hiệu chỉnh trong hai tuần
Trước khi thực hiện bất kỳ đề xuất nào từ AI, hãy đánh giá mức độ chính xác của hệ thống trong việc phản ánh công việc thực tế. Trong ít nhất hai tuần, so sánh các dự báo của hệ thống với kết quả thực tế. Đang theo dõi:
- Ước lượng thời gian so với thời gian thực tế
- Rủi ro về thời hạn dự kiến so với việc không đáp ứng thời hạn
- Cảnh báo về sức chứa so với phán đoán của người quản lý
- Các đề xuất phân công lại so với các quyết định của quản lý
- Các cảnh báo sai không dẫn đến vấn đề thực tế
Đây là cách để phân biệt lỗi do AI gây ra với lỗi do dữ liệu. Ví dụ, nếu hệ thống liên tục đánh dấu ai đó là quá tải, hãy kiểm tra xem:
- Sức chứa của họ được cài đặt ở mức quá thấp
- Các công việc cũ vẫn được đánh dấu là đang hoạt động
- Các cuộc họp và thời gian nghỉ được lập lại
- Các ước tính công việc bị thổi phồng
- Các công việc được chia sẻ đang bị tính gấp đôi
Đừng vội kết luận rằng mô hình sai cho đến khi bạn đã kiểm tra lại thiết lập. Nhưng cũng đừng cho rằng thiết lập luôn sai trong mọi trường hợp. Việc hiệu chỉnh nhằm xác định điểm mà hệ thống gặp sự cố và lý do tại sao.
Một bảng tổng quan đơn giản sẽ giúp bạn:
| Dự đoán bằng AI | Kết quả thực tế | Nguyên nhân gây ra sự không khớp | Cần có sự thay đổi |
|---|---|---|---|
| Thời hạn có khả năng bị lùi lại | Công việc hoàn thành đúng hạn | Dự toán quá cao | Cập nhật quy tắc ước tính |
| Nhân viên quá tải | Không có vấn đề nào xảy ra | Công việc cũ vẫn còn đang mở | Cải thiện quy trình thực hiện công việc |
| Dự án đang đi đúng hướng | Quá hạn | Phụ thuộc không được ghi lại | Thêm dữ liệu phụ thuộc |
Sau khi hoàn thành, bạn sẽ biết nên tin tưởng vào những tín hiệu nào và những tín hiệu nào vẫn cần sự kiểm tra của con người.
6. Xác định những gì AI có thể thay đổi và những gì cần được phê duyệt
Bước cuối cùng là quản trị. Quyết định những hành động nào hệ thống có thể tự thực hiện, những hành động nào hệ thống chỉ có thể đề xuất, và những hành động nào vẫn hoàn toàn do con người quyết định.
| Cấp độ kiểm soát | Các hành động phù hợp |
|---|---|
| Tự động | Gửi cảnh báo, cập nhật các mốc thời gian phụ thuộc, đánh dấu các ước tính còn thiếu |
| Cần được phê duyệt | Phân công lại công việc, điều chỉnh mức độ ưu tiên, điều chỉnh thời hạn |
| Chỉ thực hiện thủ công | Hoãn việc ra mắt, chuyển giao quyền sở hữu khách hàng, điều chỉnh cam kết về nhân sự |
Hãy đảm bảo các hành động tự động hóa ban đầu có phạm vi hẹp và dễ đảo ngược. Việc điều chỉnh nhẹ một mốc thời gian phụ thuộc sẽ dễ dàng đảo ngược hơn nhiều so với việc chuyển giao một dự án khách hàng có giá trị cao sang một nhóm khác.
Hãy ghi lại lý do đằng sau mỗi quy tắc, chẳng hạn như:
- Cảnh báo trưởng nhóm khi có thành viên vượt quá 100% sức chứa trong hơn hai ngày
- Chỉ đề xuất phân công lại công việc khi có người khác đủ năng lực và đang có sức chứa dưới 80%
- Không được thay đổi các mốc thời gian đã commit với bên ngoài mà không có sự phê duyệt của người quản lý
- Không được phân công lại các công việc được đánh dấu là bí mật hoặc chỉ dành cho chuyên gia
Khi mọi người hiểu được lý do tại sao một hành động lại xảy ra, họ sẽ sẵn lòng tin tưởng vào hành động đó hơn rất nhiều.
Ý kiến nhanh: Nút "bỏ qua" không được coi là sự phê duyệt của con người
Trong các tài liệu mà Amazon nộp trong một vụ tranh chấp với Ủy ban Quan hệ Lao động Quốc gia (NLRB), công ty cho biết hệ thống của họ theo dõi năng suất của từng nhân viên và tự động tạo ra các cảnh báo hoặc thông báo sa thải mà không cần sự can thiệp của người giám sát. Amazon cũng cung cấp các hồ sơ cho thấy khoảng 300 nhân viên toàn thời gian tại một kho hàng ở Baltimore đã bị sa thải vì lý do năng suất trong khoảng 14 tháng.
Lập luận bào chữa của công ty là các giám sát viên có thể can thiệp vào quy trình, và người lao động có thể khiếu nại. Tuy nhiên, điều đó vẫn khiến hành động tự động hóa trở thành mặc định.
