Baseline είναι το επίπεδο στο οποίο ξεκινούν οι περισσότεροι οργανισμοί. Υπάρχει χρήση AI, αλλά αυτή βασίζεται σε μεμονωμένα άτομα: κάποιος στο τμήμα IT που πειραματίζεται με ένα γλωσσικό μοντέλο, ένας υπεύθυνος marketing που δημιουργεί κείμενο, ένας μεμονωμένος manager που ρωτά αν μια διαδικασία μπορεί να γίνει ταχύτερη. Δεν υπάρχει κοινή προσέγγιση, καμία κοινή εικόνα για το τι λειτουργεί και καμία δομή που να διατηρεί ό,τι μαθαίνεται. Αν αυτό το άτομο αποχωρήσει ή αναλάβει άλλο έργο, η γνώση χάνεται μαζί του.
Στο baseline δεν λείπει η θέληση, αλλά το θεμέλιο. Οι επτά διαστάσεις που διακρίνει η μέτρηση ωριμότητας — μεταξύ των οποίων η οργάνωση, η υποδομή IT και η διαχείριση δεδομένων — σε αυτό το επίπεδο εξακολουθούν να λειτουργούν χωρίς σύνδεση μεταξύ τους ή είναι ελάχιστα ανεπτυγμένες. Αυτό δεν είναι μια αδυναμία· είναι η κατάσταση στην οποία βρίσκεται ένας οργανισμός προτού ξεκινήσει να χτίζει συνειδητά.
Μερικά σημάδια επανέρχονται σταθερά στο baseline. Δεν υπάρχει επισκόπηση του πού χρησιμοποιείται ήδη το AI εντός του οργανισμού, πόσο μάλλον μια κοινή εικόνα για το τι αποδίδει αυτή η χρήση. Οι αποφάσεις σχετικά με το AI λαμβάνονται στο σημείο όπου τυχαία προκύπτει το ερώτημα, όχι με βάση μια στάθμιση που αγγίζει ολόκληρο τον οργανισμό. Τα δεδομένα βρίσκονται διασκορπισμένα σε συστήματα που δεν επικοινωνούν μεταξύ τους, πράγμα που καθυστερεί κάθε βήμα προς κάτι δομημένο. Και δεν υπάρχει κοινή γλώσσα: ό,τι ένα τμήμα αποκαλεί AI, για ένα άλλο σημαίνει κάτι διαφορετικό.
Ο γύρος αποτύπωσης (plot-ronde) εντός της μέτρησης ωριμότητας συχνά το κάνει αυτό ορατό προτού βρεθούν λέξεις γι' αυτό. Όταν πολλά άτομα εντός του ίδιου οργανισμού βαθμολογούν ξεχωριστά, στο baseline παρατηρείται συχνά μεγάλη διασπορά: ένας ερωτηθείς βλέπει πρόοδο που άλλος δεν αναγνωρίζει. Αυτή η διασπορά είναι από μόνη της ένα σημάδι. Δείχνει ότι δεν υπάρχει ακόμη κοινή εικόνα για το πού βρίσκεται ο οργανισμός, και αυτό ακριβώς χαρακτηρίζει το baseline.
Η πορεία από το baseline προς το επόμενο επίπεδο δεν ξεκινά με μια νέα εφαρμογή, αλλά με τις θεμελιώδεις διαστάσεις. Η οργάνωση, η υποδομή IT και η διαχείριση δεδομένων προηγούνται των διαστάσεων που εξαρτώνται από αυτές. Αυτό δεν είναι προτίμηση, είναι η σειρά με την οποία λειτουργεί: ένας οργανισμός που θέλει να χτίσει κάτι πάνω στο AI χωρίς να έχει τα δεδομένα του σε τάξη ή χωρίς να είναι σαφές ποιος αποφασίζει για τι, χτίζει σε κινούμενη άμμο.
Συγκεκριμένα, αυτό σημαίνει ότι πρέπει πρώτα να αποκτηθεί επισκόπηση. Ποιος εντός του οργανισμού κάνει ήδη κάτι με το AI, και με βάση ποια δεδομένα; Πού βρίσκονται τα δεδομένα που σχετίζονται με αυτές τις εφαρμογές, και είναι προσβάσιμα και αξιόπιστα αρκετά για να χτιστεί κάτι πάνω τους; Υπάρχει κάποιο άτομο ή ομάδα που φέρει ευθύνη για τις αποφάσεις σχετικά με το AI, ή αυτό συμβαίνει ακόμη τυχαία; Αυτά τα ερωτήματα φαίνονται απλά, αλλά είναι ακριβώς εκεί όπου εστιάζουν οι θεμελιώδεις διαστάσεις.
