Každé vedení, které se pustí do práce s AI, dříve nebo později narazí na tuto otázku: jaké rozhodnutí může systém učinit a jaké rozhodnutí zůstává na člověku. Otázka zní jednoduše. Odpověď na ni ale často jednoduchá není, protože hranice neleží v samotném rozhodnutí, ale v tom, co organizace kolem něj zorganizovala.
Neexistuje žádný pevný seznam rozhodnutí, která musí ze své podstaty zůstat lidská. Rozhodnutí o propuštění, zamítnutí úvěru, lékařský odhad: to jsou příklady, které se často uvádějí, ale důvod, proč jsou citlivá, se liší podle organizace. U jedné instituce jde o právní odpovědnost, u jiné o nezvratnost výsledku, u třetí o chybějící dostatečnou toleranci k chybám. Kdo zkopíruje seznam od jiné organizace, kopíruje odpověď, aniž by si otázku sám položil.
Co naopak funguje, je rozebrat samotné rozhodnutí: jaký je dopad, když se něco pokazí, je výsledek napravitelný a existuje někdo, kdo dokáže výsledek zpětně vysvětlit a obhájit. Tyto tři otázky tvoří základ toho, co se jinde nazývá pravidla pro agenty: stanovené hranice, které určují, kdy systém může pokračovat v práci a kdy musí zastavit a přizvat člověka.
Je velké lákání předat tuto otázku IT oddělení, jako by šlo o nastavení, které nakonfigurujete jednou provždy. To nefunguje, a to z jednoho jednoduchého důvodu: pravidlo pro agenty je spolehlivé pouze tehdy, když je organizace kolem něj v pořádku. Pokud nikdo neví, kdo je vlastníkem procesu, nikdo nemůže určit, kdo je bodem eskalace. Pokud data nejsou v pořádku, systém nepozná, kdy narazil na výjimku, která vyžaduje člověka. Základní dimenze organizace — řízení, infrastruktura, správa dat — proto předcházejí otázce, jaká rozhodnutí lze automatizovat. Bez tohoto základu je každá hranice, kterou stanovíte, hranicí jen na papíře.
Toto je zároveň důvod, proč tato otázka jen zřídka žije na jediném místě v organizaci. Vedení vidí riziko, CIO vidí technickou proveditelnost, vlastník procesu vidí každodenní praxi. Jak tyto tři pohledy sladit dřív, než se tempo automatizace stane zdrojem neshod, popisuje stránka jak vést rozhovor o tempu mezi dozorčí radou a vedením. Kdo si tuto otázku položí až v okamžiku, kdy první pilotní projekt už běží, položí si ji příliš pozdě.
Měření vyspělosti společnosti hybridresourcing mapuje, zda má organizace základ potřebný k tomu, aby mohla tyto hranice stanovovat smysluplně. Sedm dimenzí, pět úrovní od baseline po intelligence a kolo bodového hodnocení, v němž více lidí skóruje nezávisle na sobě. Tento rozptyl je často nejužitečnější součástí: pokud CHRO zařadí datovou vyspělost na úroveň activation a CIO na úroveň baseline, víte, že nejprve musí proběhnout rozhovor, než vznikne pravidlo na papíře, které nikdo nedokáže uplatnit v praxi.
Co měření nedělá, je určit, které rozhodnutí ve vaší organizaci může být automatizováno. Měří připravenost, ne vhodnost konkrétního úkolu. Říká vám, zda organizace unese to, co AI zvládne, ne co by AI konkrétně měla převzít. Tento rozdíl mezi unesením a převzetím je rozdíl mezi unesením AI a převzetím AI, a je to rozdíl, který se tato stránka záměrně drží: skóre v měření není povolení ani zákaz, je to fotografie stavu, v jakém se organizace právě nachází.
Tato fotografie stárne. Organizace, která dnes v oblasti správy dat skóruje na úrovni foundation, může za rok být na úrovni activation, nebo stejně tak zůstat na místě. Jak často je smysluplné měření opakovat a na čem to závisí, se dozvíte na stránce jak často je třeba opakovat měření vyspělosti. Jednorázové měření, které skončí v zásuvce, má malou hodnotu; měření, které znovu nastartuje rozhovor ve vedení, má hodnotu velkou.
Měření neřeší názorové neshody ve vašem vedení. Zviditelňuje je, a to není totéž. Pokud se vaše dozorčí rada a vedení už delší dobu neshodují na tempu zavádění AI, příčina obvykle leží hlouběji než v nedostatku faktů: jde o ochotu riskovat, o to, kdo je za co odpovědný, o to, co se stane, když někdo otevře chatovací okno a myslí si, že tím do firmy zavedl AI. Co nevidíte, když znáte jen chatovací okno, je přesně ta část organizace, o kterou v této otázce jde: infrastruktura, pravidla, lidé, kteří vědí, kdy má systém zastavit. Proč se vaše vedení neshoduje na tempu, je vysvětleno na této stránce, a často je užitečnější vést tento rozhovor dříve, než čekat, až se pilotní projekt zasekne a otázka se stejně objeví na stole.
Tato stránka se zabývá hranicí, kterou stanovíte předem: jaké rozhodnutí zůstává na člověku, bez ohledu na to, co systém technicky zvládne. Jakmile je tato hranice zhruba stanovena, otázka se posouvá k samotné práci: jaké úkoly v rámci této hranice jsou vhodné k předání a jaká část funkce zůstává, bez ohledu na připravenost organizace, prací pro lidi. Na tuto otázku měření vyspělosti neodpovídá. Pracovní analýza FTE TO AI počítá za každý úkol, jakou část práce může převzít AI, a tím navazuje na místo, kde tato stránka končí: nikoli zda je vaše organizace připravena, ale co konkrétně čeká na předání, jakmile připravená bude.
Nástroj, kterým si toto sami zmapujete, se právě připravuje. Kdo chce měření provést, jakmile bude k dispozici, se může zapsat na čekací listinu.
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.