Đó chính là bài học toàn diện về quản trị khi áp dụng AI trong quản lý khối lượng công việc. Đối với những thay đổi có tác động lớn, như tước quyền sở hữu, phân công lại công việc chiến lược, cắt giảm giờ làm việc của ai đó hoặc can thiệp vào hồ sơ hiệu suất, việc xem xét bởi con người là bước không thể bỏ qua. Hãy tạm dừng quy trình làm việc cho đến khi một người có chuyên môn kiểm tra bằng chứng, đánh giá bối cảnh mà hệ thống không thể nhận diện được, và ký tên xác nhận quyết định.
Việc có thể đảo ngược một quyết định sau này không giống như việc yêu cầu phải đồng ý trước khi quyết định đó được thực hiện.
Quản lý khối lượng công việc của nhóm bằng AI trên bốn loại nhóm
Quản lý khối lượng công việc bằng AI tuân theo cùng một logic cơ bản trên toàn tổ chức: nó giúp hiển thị các cam kết phân tán, dự đoán những nơi có thể phát sinh áp lực và hỗ trợ các nhà quản lý so sánh các phương án thay đổi khả thi trước khi điều chỉnh công việc.
Điều thay đổi tùy theo từng nhóm là quyết định được đưa ra. Điều đó có nghĩa là:
1. Các công ty quảng cáo và dịch vụ chuyên nghiệp: Bảo vệ biên lợi nhuận, không chỉ là tỷ lệ sử dụng
Đối với một công ty quảng cáo, lịch làm việc kín không nhất thiết đồng nghĩa với khối lượng công việc hợp lý. Một nhà thiết kế có thể bận rộn suốt cả tuần nhưng lại dành quá nhiều thời gian cho các bản sửa đổi ngoài kế hoạch, công việc nội bộ hoặc một tài khoản đã vượt quá ngân sách.
Trong trường hợp này, AI sẽ đối chiếu từng yêu cầu đang mở với ngân sách hiện tại, biên lợi nhuận, kỹ năng và thời gian thực hiện các công việc tương tự. Sau đó, hệ thống sẽ xếp hạng các phương án thực hiện dựa trên mức độ mà chúng giúp bảo vệ biên lợi nhuận.
Ví dụ: Khi nhận được yêu cầu từ khách hàng mới, hệ thống có thể đánh giá số giờ làm việc khả dụng, kỹ năng cần thiết, ngân sách dự án, thời hạn và thời gian hoàn thành các dự án trước đó. Sau đó, hệ thống sẽ đề xuất cho người phụ trách tài khoản phương án ít gây xáo trộn nhất: điều chỉnh công việc nội bộ, điều chỉnh một phần yêu cầu, thuê freelancer hoặc đàm phán lại thời hạn.
Sự phân biệt này rất quan trọng vì các công ty dịch vụ chuyên nghiệp hiện đang phải đối mặt với áp lực về biên lợi nhuận. Báo cáo “Chỉ số Đánh giá Mức độ Phát triển của Dịch vụ Chuyên nghiệp”, dựa trên dữ liệu từ 403 tổ chức, cho biết tỷ lệ sử dụng thời gian tính phí trung bình năm ngoái đã giảm xuống còn 68,9%, trong khi tỷ suất EBITDA giảm xuống còn 9,8%.
Những chỉ số KPI nào đáng để theo dõi?
- Biên lợi nhuận dự kiến so với thực tế của dự án: Quyết định về khối lượng công việc có giúp bảo vệ biên lợi nhuận dự kiến hay không?
- Tỷ lệ sử dụng có thể tính phí theo vai trò: Công việc có được phân bổ cho những người có kỹ năng phù hợp hay chỉ đơn thuần là giữ cho mọi người bận rộn?
- Tỷ lệ nỗ lực ngoài kế hoạch: Tỷ lệ phần trăm thời gian thực hiện dự án dành cho việc sửa đổi, làm lại hoặc công việc nằm ngoài phạm vi đã thỏa thuận là bao nhiêu?
- Chi phí tái phân công: Bao nhiêu thời gian đã bị mất do việc bàn giao công việc, họp giao ban và chuyển giao bối cảnh?
2. Nhóm tiếp thị: Chỉ ra những ưu tiên nào sẽ bị thay thế khi có ưu tiên mới
Các nhà lãnh đạo marketing cần biết điều gì sẽ xảy ra với phần còn lại của kế hoạch nếu họ chấp nhận một yêu cầu mới.
Ở đây, AI theo dõi một thay đổi ưu tiên duy nhất qua từng chủ sở hữu và tài sản ở các giai đoạn sau, sau đó mô hình hóa từng lộ trình khắc phục (cắt giảm phạm vi, hoãn cập nhật định kỳ, rút ngắn thời gian phê duyệt, bổ sung hỗ trợ) cùng với chi phí tương ứng. Khi bạn nhận một công việc khẩn cấp, điều gì đó khác sẽ phải hy sinh: thời hạn bị lùi lại, một tài sản bị cắt giảm, hoặc ai đó phải làm việc muộn. AI sẽ chỉ ra chính xác điều nào sẽ xảy ra trước khi bạn commit, thay vì để bạn phải tự phát hiện ra sau này.
Ví dụ: Giả sử thời điểm ra mắt sản phẩm được đẩy lên sớm một tuần. Hệ thống sẽ đánh dấu từng nhà văn, nhà thiết kế, người đánh giá và người phê duyệt bị ảnh hưởng, đồng thời so sánh các phương án để bù đắp thời gian bị thiếu hụt.
Những chỉ số KPI nào đáng để theo dõi?
