Baseline je úroveň, na které začíná většina organizací. AI se používá, ale závisí na jednotlivcích: někdo na IT oddělení, kdo experimentuje s jazykovým modelem, marketér, který si nechává generovat text, jednotlivý manažer, který se ptá, zda by nějaký proces mohl být rychlejší. Neexistuje sdílený přístup, sdílená představa o tom, co funguje, ani struktura, která by udržela to, co se přitom naučí. Když tato osoba odejde nebo dostane jiný projekt, znalosti odcházejí s ní.
Na úrovni baseline nechybí vůle, ale základ. Sedm dimenzí, které měření vyspělosti rozlišuje — mimo jiné organizace, IT infrastruktura a správa dat — stojí na této úrovni ještě izolovaně od sebe nebo jsou naplněny jen minimálně. To není nedostatek; je to stav, ve kterém se organizace nachází dříve, než začne vědomě budovat.
Na úrovni baseline se vždy opakuje několik signálů. Neexistuje přehled o tom, kde se v rámci organizace AI již používá, natož společná představa o tom, co toto používání přináší. Rozhodnutí o AI se přijímají tam, kde daná otázka náhodou vznikne, nikoli na základě úvahy, která se týká celé organizace. Data jsou rozptýlena v systémech, které si mezi sebou nekomunikují, což zpomaluje každý krok směrem k něčemu strukturovanému. A chybí společný jazyk: co jedno oddělení nazývá AI, je pro druhé něco jiného.
Kolo grafického vyhodnocení (plot-ronde) v rámci měření vyspělosti to často zviditelní dříve, než se pro to najdou slova. Když více lidí v rámci stejné organizace hodnotí samostatně, na úrovni baseline často vyniká velký rozptyl: jeden respondent vidí pokrok, který druhý nerozpoznává. Tento rozptyl je sám o sobě signálem. Ukazuje, že ještě neexistuje sdílená představa o tom, kde organizace stojí, a to je přesně to, co baseline charakterizuje.
Cesta z baseline na další úroveň nezačíná novou aplikací, ale základními dimenzemi. Organizace, IT infrastruktura a správa dat mají přednost před dimenzemi, které na nich závisí. Není to otázka preference, je to pořadí, ve kterém to funguje: organizace, která chce na AI něco postavit, aniž by měla data v pořádku nebo aniž by bylo jasné, kdo o čem rozhoduje, staví na písku.
Konkrétně to znamená, že nejprve musí vzniknout přehled. Kdo v rámci organizace už s AI něco dělá, a na základě jakých údajů? Kde se nacházejí data relevantní pro tyto aplikace, a jsou dostatečně přístupná a spolehlivá, aby na nich bylo možné stavět? Existuje osoba nebo skupina, která nese odpovědnost za rozhodnutí o AI, nebo se to dosud děje náhodně? Tyto otázky se zdají skromné, ale je to přesně to, na co se základní dimenze zaměřují.
Závislé dimenze — ty, které se týkají toho, jak AI ovlivňuje samotnou práci — přicházejí až potom. Na úrovni baseline je ještě příliš brzy o nich říkat něco rozumného, protože chybí základ, na kterém by tyto dimenze mohly stát.
Přechod k foundation nevyžaduje, aby bylo vše najednou v pořádku. Vyžaduje, aby organizace přestala vnímat používání AI jako něco, co náhodně vzniká u jednotlivců, a začala zaznamenávat, co existuje: jaká data existují, kdo o čem rozhoduje, jaké systémy si musí být schopny komunikovat mezi sebou. To je méně technický proces a více organizační proces. Technika obvykle následuje, jakmile je struktura zavedena.
Je to také proces, který vyžaduje čas, a jehož délka závisí na tom, kolik toho už neformálně existuje. Organizace, kde jedno oddělení už delší dobu vědomě pracuje s daty, má kratší cestu než organizace, kde tomu tak není nikde. Co přesně je potřeba k dalšímu posunu od foundation, a které dimenze při tom vyžadují pozornost jako první, je popsáno na stránce, která vysvětluje jak se posunout od foundation k další úrovni. Dále v této řadě, pro organizace, které jsou již dál, je také popsáno jak se activation vztahuje k následující úrovni a co insight vyžaduje pro postup k intelligence.
Baseline nic nevypovídá o ambicích organizace ani o kvalitě lidí, kteří v ní pracují. Vypovídá o stavu základu v daném okamžiku. Organizace, které tuto úroveň seriózně zmapují, často zjistí, že už toho existuje víc, než si myslely — jednotlivé iniciativy, data, která se přesto někde vedou, lidé, kteří už uvažují dál, než jejich funkce vyžaduje. Měření vyspělosti to spojuje do obrazu, na kterém lze postavit další krok, aniž by tento obraz byl doplněn radou, která se k organizaci nehodí.
Tato stránka se zabývá připraveností: tím, co musí být zavedeno, než AI může získat trvalé místo. To je jiná otázka než to, kterou část práce AI skutečně dokáže vykonávat. Jakmile základ začne dostávat tvar, stává se tato druhá otázka relevantní, a to je přesně to, na co navazuje pracovní scan FTE TO AI: ten pro každý úkol vypočítává, jakou část práce lze převzít pomocí AI, na základě úkolů tak, jak jsou nyní vykonávány. Kdo chce vědět, co AI může převzít, jakmile na to bude organizace připravena, najde to tam — včetně toho, jak se to liší v případě agentů, kteří samostatně vykonávají práci nebo řetězců, ve kterých na sebe navazují různé kroky.
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.