Praktически v každé organizaci, která experimentuje s AI, vznikne v určitém okamžiku stejná skupina: dva, možná tři lidé, kteří to chápou, kteří si to sami vyzkoušeli, kteří s nadšením vyprávějí o tom, co je možné. Vytvoří prototyp, vyzkoušejí nástroj, sdílejí výsledky v interním chatu. Zbytek organizace se dívá, přikyvuje a pokračuje v práci tak, jak to dělal vždy.
Po několika měsících existuje seznam zajímavých experimentů a žádná změna ve způsobu, jakým se práce skutečně vykonává. Dva nadšenci jsou stále nadšení. Všichni kolem nich se nepohnuli.
Úvaha za tímto přístupem zní rozumně: začněte s malou skupinou motivovaných lidí a nechte úspěch, aby se šířil sám. U některých změn to skutečně takto funguje. Nový způsob práce, který viditelně šetří čas, se někdy šíří organicky, protože ho kolegové převezmou.
U AI tento mechanismus většinou nefunguje, a důvod nespočívá v lidech, ale v organizaci kolem nich. Nadšenci mají často přístup k systémům, čas a mandát, které ostatní nemají. To, co pro ně znamená vyzkoušet něco za odpoledne, vyžaduje pro kolegu bez tohoto přístupu žádost, schválení, IT tiket. Nadšení není problém. Absence cesty, po které by ostatní mohli následovat, je problém.
Pořadí, v jakém se buduje připravenost na AI, nezačíná u lidí, kteří chtějí. Začíná u struktury, která to umožňuje: jak je organizace uspořádána, jaká IT infrastruktura je k dispozici, jak se řídí data. Dva nadšenci mohou tuto strukturu obejít, s vlastním přístupem, vlastními triky, vlastními okliky. Zbytek organizace to nemůže, a ani by to nemělo chtít — obchvaty nejsou základem pro něco, co má trvale funguje.
To vysvětluje, proč se tento vzorec často opakuje vedle jiných známých úskalí. Kdo si přečte o tom, co musí být prokázáno, než pilotní projekt k něčemu vede, vidí podobný mechanismus: aktivita bez dohody o tom, co znamená úspěch, zůstává jen aktivitou. U dvou nadšenců taková dohoda také chybí — nejen o tom, co musí být prokázáno, ale i o tom, kdo po nich naváže.
Existuje několik rozpoznatelných signálů. Prvním je, že se stále opakují stejná dvě nebo tři jména, když se mluví o AI, v každé schůzi, v každé aktualizaci. Druhým je, že otázky od jiných oddělení začínají slovy „jak to dělali oni" místo vlastní cesty. Třetím, a nejvíce podceňovaným, je, že nikdo nedokáže vysvětlit, co by se mělo stát, kdyby jeden z těch dvou lidí zítra odešel.
Čtvrtý signál je subtilnější: experiment nadále funguje ve svém vlastním koutě, odděleně od zbytku procesu. To zapadá do toho, co se stane, když pilotní projekt mimo vlastní tým nenajde napojení — nadšení bez spojení se zbytkem organizace zůstává ostrovem, jak dobře ten ostrov funguje.
Pátý signál, konečně, je, že se navrhuje škálování jako další krok, aniž by kdokoli ověřil, zda pod ním již stojí základ. Toto riziko je popsáno v tom, co se stane, když se škálování zkouší předtím, než je základ na místě: dva nadšenci, kteří chtějí svůj vlastní úspěch rozšířit na deset týmů, narazí přesně na strukturu, kterou sami obešli.
Je lákavé dojít k závěru, že je potřeba více nadšenců, nebo lepší školení, nebo kulturní program. To mine podstatu. Otázkou není, zda je k dispozici dost zapálených lidí — často už jsou dva, a to je přesně problém, protože dva nejsou struktura. Otázkou je, zda organizace jako celek — ve způsobu, jak je uspořádána, jak systémy komunikují mezi sebou, jak jsou data dostupná a spolehlivá — může unést situaci, ve které s AI nemohou pracovat dva, ale mnohem více lidí. To je jiná otázka než ta, kdo je nadšený, a je to otázka, na kterou je třeba odpovědět nejdříve.
Pro toho, kdo v roli vedoucího pracovníka naráží na tento vzorec, je užitečné vědět, na co by dával pozor někdo v podobné pozici: na co by se zaměřil CEO při hodnocení zralosti v oblasti AI popisuje některé z těchto bodů, stejně jako pohled na co by se zaměřil COO při hodnocení zralosti v oblasti AI z jiné perspektivy na stejnou organizaci.
Pokud dva nadšenci prokáží, že něco je možné, zůstává nezodpovězená otázka, jak velkou část práce lze skutečně převzít, a kým. Tato otázka nespočívá v připravenosti, ale v samotné práci: jaké úkoly se hodí pro převzetí AI a jaký podíl to obnáší. Přesně k tomu slouží pracovní skenování od FTE TO AI — ten vypočítá pro každý úkol, jakou část práce lze převzít, bez ohledu na to, kdo s tím už nyní nadšeně experimentuje.
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.