Beslutningsstøtte er det punkt, hvor AI ikke blot genererer tekst, men indgår i en afvejning af et valg, som nogen skal træffe. En vurdering af kreditrisiko, en prioritering af leads, en anbefaling om personalebemanding, et signal om at en kontrakt afviger fra normen. Under chatvinduet er der da ikke længere en samtale, men en beregning der bygger på noget, og netop det fundament er hvad det handler om.
Et chatvindue der besvarer spørgsmål, arbejder med det, der står i selve samtalen. Beslutningsstøtte arbejder med det, der findes i organisationen: data fra systemer, historik fra tidligere beslutninger, regler der nogle gange er nedskrevet og andre gange kun findes i hovedet på erfarne medarbejdere. Modellen skal kunne nå disse kilder, kunne kombinere dem og kunne afveje dem. Det kræver en anden infrastruktur end et løst hjælpemiddel til tekst. Det kræver også, at nogen i organisationen kan forklare, hvorfor et resultat kom frem, ikke blot hvad resultatet er.
Beslutningsstøtte læner sig op ad tre ting, som ofte endnu ikke er fuldt på plads. For det første et dataomgivelser, hvor de nødvendige data er pålidelige og aktuelle — ikke spredt over regneark der varierer fra afdeling til afdeling. For det andet en organisation der ved, hvem der forbliver ansvarlig for hvad: en anbefaling fra en model erstatter ikke en beslutningstager, men spørgsmålet om hvem der lægger anbefalingen til side og hvorfor, skal nogen kunne besvare. For det tredje en IT-infrastruktur der kan sikre, at følsomme data ikke bevæger sig videre end tilsigtet.
Disse tre punkter er ikke rammebetingelser man ordner bagefter. De afgør, om beslutningsstøtte giver noget værdi eller blot bliver endnu en kilde til usikkerhed. En organisation der ikke har sine data i orden, får ikke bedre beslutninger fra en model — den får hurtigere de forkerte.
Beslutningsstøtte bygger ofte videre på arbejde, der allerede sker et andet sted. Monitorering og signalering viser, hvornår noget afviger fra et mønster; beslutningsstøtte går et skridt videre og afvejer, hvad den afvigelse betyder for et valg, der skal træffes. Også det at læse og sammenfatte dokumenter kan levere input til en beslutning, men giver i sig selv ikke en anbefaling — det giver overblik. Beslutningsstøtte tilføjer et lag af afvejning, og det lag kræver mere af organisationen end blot adgang til tekst.
Beslutningsstøtte berører sjældent kun én afdeling. En anbefaling om lagerniveauer berører indkøb og logistik; en anbefaling om personaleindsats berører HR og linjelederen. Det betyder, at koordinationen mellem afdelinger skal vokse med ambitionen: den der modtager en anbefaling, skal vide hvem den lander hos, hvis anbefalingen ignoreres eller netop følges. Uden den afstemning opstår en situation, hvor modellen godt nok giver et resultat, men ingen ved, hvem der skal føre det videre.
Beslutningsstøtte er ikke et orakel og ikke en erstatning for ansvar. Modellen leverer en vurdering baseret på mønstre i tilgængelige data; den kender ikke den kontekst, som en erfaren medarbejder nogle gange har, og den kan præsentere fejlagtige eller forældede data lige så overbevisende som korrekte. Den der anvender beslutningsstøtte uden en måde at overvåge kvaliteten af de underliggende data, bygger på kviksand der ser solidt ud.
Det er heller ikke et slutpunkt. Beslutningsstøtte der står alene, giver en anbefaling som nogen manuelt skal overføre til et efterfølgende system. Så snart den overførsel selv automatiseres, opstår en kæde af trin der følger hinanden, og det kræver igen andre sikkerhedsforanstaltninger — omkring fejlhåndtering, omkring hvem der griber ind, hvis et trin går skævt. Hvad det kræver af en organisation, er beskrevet ved kæder hvor trin følger hinanden. Også spørgsmålet om, hvorvidt AI ikke blot giver anbefalingen men også udfører den, hører ind i den række; det er domænet for agenter der udfører arbejde, med sit eget sæt af krav til kontrol og tilsyn.
Om en organisation er klar til beslutningsstøtte, afhænger af, hvor langt de grundlæggende dimensioner allerede er: er datainfrastrukturen tilstrækkeligt moden, er governance omkring beslutningstagning klar, er det tydeligt hvem der tegner for hvad. Det er præcis de spørgsmål, som modenhedsmålingen fra hybridresourcing kortlægger, over flere niveauer og med flere bedømmere samtidig, så det bliver synligt, hvor organisationen ser det som det er, og hvor billederne divergerer.
Spørgsmålet om, hvorvidt en organisation kan bære AI, er et andet spørgsmål end hvilken del af arbejdet AI kan overtage. Den der vil vide, hvilken del af en konkret opgave — at udarbejde en anbefaling, at beregne scenarier, at forberede en beslutning — der er egnet til overtagelse, finder det hos arbejdsscanningen fra FTE TO AI. Den beregner per opgave, hvilken del af arbejdet AI kan klare, uafhængigt af spørgsmålet om, hvorvidt organisationen allerede er klar til det. Begge spørgsmål hører sammen, men de er ikke det samme spørgsmål.
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.