- Thời gian từ khi nhận yêu cầu đến khi commit: Mất bao lâu để đánh giá một yêu cầu và đưa ra phản hồi thực tế?
- Tỷ lệ thay thế ưu tiên: Có bao nhiêu công việc đã có kế hoạch bị dời lịch khi có công việc khẩn cấp xuất hiện?
- Thời gian chu kỳ chiến dịch: Việc phân bổ nguồn lực hiệu quả hơn có giúp rút ngắn thời gian từ khi nhận yêu cầu đến khi ra mắt không?
- Đánh giá tình trạng tắc nghẽn: Công việc phải chờ bao lâu để được phê duyệt từ bộ phận pháp lý, thương hiệu hoặc ban lãnh đạo?
3. Nhóm phát triển phần mềm: Dự đoán công việc sẽ được phân bổ như thế nào
Các nhóm phát triển phần mềm hiện đang theo dõi các sprint, ước tính, người chịu trách nhiệm và các mối phụ thuộc. Vấn đề khó khăn hơn là công việc bị tắc nghẽn có thể biến mất khỏi chế độ xem tổng quan về sức chứa hiện tại, rồi sau đó quay trở lại dưới dạng một gói công việc nén lại bao gồm lập trình, tích hợp, kiểm thử và làm lại.
Tại đây, AI theo dõi các công việc bị tắc nghẽn dọc theo chuỗi phụ thuộc và dự báo thời điểm cũng như vị trí mà tải công việc sẽ đổ dồn vào. Một nhà phát triển trông có vẻ rảnh rỗi trong đợt sprint này nhưng sẽ bị quá tải trong đợt tiếp theo sẽ được đánh dấu ngay từ bây giờ, giúp bạn có thể chủ động xử lý khi còn thời gian.
Ví dụ: Giả sử việc tích hợp API bị chậm trễ bốn ngày. Hệ thống có thể hiển thị rằng nhà phát triển frontend hiện đang rảnh rỗi, nhưng sẽ vượt quá giới hạn trong sprint tiếp theo. Khi đó, người quản lý có thể chuyển một story, chia nhỏ công việc tích hợp hoặc sắp xếp lại thứ tự phát hành trước khi công việc bị chậm trễ đến hạn.
Đây cũng là lúc các nhóm cần đánh giá các yếu tố khác ngoài tốc độ viết mã của từng cá nhân. Nghiên cứu của DORA về AI tạo sinh trong phát triển phần mềm cho thấy việc tăng 25% mức độ áp dụng AI đi kèm với việc giảm 1,5% năng suất triển khai và giảm 7,2% độ ổn định của quá trình triển khai. DORA cho rằng việc tạo mã nhanh hơn có thể dẫn đến các lô mã lớn hơn, khiến quá trình kiểm tra mất nhiều thời gian hơn và gây ra nhiều bất ổn hơn.
Những chỉ số KPI nào đáng để theo dõi?
- Công việc bị chặn chuyển sang sprint tiếp theo: Có bao nhiêu công việc được chuyển sang sprint tiếp theo do phụ thuộc chưa được giải quyết?
- Độ chính xác của dự báo đỉnh sức chứa: Tần suất mà tình trạng quá tải được dự báo thực sự xảy ra khi công việc bị trì hoãn được giải phóng là bao nhiêu?
- Thời gian thực hiện thay đổi: Mất bao lâu để một thay đổi được triển khai từ giai đoạn commit đến môi trường sản xuất?
- Tỷ lệ phải làm lại sau triển khai: Có bao nhiêu công việc ngoài kế hoạch phát sinh sau các lần triển khai thất bại hoặc gặp sự cố?
4. PMO và các nhóm vận hành: Làm rõ các sự đánh đổi trong danh mục đầu tư
Một PMO cần có cái nhìn tổng quan về nhu cầu nhân lực trên các dự án thường được lập kế hoạch riêng lẻ. Cùng một chuyên gia bảo mật, chuyên viên kiểm toán tài chính hoặc nhà phân tích dữ liệu có thể được phân bổ với khối lượng công việc nhẹ trong từng kế hoạch dự án, nhưng lại bị quá tải nghiêm trọng trên toàn danh mục đầu tư.
AI có thể kết hợp các yêu cầu đó, xác định điểm hạn chế chia sẻ và kiểm tra xem điều gì sẽ xảy ra khi một dự án nhận được tài nguyên trước dự án khác.
Ví dụ: AI cho thấy việc dời cột mốc ba ngày sẽ giúp bảo đảm hai đợt ra mắt có mức độ ưu tiên cao hơn, trong khi việc giữ nguyên các cột mốc đó sẽ cần sự hỗ trợ từ bên ngoài.
Quyết định cuối cùng vẫn thuộc về ban lãnh đạo danh mục đầu tư. Hệ thống có thể không biết rằng một dự án nào đó có thời hạn tuân thủ quy định, bảo vệ một tài khoản lớn hoặc hỗ trợ mục tiêu chiến lược chính của công ty, trừ khi bối cảnh đó đã được ghi lại.
Những chỉ số KPI nào đáng để theo dõi?
- Thời gian phản ứng đối với xung đột tài nguyên: PMO phát hiện sớm đến mức nào khi hai dự án cần cùng một người?
- Thời gian ra quyết định trong kịch bản: Mất bao lâu để so sánh và phê duyệt một kế hoạch danh mục đầu tư thay thế?