Οι εξαρτημένες διαστάσεις — που σχετίζονται με το πώς το AI επηρεάζει την ίδια την εργασία — έρχονται μετά. Στο baseline είναι ακόμη πολύ πρόωρο να ειπωθεί κάτι ουσιαστικό γι' αυτές, επειδή λείπει το θεμέλιο πάνω στο οποίο μπορούν να στηριχθούν αυτές οι διαστάσεις.
Η μετάβαση στο foundation δεν απαιτεί να τακτοποιηθούν όλα ταυτόχρονα. Απαιτεί ο οργανισμός να σταματήσει να αντιμετωπίζει τη χρήση AI ως κάτι που προκύπτει τυχαία από μεμονωμένα άτομα, και να ξεκινήσει να καταγράφει τι υπάρχει: ποια δεδομένα υπάρχουν, ποιος αποφασίζει για τι, ποια συστήματα πρέπει να μπορούν να επικοινωνούν μεταξύ τους. Αυτό είναι λιγότερο μια τεχνική πορεία και περισσότερο μια οργανωτική πορεία. Η τεχνική συνήθως ακολουθεί, μόλις υπάρξει η δομή.
Είναι επίσης μια πορεία που απαιτεί χρόνο, και η διάρκειά της εξαρτάται από το πόσο υπάρχει ήδη άτυπα. Ένας οργανισμός στον οποίο ένα τμήμα εργάζεται ήδη συνειδητά με δεδομένα εδώ και καιρό έχει μικρότερη διαδρομή να διανύσει από έναν οργανισμό όπου αυτό δεν συμβαίνει πουθενά. Τι ακριβώς χρειάζεται για να προχωρήσει κανείς περαιτέρω από το foundation, και ποιες διαστάσεις χρειάζονται πρώτα προσοχή σε αυτό, περιγράφεται στη σελίδα που εξηγεί πώς προχωράτε από το foundation στο επόμενο επίπεδο. Παρακάτω στη σειρά, για οργανισμούς που βρίσκονται ήδη πιο μπροστά, περιγράφεται επίσης πώς σχετίζεται το activation με το επίπεδο μετά από αυτό και τι απαιτεί το insight για να αναπτυχθεί προς το intelligence.
Το baseline δεν λέει τίποτα για τη φιλοδοξία ενός οργανισμού και τίποτα για την ποιότητα των ανθρώπων που εργάζονται σε αυτόν. Λέει κάτι για την κατάσταση του θεμελίου σε μια δεδομένη στιγμή. Οργανισμοί που χαρτογραφούν σοβαρά αυτό το επίπεδο συχνά ανακαλύπτουν ότι υπάρχει ήδη περισσότερο από όσο πίστευαν — μεμονωμένες πρωτοβουλίες, δεδομένα που κάπου κάπως καταγράφονται, άνθρωποι που σκέφτονται ήδη πιο μπροστά από όσο απαιτεί ο ρόλος τους. Η μέτρηση ωριμότητας συνθέτει αυτό σε μια εικόνα πάνω στην οποία μπορεί να χτιστεί το επόμενο βήμα, χωρίς να συμπληρώνει αυτή την εικόνα με μια συμβουλή που δεν ταιριάζει στον οργανισμό.
Αυτή η σελίδα αφορά την ετοιμότητα: τι πρέπει να υπάρχει προτού το AI μπορέσει να αποκτήσει μια δομική θέση. Αυτό είναι διαφορετικό ερώτημα από το ποιο μέρος της εργασίας μπορεί πράγματι να εκτελέσει το AI. Μόλις το θεμέλιο αρχίσει να διαμορφώνεται, αυτό το δεύτερο ερώτημα γίνεται σχετικό, και εκεί ακριβώς ανταποκρίνεται η werkscan του FTE TO AI: αυτή υπολογίζει ανά εργασία ποιο μέρος της δουλειάς μπορεί να αναληφθεί από το AI, με βάση τις εργασίες όπως εκτελούνται σήμερα. Όποιος θέλει να γνωρίζει τι μπορεί να αναλάβει το AI μόλις ο οργανισμός είναι έτοιμος γι' αυτό, το βρίσκει εκεί — συμπεριλαμβανομένου του πώς αυτό διαφέρει όταν πρόκειται για agents που εκτελούν εργασία αυτόνομα ή για αλυσίδες όπου διαφορετικά βήματα διαδέχονται το ένα το άλλο.
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.