Подпомагането на решения е точката, в която AI не само генерира текст, а участва в тежестта на избор, който някой предстои да направи. Оценка на кредитен риск, приоритизация на потенциални клиенти, съвет относно щатното разписание, сигнал, че договор се отклонява от нормата. Под чат прозореца тогава вече не стои разговор, а изчисление, което се базира на нещо — и точно тази основа е от значение.
Чат прозорец, който отговаря на въпроси, работи с това, което се съдържа в самия разговор. Подпомагането на решения работи с това, което се намира в организацията: данни от системи, история на предишни решения, правила, които понякога са изрично документирани, а понякога съществуват само в главите на опитни служители. Моделът трябва да може да достигне тези източници, да ги комбинира и да им придаде тежест. Това изисква друга инфраструктура от отделен инструмент за текст. Изисква се и някой в организацията да може да обясни защо е получен даден резултат, а не само какъв е самият резултат.
Подпомагането на решения се опира на три неща, които често все още не са напълно налице. Първо, среда за данни, в която необходимите данни са надеждно и актуално достъпни — не разпръснати в различни за всеки отдел таблици. Второ, организация, която знае кой за какво остава отговорен: съвет от модел не заменя вземащия решение, но въпросът кой не приема съвета и защо, трябва да може да получи отговор от някого. Трето, ИТ-инфраструктура, която може да гарантира, че чувствителните данни не се разпространяват отвъд предвиденото.
Тези три точки не са допълнителни условия, които се уреждат впоследствие. Те определят дали подпомагането на решения дава резултат или се превръща само в нов източник на несигурност. Организация, чиито данни не са в ред, не получава по-добри решения от модел — тя получава по-бързо грешните.
Подпомагането на решения често надгражда работа, която вече се случва на друго място. Мониторингът и сигнализирането показва кога нещо се отклонява от определен модел; подпомагането на решения отива една стъпка по-далеко и оценява какво означава това отклонение за избор, който трябва да бъде направен. Също и четенето и обобщаването на документи може да предостави информация за решение, но само по себе си не дава съвет — то дава преглед. Подпомагането на решения добавя към това слой на преценка, а този слой изисква от организацията повече от само достъп до текст.
Подпомагането на решения рядко засяга само един отдел. Съвет относно нивата на запасите засяга снабдяването и логистиката; съвет относно разпределението на персонала засяга HR и линейния мениджър. Това означава, че координацията между отделите трябва да расте заедно с амбицията: който получава съвет, трябва да знае при кого той стига, ако съветът бъде игнориран или, обратно, следван. Без такова съгласуване се получава ситуация, в която моделът дава резултат, но никой не знае кой трябва да продължи с него.
Подпомагането на решения не е оракул и не замества отговорността. Моделът дава оценка на базата на модели в наличните данни; той не познава контекста, който опитен служител понякога притежава, и може да представи погрешни или остарели данни толкова убедително, колкото и правилните. Който прилага подпомагане на решения без начин да следи качеството на основните данни, строи върху подвижни пясъци, които изглеждат стабилни.
Това също не е крайна точка. Подпомагане на решения, което стои самостоятелно, дава съвет, който някой трябва ръчно да прехвърли в следваща система. Веднага щом самото това прехвърляне бъде автоматизирано, се получава верига от стъпки, които следват една след друга, а това изисква нови гаранции — относно обработката на грешки, относно кой се намесва, ако някоя стъпка се провали. Какво изисква това от една организация е описано при вериги, в които стъпките следват една друга. Също и въпросът дали AI не само дава съвет, но и го изпълнява, принадлежи в този ред; това е областта на агенти, които изпълняват работа, с отделен набор от изисквания за контрол и надзор.
Дали организация е готова за подпомагане на решения, зависи от това докъде вече са стигнали фундаменталните измерения: дали инфраструктурата за данни е достатъчно зряла, дали управлението около вземането на решения е ясно, дали е ясно кой за какво носи отговорност. Точно тези въпроси изяснява измерването на зрелостта на hybridresourcing, на няколко нива и с няколко оценяващи едновременно, така че да стане видимо къде организацията вижда нещата такива, каквито са, и къде представите се разминават.
Въпросът дали организацията може да носи AI е различен от въпроса каква част от работата AI може да поеме. Който иска да знае каква част от конкретна задача — съставянето на съвет, изчисляването на сценарии, подготовката на решение — е подходяща за поемане, ще намери отговора в работния скенер на FTE TO AI. Той изчислява за всяка задача каква част от работата AI може да поеме, независимо от въпроса дали организацията вече е готова за това. Двата въпроса са свързани, но не са един и същ въпрос.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.