- Tỷ lệ phù hợp với ưu tiên: Tỷ lệ phần trăm sức chứa hạn chế được phân bổ cho các sáng kiến được xếp hạng cao nhất của tổ chức là bao nhiêu?
- Tỷ lệ thay đổi danh mục đầu tư: Tần suất nhân sự được điều chuyển sau khi công việc dự án đã bắt đầu là bao nhiêu?
- Tập trung các hạn chế: Có bao nhiêu dự án đang hoạt động phụ thuộc vào cùng một nhân sự hoặc kỹ năng khan hiếm?
Cách chọn công cụ quản lý khối lượng công việc AI
Hãy đánh giá một công cụ quản lý khối lượng công việc AI dựa trên chất lượng của các sự đánh đổi mà nó mang lại, chứ không phải dựa trên độ rộng của danh sách tính năng. Năm yếu tố phân biệt một hệ thống thực sự với một bảng điều khiển chỉ được dán nhãn AI: mức độ bao quát công việc của bạn mà hệ thống có thể nắm bắt, liệu hệ thống có hiển thị chi phí của từng đề xuất hay không, liệu hệ thống có giải thích cơ sở xếp hạng của chính mình hay không, liệu hệ thống có phân biệt được các ràng buộc cứng với các ưu tiên hay không, và liệu hệ thống có thừa nhận khi dự báo của mình thiếu cơ sở hay không.
Trong giai đoạn dùng thử hoặc buổi demo của nhà cung cấp, đừng chỉ chú ý đến các nhãn như dự đoán, thông minh hay tự động hóa. Yêu cầu sản phẩm thể hiện cách nó xử lý các quyết định mà các nhà quản lý đưa ra trong tình huống áp lực. Đưa ra một tình huống thực tế: một đợt ra mắt sản phẩm được đẩy lên sớm một tuần, hoặc một chuyên gia đang đảm nhận ba dự án cùng lúc. Sau đó, hãy quan sát phản hồi của hệ thống.
Dưới đây là những câu hỏi bạn nên đặt ra:
Sau khi đã chọn một giải pháp, hãy đo lường những chỉ số đúng đắn. Các bảng điều khiển của nhà cung cấp thường tập trung vào số lượng cảnh báo, số lượng đề xuất và số lần thay đổi tự động hóa được thực hiện. Những con số này chỉ làm nổi bật công cụ mà không cho bạn biết liệu nó có thực sự hữu ích hay không. Thay vào đó, hãy theo dõi các chỉ số sau: tỷ lệ chấp nhận đề xuất, số lần đảo ngược sau khi phân công lại, thời gian lập kế hoạch được tiết kiệm, lỗi dự báo và các xung đột được phát hiện trước khi công việc bắt đầu.
Hãy đánh giá một công cụ quản lý khối lượng công việc AI dựa trên chất lượng của các sự đánh đổi mà nó mang lại, chứ không phải dựa trên độ rộng của danh sách tính năng. Năm yếu tố phân biệt một hệ thống thực sự với một bảng điều khiển chỉ được dán nhãn AI: mức độ bao quát công việc của bạn mà hệ thống có thể nắm bắt, liệu hệ thống có hiển thị chi phí của từng đề xuất hay không, liệu hệ thống có giải thích cơ sở xếp hạng của chính mình hay không, liệu hệ thống có phân biệt được các ràng buộc cứng với các ưu tiên hay không, và liệu hệ thống có thừa nhận khi dự báo của mình thiếu cơ sở hay không.
Trong giai đoạn dùng thử hoặc buổi demo của nhà cung cấp, đừng chỉ chú ý đến các nhãn như dự đoán, thông minh hay tự động hóa. Yêu cầu sản phẩm thể hiện cách nó xử lý các quyết định mà các nhà quản lý đưa ra trong tình huống áp lực. Đưa ra một tình huống thực tế: một đợt ra mắt sản phẩm được đẩy lên sớm một tuần, hoặc một chuyên gia đang đảm nhận ba dự án cùng lúc. Sau đó, hãy quan sát phản hồi của hệ thống.
Dưới đây là những câu hỏi bạn nên đặt ra:
- AI có thể nắm bắt được bao nhiêu phần công việc thực tế của bạn? AI chỉ có thể phân tích những công việc mà nó có quyền truy cập. Nếu các công việc nằm trong một hệ thống, các phiếu yêu cầu nằm trong hệ thống khác, và một nửa số cam kết thực tế nằm trong các chủ đề trò chuyện và hộp thư đến, thì dự báo sẽ chỉ được xây dựng dựa trên một phần nhỏ của khối lượng công việc. Vì vậy, hãy đặt một câu hỏi đơn giản: bao nhiêu phần trăm công việc mà nhóm của tôi thực hiện trong tuần này sẽ hiển thị trong công cụ này? Đồng thời, hãy hỏi xem phần còn lại sẽ ra sao. Một số công cụ tích hợp và kéo dữ liệu đó vào. Một số công cụ lại dự báo như thể phần còn lại không tồn tại. Loại thứ hai sẽ cho bạn biết ai đó còn thời gian rảnh trong khi thực tế không phải vậy
- Công cụ này có hiển thị chi phí của từng đề xuất không? Nếu một công cụ đề xuất di chuyển một công việc, nó nên cho bạn biết việc di chuyển đó sẽ gây ra những ảnh hưởng gì. Hạn chót nào sẽ thay đổi, khối lượng công việc của ai sẽ tăng lên, chi phí tính phí sẽ thay đổi ra sao, và phụ thuộc nào sẽ trở nên rủi ro hơn. Việc phân công lại công việc tốn kém nhất nhưng lại ít được tính toán nhất. Giao công việc cho người mới sẽ dẫn đến thời gian hướng dẫn, công việc trùng lặp, ngày làm việc đầu tiên chậm chạp và mất bối cảnh. Một công cụ bỏ qua những yếu tố này sẽ làm gọn biểu đồ khối lượng công việc nhưng lại làm chậm tiến độ triển khai. Một đề xuất không kèm theo hậu quả chỉ là một phỏng đoán mà người quản lý phải kiểm tra thủ công.
