Kennisbank

Insight: κατανοείτε το AI σε βάθος, αλλά δεν το καθοδηγείτε ακόμη παντού

Πώς αναγνωρίζετε το insight

Στο επίπεδο insight έχει αλλάξει κάτι που ξεπερνά τα μεμονωμένα πειράματα. Ο οργανισμός δεν κατανοεί μόνο ότι το AI κάνει κάτι, αλλά και γιατί λειτουργεί σε ένα σημείο και όχι σε άλλο. Έχει δημιουργηθεί γλώσσα για να διεξάγεται αυτή η συζήτηση: οι άνθρωποι μιλούν για ποιότητα δεδομένων, για ευθύνη σε περίπτωση σφαλμάτων, για το ποιες διαδικασίες προσφέρονται και ποιες όχι για αυτοματοποίηση. Αυτό είναι διαφορετική συζήτηση από ένα χρόνο πριν, όταν το ερώτημα ήταν κυρίως αν ένα pilot απέδιδε κάτι.

Το χαρακτηριστικό αυτού του επιπέδου είναι το εξής: η γνώση υπάρχει, αλλά δεν είναι ακόμη παντού εδραιωμένη στον τρόπο λήψης αποφάσεων. Ένα τμήμα έχει σαφή εικόνα ποια δεδομένα χρειάζεται και ποια λείπουν. Ένα άλλο τμήμα ακολουθεί ακόμη με καλή πίστη ένα pilot χωρίς να έχει διαπιστώσει κανείς αν η υποκείμενη υποδομή το αντέχει. Το insight δεν είναι λοιπόν ένα ομοιόμορφο στρώμα σε όλον τον οργανισμό. Είναι μάλλον ένα σύνολο σημείων όπου έχει ανάψει το φως, με ενδιάμεσα κομμάτια που παραμένουν στο σκοτάδι.

Τι λείπει ακόμη

Το βήμα προς το επόμενο επίπεδο, το intelligence, απαιτεί αυτή η γνώση να μεταφραστεί σε καθοδήγηση. Όχι περιστασιακά — ως αντίδραση σε ένα πρόβλημα που προκύπτει — αλλά δομικά, ως μέρος του τρόπου με τον οποίο ο οργανισμός λειτουργεί κανονικά. Αυτό αγγίζει τις ίδιες θεμελιώδεις διαστάσεις που ήταν καθοριστικός παράγοντας και σε προηγούμενα επίπεδα: είναι η διαχείριση δεδομένων τόσο καλά διαμορφωμένη ώστε οι αποφάσεις με βάση αποτελέσματα AI να μπορούν να δικαιολογηθούν; Είναι η υποδομή IT διαμορφωμένη έτσι ώστε οι νέες εφαρμογές να μην ξεκινούν συνεχώς από το μηδέν; Είναι ο οργανισμός ίδιος διαμορφωμένος έτσι ώστε η ευθύνη για διαδικασίες που βασίζονται σε AI να ανήκει κάπου, αντί να είναι διασκορπισμένη παντού λίγο-λίγο;

Στο επίπεδο insight βλέπετε συχνά ότι αυτά τα ερωτήματα έχουν όντως τεθεί, αλλά ότι η απάντηση διαφέρει ανά διάσταση. Μια διάσταση έχει προχωρήσει τόσο πολύ ώστε η καθοδήγηση να είναι δυνατή· μια άλλη ακολουθεί ακόμη μεμονωμένες πρωτοβουλίες. Αυτή η διαφορά στον ρυθμό είναι ακριβώς εκεί όπου η διασπορά σε έναν γύρο plot γίνεται ορατή: όταν βαθμολογούν ξεχωριστά πολλά άτομα, φαίνεται ότι ένας ερωτηθείς θεωρεί τον οργανισμό ήδη προχωρημένο στη διαχείριση δεδομένων, ενώ κάποιος άλλος τοποθετεί την ίδια διάσταση ακόμη στο foundation. Αυτή η διασπορά δεν είναι θόρυβος. Δείχνει ποια διάσταση χρειάζεται προσοχή πρώτη, και ποια διάσταση πρέπει να ακολουθήσει.

