I stort set alle organisationer, der eksperimenterer med AI, opstår der på et tidspunkt den samme gruppe: to, måske tre personer, der forstår det, som selv er gået i gang med at afprøve det, som entusiastisk fortæller om hvad der er muligt. De bygger en prototype, tester et værktøj, deler resultater i en intern chat. Resten af organisationen ser til, nikker, og fortsætter med arbejdet som det altid har gjort.
Efter et par måneder er der en liste med interessante eksperimenter og ingen som helst forandring i, hvordan arbejdet faktisk udføres. De to entusiaster er stadig entusiastiske. Alle omkring dem har ikke bevæget sig med.
Begrundelsen bag denne tilgang lyder fornuftig: begynd i det små, med personer der er motiverede, og lad succes sprede sig af sig selv. Det virker også ved nogle forandringer. En ny arbejdsmåde, der synligt sparer tid, spreder sig sommetider organisk, fordi kolleger tager den til sig.
Ved AI virker den mekanisme for det meste ikke, og årsagen ligger ikke hos personerne, men hos organisationen omkring dem. Entusiaster har ofte adgang til systemer, tid og mandat, som andre ikke har. Hvad der for dem er et spørgsmål om at afprøve noget en eftermiddag, kræver for en kollega uden den adgang en anmodning, en godkendelse, en IT-sag. Entusiasmen er ikke problemet. Fraværet af en vej, andre kan følge, er problemet.
Den rækkefølge, hvori AI-parathed opbygges, begynder ikke hos personer, der vil. Den begynder med den struktur, der gør det muligt: hvordan organisationen er indrettet, hvilken IT-infrastruktur der findes, hvordan data forvaltes. To entusiaster kan arbejde uden om den struktur, med egen adgang, egne kneb, egne omveje. Resten af organisationen kan ikke det, og bør heller ikke ville det — omveje er ikke et fundament for noget, der skal fortsætte med at fungere.
Det forklarer, hvorfor mønstret ofte gentager sig sammen med andre kendte fælder. Den, der læser om hvad der skal fremgå, før et pilotprojekt fører til noget, ser en tilsvarende mekanisme: aktivitet uden aftale om, hvad succes betyder, forbliver aktivitet. Ved to entusiaster er aftalen heller ikke der — ikke om, hvad der skal fremgå, og ikke om, hvem der følger efter dem.
Der er nogle genkendelige signaler. Det første er, at de samme to eller tre navne konstant går igen, når der tales om AI, i hvert møde, i hver opdatering. Det andet er, at spørgsmål fra andre afdelinger begynder med "hvordan gjorde de" i stedet for med en egen vej. Det tredje, og det mest underspillede, er, at ingen kan forklare, hvad der skulle ske, hvis en af de to personer forsvinder i morgen.
Et fjerde signal er mere subtilt: eksperimentet forbliver i sit eget hjørne, løsrevet fra resten af processen. Det stemmer overens med det, der sker, når et pilotprojekt uden for det egne team ikke finder tilslutning — entusiasme uden forbindelse til resten af organisationen forbliver en ø, uanset hvor godt øen fungerer.
Et femte signal er endelig, at skalering foreslås som næste skridt, mens ingen har kontrolleret, om fundamentet allerede er på plads. Den risiko beskrives i det, der sker, når skalering forsøges, før fundamentet er på plads: to entusiaster, der vil gange deres egen succes op til ti teams, løber panden mod netop den struktur, de selv havde omgået.
Det er fristende at konkludere, at der er brug for flere entusiaster, eller bedre træning, eller et kulturprogram. Det misser pointen. Spørgsmålet er ikke, om der er nok engagerede personer — der er ofte allerede to, og det er netop problemet, for to er ikke en struktur. Spørgsmålet er, om organisationen som helhed — i hvordan den er opbygget, hvordan systemer taler med hinanden, hvordan data er tilgængelig og troværdig — kan bære en situation, hvor ikke to, men langt flere personer kan arbejde med AI. Det er et andet spørgsmål end, hvem der er entusiastisk, og det er det spørgsmål, der først skal besvares.
For den, der i en ledende rolle møder dette mønster, er det nyttigt at vide, hvad en person i en tilsvarende position ville lægge mærke til: hvad en CEO ville lægge mærke til ved vurdering af AI-modenhed beskriver nogle af de opmærksomhedspunkter, ligesom blikket fra hvad en COO ville lægge mærke til ved AI-modenhed fra et andet perspektiv på den samme organisation.
Hvis to entusiaster viser, at noget kan lade sig gøre, forbliver spørgsmålet ubesvaret om, hvor meget af arbejdet der faktisk kan overtages, og af hvem. Det spørgsmål hører ikke til parathed, men til selve arbejdet: hvilke opgaver der er egnede til at blive overtaget af AI, og hvilken del det omfatter. Det er præcis, hvad arbejdsscanen fra FTE TO AI er til for — den beregner pr. opgave, hvilken del af arbejdet der kan overtages, uafhængigt af, hvem der allerede eksperimenterer entusiastisk med det.
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.