- Hệ thống có thể giải thích tại sao một lựa chọn lại được xếp hạng cao hơn lựa chọn khác không? Hãy hỏi tại sao hệ thống lại chọn Người A thay vì Người B. Một câu trả lời thực sự phải nêu rõ các yếu tố cụ thể: kỹ năng, các cam kết hiện tại, lịch sử công việc, quyền sở hữu khách hàng, quyền truy cập, múi giờ. “Phù hợp nhất” không phải là câu trả lời. Nếu lý do là một “hộp đen”, mọi đề xuất vẫn cần được xem xét thủ công, và bạn chưa tự động hóa được gì cả. Tệ hơn nữa, nhóm của bạn sẽ ngừng tin tưởng vào kết quả trong vòng một tháng, và đó chính là cách mà những triển khai này thực sự thất bại.
- Công cụ này có phân biệt được giữa ràng buộc cứng và ưu tiên không? Một số điều kiện không thể thay đổi: chứng nhận bảo mật, thời hạn theo quy định, quyền sở hữu do khách hàng quy định, yêu cầu về ngôn ngữ. Những điều kiện khác chỉ là ưu tiên, như giữ công việc trong một pod. Các công cụ kém hiệu quả sẽ kết hợp cả hai thành một điểm số duy nhất, do đó, một ưu tiên mềm có thể lấn át một quy tắc cứng. Hãy thử nghiệm điều này một cách có chủ đích. Tạo ra một tình huống trong đó người duy nhất có sức chứa dư thừa lại là người không được phép tham gia vào công việc đó, sau đó xem liệu công cụ có đề xuất người đó hay không
- Công cụ có thông báo cho bạn khi dự báo không chính xác không? Hãy hỏi xem điều gì sẽ xảy ra vào ngày đầu tiên, trước khi có bất kỳ lịch sử hoàn thành nào để tham khảo. Các công cụ mạnh mẽ sẽ thể hiện mức độ không chắc chắn của chúng: phạm vi độ tin cậy, nhãn độ tin cậy thấp, cảnh báo về dữ liệu thiếu. Trong khi đó, các công cụ yếu kém sẽ đưa ra cho bạn một ngày chính xác bất kể tình huống nào. Đó là kết quả nguy hiểm nhất trong danh mục này, bởi vì một số được đưa ra một cách tự tin sẽ khiến bạn cam kết những điều mà bạn không thể thực hiện được.
Sau khi đã chọn một giải pháp, hãy đo lường những chỉ số đúng đắn. Các bảng điều khiển của nhà cung cấp thường tập trung vào số lượng cảnh báo, số lượng đề xuất và số lần thay đổi tự động hóa được thực hiện. Những con số này chỉ làm nổi bật công cụ mà không cho bạn biết liệu nó có thực sự hữu ích hay không. Thay vào đó, hãy theo dõi các chỉ số sau: tỷ lệ chấp nhận đề xuất, số lần điều chỉnh lại sau khi phân công lại, thời gian lập kế hoạch được tiết kiệm, lỗi dự báo và các xung đột được phát hiện trước khi công việc bắt đầu.
Độ sâu bối cảnh chính là yếu tố phân biệt giữa quản lý khối lượng công việc thực sự và những chiêu trò AI. Một trợ lý lập lịch chỉ xem lịch của bạn sẽ vui vẻ sắp xếp lịch trình dày đặc cho bạn vì nó không thể nhìn thấy mười hai công việc mà bạn đang phải xử lý. Sự khác biệt đó chính là điểm phân biệt thực sự giữa phần mềm quản lý tài nguyên AI và một trợ lý bổ sung đơn thuần.
Cách thức hoạt động của Quản lý khối lượng công việc bằng AI trong ClickUp
AI không thể quản lý khối lượng công việc hiệu quả khi các công việc bị phân tán. Hệ thống cần xác định ai là người chịu trách nhiệm cho từng công việc, thời gian dự kiến hoàn thành, những công việc nào đã vượt quá thời hạn, cũng như các mốc thời gian hoặc mức độ ưu tiên nào đã thay đổi. ClickUp tập hợp các thông tin này vào một không gian làm việc duy nhất, sau đó áp dụng công nghệ AI tích hợp lên trên.
Bốn lớp của bản đồ khung mô hình trước đây gần như tương ứng một-một với cách ClickUp được xây dựng.
Hiển thị, trong một bức tranh tổng quan về sức chứa thời gian thực
Chế độ xem Khối lượng công việc (Workload View) của ClickUp nhóm công việc của nhóm theo người được giao nhiệm vụ và đánh dấu mỗi người bằng màu sắc xanh lá, vàng hoặc đỏ dựa trên sức chứa đã thiết lập của họ. Bạn có thể xem ai còn dư sức và ai đang quá tải mà không cần phải mở bảng tính hay trò chuyện.