Η σειρά που το καθορίζει

Ο πειρασμός σε αυτό το επίπεδο είναι να κατευθύνετε την προσοχή στις διαστάσεις που είναι πιο ορατές — συχνά οι εξαρτημένες διαστάσεις, κοντά στην καθημερινή εργασία. Όμως οι θεμελιώδεις διαστάσεις προηγούνται. Αν η διαχείριση δεδομένων δεν είναι σε τάξη, κάθε καθοδήγηση με βάση αποτελέσματα AI παραμένει ασταθής, όσο μεγάλη γνώση και να έχει χτιστεί. Αν η υποδομή IT είναι κατακερματισμένη, κάθε εφαρμογή παραμένει νησίδα, ακόμη και αν ο οργανισμός μπορεί ήδη να μιλά καλά για αυτό εσωτερικά.

Αυτή δεν είναι διαφορετική σειρά από εκείνη που ίσχυε σε προηγούμενα επίπεδα. Είναι η ίδια σειρά, αλλά σε ένα σημείο όπου το κόστος της παράλειψής της γίνεται πιο ορατό. Στα επίπεδα baseline και foundation η απουσία θεμελίου μπορούσε ακόμη να κρύβεται πίσω από το γεγονός ότι συνέβαινε λίγο. Στο insight υπάρχει ήδη περισσότερη κίνηση, και αυτό κάνει μια αδύναμη θεμελιώδη διάσταση πιο αισθητή: καθοδήγηση που δεν κρατά, αποφάσεις που δεν μπορούν να αναχθούν εκ των υστέρων, εφαρμογές που κολλάνε μόλις ξεπεράσουν τα όρια ενός τμήματος.

Τι απαιτεί το βήμα προς το intelligence

Η μετάβαση προς το intelligence δεν είναι ζήτημα εφαρμογής περισσότερου AI. Είναι ζήτημα να φέρετε τις θεμελιώδεις διαστάσεις σε τέτοιο βαθμό τάξης ώστε οι εξαρτημένες διαστάσεις να μπορούν να χτίσουν δομικά πάνω τους. Αυτό διαφέρει σημαντικά ανά οργανισμό: ο ένας οργανισμός πρέπει κυρίως να ενοποιήσει τη διαχείριση δεδομένων του, ο άλλος έχει μια υποδομή IT που πρέπει πρώτα να συγκεντρωθεί προτού μπορεί να υπάρξει ευρύτερη καθοδήγηση. Τι θα γίνει εξαρτάται από το πού είναι μεγαλύτερη η διασπορά στον γύρο plot — εκεί είναι το σημείο που περιμένει το επόμενο επίπεδο.

Όποιος θέλει να δει πέρα από το intelligence, βρίσκει στη σελίδα για το επίπεδο μετά το intelligence μια περιγραφή του τι προκύπτει όταν η καθοδήγηση δεν είναι πλέον μόνο δομική, αλλά αυτο-μαθαινόμενη. Όποιος αναζητά αναγνώριση σε προηγούμενο στάδιο της διαδρομής, μπορεί στο activation να διαβάσει ξανά πώς έμοιαζε η φάση πριν προκύψει η γνώση, ή να δει τι σημαίνει από τη στιγμή που agents που εκτελούν εργασία αρχίζουν να παίζουν ρόλο δίπλα στο επίπεδο καθοδήγησης που χτίζεται σε αυτό το επίπεδο.

Το επόμενο ερώτημα

Το insight σας δείχνει πού βρίσκεται ο οργανισμός στην ικανότητά του να στηρίξει το AI: ποιες διαστάσεις είναι σταθερές και ποιες ακόμη χαλαρές. Αυτό είναι διαφορετικό ερώτημα από το ποιο μέρος της εργασίας μπορεί το ίδιο να μεταφερθεί στο AI. Μόλις η υποστηρικτική πλευρά γίνει σαφέστερη, αυτό το δεύτερο ερώτημα γίνεται σχετικό: ποιο μέρος των εργασιών εντός μιας διαδικασίας μπορεί όντως να αναληφθεί. Ακριβώς για αυτό έχει φτιαχτεί η werkscan της FTE TO AI — μια μέθοδος υπολογισμού που καθορίζει ανά εργασία ποιο μέρος της δουλειάς είναι κατάλληλο για ανάληψη, ώστε η συζήτηση για το intelligence να μην αφορά μόνο την ετοιμότητα, αλλά και τι υπάρχει όντως να κερδηθεί μόλις υπάρξει αυτή η ετοιμότητα.