Kennisbank

Insight: De forstår AI, men styrer endnu ikke overalt på det

Hvordan De genkender insight

På niveauet insight er der sket noget, som går videre end enkeltstående eksperimenter. Organisationen forstår ikke blot, at AI gør noget, men også hvorfor det virker på det ene sted og ikke på det andet. Der er skabt et sprog til at føre den samtale: folk taler om datakvalitet, om ansvar ved fejl, om hvilke processer der er egnede til automatisering, og hvilke der ikke er. Det er en anden samtale end et år tidligere, hvor spørgsmålet primært var, om et pilotprojekt gav noget.

Hvad der kendetegner dette niveau: forståelse er til stede, men den er endnu ikke forankret overalt i, hvordan beslutninger træffes. Den ene afdeling har et klart billede af, hvilke data den har brug for, og hvilke der mangler. Den anden afdeling følger stadig i god tro efter et pilotprojekt, uden at nogen har fastslået, om den underliggende infrastruktur kan bære det. Insight er derfor ikke et jævnt lag over hele organisationen. Det er snarere en samling steder, hvor lyset er tændt, med stykker imellem, der stadig ligger i mørke.

Hvad der stadig mangler

Skridtet til det næste niveau, intelligence, kræver, at denne forståelse omsættes til styring. Ikke som en enkeltstående reaktion på et problem, der opstår, men struktureret, som en del af, hvordan organisationen normalt fungerer. Det berører de samme grundlæggende dimensioner, som også på tidligere niveauer var den afgørende faktor: er datamanagementet indrettet på en sådan måde, at beslutninger baseret på AI-resultater kan begrundes? Er IT-infrastrukturen indrettet på en sådan måde, at nye anvendelser ikke hele tiden starter fra bunden? Er organisationen selv udformet på en sådan måde, at ansvaret for AI-drevne processer ligger et bestemt sted, i stedet for lidt overalt?

På niveauet insight ser man ofte, at disse spørgsmål er blevet stillet, men at svaret varierer fra dimension til dimension. Den ene dimension er allerede så langt fremme, at styring er mulig; den anden hænger stadig efter enkeltstående initiativer. Denne forskel i tempo er netop det, der bliver synligt i spredningen under en plot-runde: hvis flere personer scorer separat, kan man se, at den ene respondent finder, at organisationen står langt fremme på datamanagement, mens en anden placerer samme dimension stadig ved foundation. Denne spredning er ikke støj. Den viser, hvilken dimension der først kan tåle opmærksomhed, og hvilken dimension der stadig skal følge efter.

Den rækkefølge, der afgør det

Fristelsen på dette niveau er at rette opmærksomheden mod de dimensioner, der er mest synlige — ofte de afhængige dimensioner, tæt på det daglige arbejde. Men de grundlæggende dimensioner går forud. Hvis datamanagementet ikke er i orden, forbliver enhver styring baseret på AI-resultater usikker, uanset hvor meget forståelse der er opbygget. Hvis IT-infrastrukturen er fragmenteret, forbliver enhver anvendelse en isoleret ø, selv hvis organisationen internt allerede kan tale godt om det.

Dette er ikke en anden rækkefølge end den, der gjaldt på tidligere niveauer. Det er den samme rækkefølge, men på et punkt, hvor omkostningerne ved at springe den over bliver mere synlige. Ved baseline og foundation kunne det manglende fundament stadig skjules bag det forhold, at der skete relativt lidt. Ved insight er der allerede mere i bevægelse, og det gør en svag grundlæggende dimension mere mærkbar: styring der ikke holder, beslutninger der ikke kan spores tilbage bagefter, anvendelser der går i stå, så snart de overskrider grænsen for én afdeling.

Hvad skridtet til intelligence kræver

Overgangen til intelligence handler ikke om at anvende mere AI. Det handler om at bringe de grundlæggende dimensioner så langt på plads, at de afhængige dimensioner struktureret kan bygge videre på dem. Dette varierer stærkt fra organisation til organisation: den ene organisation skal primært konsolidere sit datamanagement, den anden har en IT-infrastruktur, der først skal samles, før der kan styres bredere. Hvad det bliver, afhænger af, hvor spredningen i plot-runden er størst — det er det sted, hvor det næste niveau venter.

De, der ønsker at se forbi intelligence, finder på siden om niveauet efter intelligence en beskrivelse af, hvad der opstår, når styring ikke længere kun er struktureret, men selvlærende. De, der søger genkendelse tidligere i forløbet, kan ved activation læse tilbage, hvordan fasen så ud, før forståelsen opstod, eller undersøge, hvad det betyder, når agenter der udfører arbejde begynder at spille en rolle sammen med det styrende lag, der opbygges på dette niveau.

Det næste spørgsmål

Insight fortæller Dem, hvor organisationen står i sin evne til at bære AI: hvilke dimensioner der er solide, og hvilke der stadig ligger løst. Det er et andet spørgsmål end, hvilken del af arbejdet der selv kan overdrages til AI. Så snart den bærende side står klarere frem, bliver dette andet spørgsmål relevant: hvilken del af opgaverne inden for en proces der reelt kan overtages. Det er præcis, hvad FTE TO AI's arbejdsscan er skabt til — en beregningsmetode, der pr. opgave fastslår, hvilken del af arbejdet der kan komme i betragtning til overtagelse, så samtalen om intelligence ikke kun handler om beredskab, men også om, hvad der reelt er at vinde, når dette beredskab er til stede.