Bạn có thể lựa chọn cách đo lường khối lượng công việc này dựa trên ước lượng thời gian, số lượng công việc, điểm sprint hoặc Trường Tùy chỉnh. Chế độ xem này tuân thủ lịch làm việc và thời gian nghỉ phép, do đó người đang nghỉ phép sẽ không bao giờ hiển thị là hoàn toàn sẵn sàng. Khi tên người dùng hiển thị màu đỏ, bạn có thể mở các công việc liên quan đến số đó để kiểm tra nguyên nhân thực sự gây ra áp lực.
Với tính năng ClickUp Brain được tích hợp, chỉ cần đề cập @brain và hỏi: “Ai trong nhóm của tôi đang quá tải trong tuần này?” Hệ thống sẽ tính toán câu trả lời dựa trên các công việc đang thực hiện, ước tính và ngày nghỉ phép.
ClickUp Brain chính là “bộ não” của công ty bạn. Nghĩa là nó quản lý các dự án, phân công công việc, lập kế hoạch chi tiết và cảnh báo về sức chứa. Dưới đây là hướng dẫn chi tiết hữu ích:
Dự báo đáng tin cậy
Chất lượng của kế hoạch sức chứa phụ thuộc hoàn toàn vào độ chính xác của các ước tính, và các ước tính của con người thường có xu hướng quá lạc quan.
Tính năng Theo dõi Thời gian của ClickUp cung cấp cho các nhà quản lý bản ghi số giờ thực tế để so sánh với các ước tính. Sau đó, Brain có thể tổng hợp các xu hướng, phát hiện các trường hợp vượt quá thời gian và giúp các nhóm xem xét những điểm mà ước tính đã nhiều lần sai lệch. Tính năng này có thể đánh dấu những ước tính có vẻ quá lạc quan trước khi sprint bắt đầu, và mỗi công việc hoàn thành sẽ giúp dự báo tiếp theo trở nên chính xác hơn.
Phân công công việc tuân theo quy tắc của bạn
Với AI Assign, bạn chọn các người được giao công việc tiềm năng và chỉ định cho Brain thời điểm mỗi người nên nhận công việc, dựa trên các chi tiết công việc như tên, mô tả hoặc loại công việc, có thể thực hiện thủ công hoặc ngay khi công việc được tạo ra. Ví dụ, một nhóm nội dung có thể phân công các bài viết kỹ thuật cho các trình chỉnh sửa có chuyên môn sâu về chủ đề đó và các bản cập nhật sản phẩm ngắn gọn cho các trình chỉnh sửa khác.
AI Prioritize hoạt động theo cách tương tự. Bạn định nghĩa ý nghĩa của các mức độ "khẩn cấp", "cao", "bình thường" và "thấp" đối với quy trình làm việc của mình, sau đó để Brain tự động áp dụng các quy tắc đó cho bạn.
Tái cân bằng trước khi thời hạn trôi qua
Khi các ClickUp Super Agents (tóm lại là những đồng nghiệp AI tự động của bạn) phát hiện ai đó đang vượt quá sức chứa, họ có thể thông báo cho bạn biết ai còn dư sức chứa và công việc nào có thể được điều chỉnh.
Lấy ví dụ về các tác nhân Workload Risk Assessor và Team Capacity Assessor. Một tác nhân đánh giá liệu một nhóm có đủ sức chứa trong một khoảng thời gian nhất định hay không, giúp bạn biết được mức độ cam kết khối lượng công việc. Tác nhân còn lại sẽ chỉ ra những thành viên nào đã nhận quá nhiều khối lượng công việc và những thành viên nào còn dư địa trước khi lập kế hoạch sprint, từ đó giúp bạn đưa ra quyết định phân bổ nhân sự chính xác.
Cả hai đều ở chế độ chỉ đọc, do đó hệ thống sẽ phát hiện rủi ro và chuyển lại cho người dùng, và không có công việc nào được thực hiện cho đến khi có sự phê duyệt của con người. AI thực hiện công việc đối chiếu tẻ nhạt mà nếu không có nó, người quản lý sẽ phải thực hiện trong đầu, trong khi con người vẫn là người ra quyết định cuối cùng.
Tự động hóa các tác vụ lặp đi lặp lại
Khi dữ liệu ước tính và sức chứa của bạn đã đáng tin cậy, hãy để các công việc định kỳ tự động chạy. Tính năng tự động hóa của ClickUp xử lý việc điều hướng lại công việc theo quy trình dự đoán được thông qua mô hình đơn giản gồm kích hoạt, điều kiện và hành động.
Các quy trình tự động hóa có thể xử lý các thay đổi mang tính xác định, chẳng hạn như thông báo cho người quản lý khi một công việc quá hạn hoặc giao công việc đó cho một người phụ trách sao lưu được chỉ định. Một quy trình tự động hóa thậm chí có thể khởi động một "Super Agent" thay cho bạn: nó sẽ chuyển giao ngay khi cần đưa ra quyết định, và "Super Agent" sẽ thực hiện quyết định đó từ đó.
Ghi chú: Tự động hóa và Super Agents không phải là một.
Một quy trình tự động hóa ClickUp tuân theo quy tắc cố định do bạn cài đặt: một sự kiện kích hoạt, một điều kiện tùy chọn và một hành động. “Khi một công việc quá hạn, hãy giao lại công việc đó cho người phụ trách sao lưu.” Quy trình này luôn được kích hoạt theo cùng một cách và không đưa ra bất kỳ quyết định chủ quan nào.
