Kennisbank

Mennesker og færdigheder: den dimension der ikke løses med en træning

Hvorfor denne dimension står for sig selv

Af de syv dimensioner i modenhedsmålingen er mennesker og færdigheder den mest nævnte årsag til, at et AI-pilotprojekt ikke vokser sig større. Ikke fordi mennesker ikke vil, men fordi færdighed er noget andet end kendskab. Nogen kan vide hvad en sprogmodel er, og alligevel ikke vide hvornår resultatet kan tillades. Den kløft mellem viden og at kunne anvende det, er præcis det denne dimension måler.

Dimensionen hænger sammen med andre grundlæggende dimensioner. Færdigheder udvikler sig kun langsomt, hvis organisationen selv ikke er indrettet til at lære med AI, og øvelse med AI-anvendelser fungerer dårligt, hvis it-infrastrukturen ikke tilbyder et miljø til sikker eksperimentering. Den, der kun tænker i træningsbudget, mangler den rækkefølge.

Hvad de fem niveauer betyder i praksis

På baseline arbejder et lille antal mennesker på eget initiativ med AI-værktøjer, uden for organisationens synsfelt. Der er intet delt billede af, hvad der virker og ikke virker, og det, nogen lærer, forbliver hos den person. Hvad baseline i praksis indebærer er altså ikke mangel på interesse, men fravær af struktur til at udnytte den interesse.

På foundation er der et første delt fundament: nogle mennesker har opbygget sammenlignelige færdigheder, der er opstået et fælles vokabular, og løsrevne erfaringer deles nu og da. Hvad foundation betyder i praksis er skridtet fra individuel brug til noget der begynder at ligne et team, der forstår det samme.

På activation anvender mennesker AI struktureret inden for deres egne opgaver og genkender, hvor det er og ikke er egnet til. På insight forskydes tyngdepunktet: mennesker kan ikke kun bruge AI, men også vurdere om et resultat er korrekt, og hvorfor. På intelligence er den vurdering ikke længere et separat skridt, men en del af hvordan arbejde normalt udføres, spredt ud over organisationen i stedet for hos et par early adopters.

Hvor spredningen i plot-runden kommer fra

Ved denne dimension opstår ofte den største forskel mellem hvad en CIO scorer og hvad en teamleder scorer. En CIO ser de træninger, der er organiseret, og tæller det som fremskridt. En teamleder ser, at den træning har ændret meget lidt ved hvordan arbejdet faktisk udføres, og scorer lavere. Begge observationer er korrekte; de måler blot en anden del af samme dimension. Udbud og anvendelse er ikke det samme, og plot-runden afdækker præcis det gab i stedet for at udjævne det.

Hvad et niveau højere afhænger af

At stige et niveau inden for mennesker og færdigheder afhænger ikke primært af budget til kurser. Det afhænger af gentagelse: mennesker der fortsætter med at anvende AI på reelt arbejde, ikke på øvede eksempler. Det afhænger af tid der faktisk er til rådighed ud over de almindelige opgaver, og ikke kun er tildelt på papiret. Og det afhænger af et miljø, hvor det at begå fejl under indlæring ikke er en grund til at falde tilbage til den gamle måde at arbejde på.

Derudover afhænger skridtet af, om færdighed synliggøres og deles. Nogen der lærer at kontrollere et AI-resultat godt, hjælper kun organisationen fremad, hvis den arbejdsmåde ender et sted, hvor andre kan tage den til sig. Uden den mekanisme forbliver alle fremskridt bundet til én person, og forsvinder så snart den person skifter funktion.

Dette gør med det samme synligt, hvorfor denne dimension sjældent kan reddes alene. Hvordan man lærer om nogen har præsteret godt, og om den læring bliver anerkendt og belønnet, berører direkte hvor modent præstationsledelsen er. Og færdighed udvikler sig også langsommere, hvis de data, folk øver med, er upålidelige, hvilket er årsagen til, at denne dimension sjældent står løst fra hvor modent datahåndteringen er.

Hvad dette ikke besvarer

Denne dimension viser, om menneskene i en organisation er klar til at arbejde med AI på et niveau, der matcher ambitionen. Den viser ikke, hvilken del af en specifik funktion AI kan overtage, og hvilken del skal forblive hos et menneske. Det er et andet spørgsmål, som besvares pr. opgave i stedet for pr. organisation. Arbejdsscanningen fra FTE TO AI beregner, hvilken del af arbejdet i en rolle er egnet til at overdrage til AI, opgave for opgave. Hvor denne side beskriver om mennesker er klar til at begejde den overdragelse, viser arbejdsscanningen præcis hvad der kan overdrages — og det er først et meningsfuldt spørgsmål, når bæresiden, som beskrevet her, står stærkt.