Một Super Agent hoạt động giống như một đồng nghiệp: nó theo dõi không gian làm việc, đánh giá tình hình và quyết định việc cần làm. Thay vì áp dụng quy tắc phân công lại cố định, Super Agent có thể phát hiện khi ai đó quá hạn, kiểm tra xem ai còn thời gian rảnh và có kỹ năng phù hợp trong tuần này, phân công lại cho người phù hợp nhất, đồng thời đăng một ghi chú giải thích lý do. Tất cả quá trình này vẫn đảm bảo con người luôn được cập nhật thông tin.
Nói một cách đơn giản, bối cảnh kết nối chính là lợi thế thực sự. Các nhóm không cần lập kế hoạch công việc trên một công cụ, đo lường trên một công cụ khác, rồi lại phải giải thích lại cho một hệ thống AI riêng biệt. Công việc, lịch sử công việc, tín hiệu khối lượng công việc và hành động tiếp theo đều được tập trung tại một nơi duy nhất.
Giới hạn thực tế của ClickUp: Nếu nhóm của bạn chỉ có ba người và đang theo dõi một số ít công việc, ClickUp sẽ là công cụ quá dư thừa so với nhu cầu của bạn. Ngoài ra, việc chuyển từ một công cụ lập lịch chuyên dụng hoặc bảng tính sang ClickUp cũng đòi hỏi một quá trình làm quen. ClickUp thực sự phát huy giá trị khi các nhóm mở rộng quy mô, phải xử lý nhiều dự án cùng lúc hoặc cố gắng hợp nhất một hệ thống phức tạp thành một không gian làm việc duy nhất.
Những sai lầm phổ biến khiến việc quản lý khối lượng công việc AI thất bại
Hầu hết các sự cố về khối lượng công việc đều bắt nguồn từ sự cố quy trình, và AI chỉ làm trầm trọng thêm tình hình. Hãy lưu ý bốn điểm sau:
- Tự động hóa trước khi có được cái nhìn rõ ràng. Bạn kích hoạt tính năng tự động phân công lại trong khi chế độ xem về sức chứa vẫn chưa chính xác, do đó AI sẽ phân bổ công việc dựa trên những số mà không ai tin tưởng. Hãy đảm bảo có được cái nhìn rõ ràng và các ước tính đáng tin cậy trước tiên, sau đó mới tiến hành tự động hóa
- Các công việc không có người phụ trách hoặc không có ước lượng thời gian. Chế độ xem khối lượng công việc cho thấy mọi người đều ở mức 40%, trong khi thực tế họ đang bị quá tải rõ rệt. Khi các công việc không có người phụ trách rõ ràng hoặc ước lượng thời gian, các con số chỉ còn là con số trên giấy. Hãy yêu cầu mỗi công việc phải có một người phụ trách và một ước lượng thời gian cụ thể trước khi dựa vào các con số này.
- Xem sức chứa làm việc như một mức cố định 40 giờ. Kế hoạch của bạn giả định rằng mọi người đều viết hoặc mã hóa 8 giờ mỗi ngày, nhưng thực tế chỉ còn lại một nửa thời gian đó. Hãy trừ đi thời gian dành cho các cuộc họp, công việc quản trị viên và việc chuyển đổi ngữ cảnh khỏi số giờ thực tế có sẵn trước khi lập kế hoạch công việc
- Việc gắn thêm một công cụ AI riêng lẻ vào một hệ thống phức tạp và mở rộng. Một bot lập lịch, một bot khác tóm tắt, và giờ đây có thêm năm ứng dụng nữa cần kiểm tra. Mỗi công cụ chỉ nhìn thấy một phần riêng lẻ của mình, do đó không có công cụ nào bao quát được toàn cảnh. Thay vào đó, hãy hợp nhất các công cụ lại để AI có thể đọc một chế độ xem kết nối, thay vì năm chế độ xem rời rạc.
Bắt đầu cân bằng khối lượng công việc của nhóm bằng AI
Quản lý khối lượng công việc bằng AI thực chất chỉ tập trung vào một điều: cung cấp đủ bối cảnh cho AI để nó nhận diện được khối lượng công việc thực tế mà nhóm của bạn đang gánh vác, sau đó cho phép AI cảnh báo bạn trước khi tình trạng quá tải dẫn đến việc trễ hạn hoặc nhân viên xin nghỉ việc. Hãy sắp xếp bốn lớp này theo thứ tự (hiển thị, ước tính, tái cân bằng, tự động hóa), và AI cuối cùng sẽ thực hiện đúng những gì nó hứa hẹn: giảm bớt khối lượng công việc đang tồn đọng.
Cách nhanh nhất để cảm nhận sự khác biệt là xem chế độ xem khối lượng công việc thực tế của nhóm trong một giao diện duy nhất. Bắt đầu sử dụng ClickUp miễn phí và cài đặt chế độ xem khối lượng công việc được hỗ trợ bởi AI đầu tiên của bạn ngay hôm nay.
Các câu hỏi thường gặp về quản lý khối lượng công việc AI
Làm thế nào để sử dụng AI để quản lý khối lượng công việc?
Cung cấp cho AI bốn loại dữ liệu đầu vào mà các nhóm thường đang theo dõi riêng biệt: công việc, ước lượng thời gian, hạn chót và khả năng sẵn sàng thực tế của từng thành viên. Sau đó, hệ thống sẽ cảnh báo tình trạng quá tải và đề xuất nơi cần chuyển công việc. Hãy bắt đầu bằng việc hiển thị thông tin và cải thiện khả năng ước lượng, và chỉ tự động hóa quá trình phân công lại công việc khi dữ liệu đã chính xác. Yếu tố quyết định là bối cảnh: AI phải có cái nhìn toàn diện về Không gian Làm việc, chứ không chỉ dựa vào lịch làm việc hay dòng tin nhắn trò chuyện.
Liệu AI thực sự giúp giảm khối lượng công việc hay lại làm tăng thêm khối lượng công việc?
Điều này phụ thuộc vào bối cảnh cụ thể. Viện Nghiên cứu Upwork phát hiện ra rằng 77% nhân viên cho biết AI đã làm tăng khối lượng công việc của họ, chủ yếu là do các công cụ độc lập tạo ra kết quả mà con người sau đó phải xem xét và chỉnh sửa. AI chỉ giúp giảm khối lượng công việc khi nó có thể nắm bắt được bức tranh toàn cảnh về các công việc, nhân sự và thời hạn, từ đó đưa ra hành động phù hợp.
Sự khác biệt giữa quản lý khối lượng công việc AI và lập kế hoạch năng lực là gì?
Lập kế hoạch năng lực dự báo khối lượng công việc mà một nhóm có thể đảm nhận trong một khoảng thời gian nhất định, thường được thực hiện dưới dạng bảng tính hàng quý. Quản lý khối lượng công việc bằng AI sử dụng trí tuệ nhân tạo để phân phối và tái cân bằng khối lượng công việc đó liên tục khi tình hình thay đổi. Lập kế hoạch năng lực là một bản chụp nhanh tại một thời điểm cụ thể; trong khi đó, quản lý khối lượng công việc bằng AI hoạt động theo thời gian thực, theo dõi từng công việc và ước tính.
Làm thế nào để biết nhóm của tôi có đang vượt quá sức chứa hay không?
So sánh khối lượng công việc được phân công và ước tính của từng người với số giờ thực tế họ có thể làm việc, chứ không phải theo mô hình cố định 40 giờ mỗi tuần. Chế độ xem khối lượng công việc được mã hóa theo màu sắc theo mức độ tải (xanh lá dưới 80%, vàng từ 81-100%, đỏ trên 100%) giúp bạn nhận biết ngay lập tức. Nếu nhân viên trông có vẻ căng thẳng nhưng chế độ xem lại cho thấy còn dư thừa thời gian, nguyên nhân thường là do thiếu ước lượng thời gian hoặc các công việc không có người chịu trách nhiệm rõ ràng.
AI có thể dự đoán tình trạng kiệt sức của nhân viên không?
Không phải trực tiếp, nhưng AI có thể phát hiện các mẫu khối lượng công việc báo hiệu tình trạng quá tải sắp xảy ra. Bằng cách theo dõi ai làm việc vượt quá sức chứa trong thời gian dài, lượng công việc ngoài kế hoạch hoặc ngoài giờ tích tụ bao nhiêu, và ai liên tục phải gánh thêm công việc, AI sẽ phát hiện tình trạng quá tải trước khi nó dẫn đến việc nhân viên xin nghỉ việc. AI chỉ đọc được các tín hiệu báo trước; người quản lý vẫn phải đánh giá tình hình của từng cá nhân và đưa ra hành động phù hợp.
Quản lý khối lượng công việc AI khác với trợ lý lập lịch AI như thế nào?
Trợ lý lập lịch giúp tối ưu hóa lịch làm việc của bạn. Quản lý khối lượng công việc bằng AI tối ưu hóa công việc đằng sau đó. Trợ lý chỉ nhìn thấy các cuộc họp và khối thời gian rảnh, nên nó sẽ sắp xếp lịch cho bạn dày đặc trong khi mười hai công việc chưa bắt đầu vẫn nằm ngoài chế độ xem của nó. Công cụ quản lý khối lượng công việc phân tích thông tin về quyền sở hữu công việc, ước tính nỗ lực, các mối phụ thuộc và hạn chót, sau đó so sánh nỗ lực cam kết với số giờ làm việc khả dụng. Các công cụ lịch trả lời câu hỏi “khi nào bạn rảnh?” Trong khi các công cụ quản lý khối lượng công việc trả lời câu hỏi “bạn thực sự có thể hoàn thành được gì?”
Các công cụ quản lý khối lượng công việc AI tốt nhất là gì?
Danh mục này được chia thành ba loại: các nền tảng làm việc tích hợp AI trên dữ liệu khối lượng công việc (ClickUp, Asana Workload, Monday), các công cụ chuyên về quản lý tài nguyên dành cho các nhóm tính phí (Runn, Mosaic, Kantata, Productive) và các công cụ chuyên dụng cho kỹ thuật đọc dữ liệu sprint và phụ thuộc. Yếu tố phân biệt không phải là AI. Điểm khác biệt nằm ở mức độ mà công cụ có thể nắm bắt được khối lượng công việc thực tế của nhóm bạn. Một hệ thống chỉ đọc lịch làm việc hoặc chỉ đọc các phiếu công việc sẽ đưa ra dự báo dựa trên bức tranh không đầy đủ.