Οι εκπαιδευτικοί οργανισμοί διαφέρουν από τους περισσότερους άλλους κλάδους διότι η βασική δραστηριότητα καθαυτή – η διδασκαλία, η καθοδήγηση, η αξιολόγηση – δύσκολα διαχωρίζεται από τους ανθρώπους που την εκτελούν. Εκεί όπου ένα εργοστάσιο ή ένα κατάστημα μπορεί να επανασχεδιάσει διαδικασίες χωρίς να θίξει την ταυτότητα της εργασίας, κάθε αλλαγή σε ένα σχολείο ή ανώτερο εκπαιδευτικό ίδρυμα αγγίζει γρήγορα τη σχέση μεταξύ εκπαιδευτικού και μαθητή. Αυτό δεν κάνει τον κλάδο πιο αργό στην τεχνολογία, αλλά πιο προσεκτικό στο ερώτημα τι επιτρέπεται πραγματικά να κάνει η AI προτού μιλήσουμε για 'ανάληψη'.
Σε αυτό προστίθεται το γεγονός ότι τα εκπαιδευτικά ιδρύματα συχνά αποτελούνται από πολλαπλά επίπεδα που δεν έχουν την ίδια ταχύτητα: μια διοίκηση, έναν αριθμό τοποθεσιών ή σχολών, και μια μεγάλη ομάδα εκπαιδευτικών με δικούς τους τρόπους εργασίας. Το μεγαλύτερο μέρος των πρωτοβουλιών AI που συναντάμε ξεκινά σε ένα από αυτά τα επίπεδα χωρίς να έχουν συμπεριληφθεί τα άλλα. Ένας εκπαιδευτικός πειραματίζεται με ένα γλωσσικό μοντέλο για ανατροφοδότηση, ενώ το τμήμα IT δεν έχει εικόνα για το ποια δεδομένα εγκαταλείπουν το κτίριο. Μια διοίκηση διατυπώνει ένα όραμα AI, ενώ η διαχείριση δεδομένων των συστημάτων παρακολούθησης μαθητών βασίζεται ακόμη σε χαρτί ή σε ξεχωριστά υπολογιστικά φύλλα. Αυτή η αναντιστοιχία δεν είναι ζήτημα απροθυμίας, αλλά ζήτημα σειράς.
Ένα μέλος του διοικητικού συμβουλίου, ένας διευθυντής επιχειρησιακών λειτουργιών ή ένας επικεφαλής IT που βλέπει πιλοτικά προγράμματα AI να κολλάνε, αναγνωρίζει συχνά το ίδιο μοτίβο: το πιλοτικό πρόγραμμα λειτουργεί από μόνο του, αλλά δεν κλιμακώνεται. Αυτό σπάνια οφείλεται στο ότι η τεχνολογία υπολείπεται. Πιο συχνά λείπει ένα από τα θεμελιώδη επίπεδα που είναι απαραίτητα για να στηρίξουν ένα πιλοτικό πρόγραμμα: μια οργανωτική δομή που μπορεί να λαμβάνει και να αναθέτει αποφάσεις σχετικά με την AI, μια υποδομή IT που μπορεί να ενσωματώσει με ασφάλεια νέες εφαρμογές, και διαχείριση δεδομένων που είναι σε τάξη προτού ένα μοντέλο μπορέσει να κάνει κάτι χρήσιμο με αυτά. Μόνο όταν αυτά τα τρία υπάρχουν, έχει νόημα να εξεταστούν οι εξαρτημένες διαστάσεις: πώς οι άνθρωποι εργάζονται με αυτά, ποια γνώση παρέχουν, και πόσο έξυπνα διαχειρίζεται τελικά ο οργανισμός αυτή τη γνώση.
Στην εκπαίδευση αυτό παίζει ισχυρότερο ρόλο απ' αλλού, επειδή τα θεμελιώδη επίπεδα έχουν συχνά αναπτυχθεί ιστορικά γύρω από εκπαιδευτικές επιλογές, όχι τεχνικές. Μια σχολική διοίκηση είναι οργανωμένη για λογοδοσία στην επιθεώρηση, όχι για επαναχρησιμοποιήσιμα δεδομένα για εφαρμογές AI. Ένα τμήμα IT είναι συχνά μικρό και εστιασμένο στη διαχείριση, όχι στην ενσωμάτωση νέων συστημάτων. Αυτό δεν είναι ελάττωμα, είναι μια διαφορετική προτεραιότητα που καθορίστηκε δεκαετίες πριν και τώρα επηρεάζει την ταχύτητα με την οποία η AI πραγματικά εδραιώνεται.
Η μέτρηση της hybridresourcing.com εξετάζει επτά διαστάσεις, κατανεμημένες σε πέντε επίπεδα από baseline έως intelligence. Για τα εκπαιδευτικά ιδρύματα είναι αξιοσημείωτο ότι η βαθμολογία στην οργάνωση και στη διαχείριση δεδομένων συχνά υστερεί σε σχέση με τη βαθμολογία στη φιλοδοξία ή στις μεμονωμένες εφαρμογές. Τακτικά υπάρχει ήδη κάποιος που εργάζεται με AI, μερικές φορές ήδη σε προχωρημένο επίπεδο, ενώ ο οργανισμός στο σύνολό του βρίσκεται ακόμη στο πρώτο επίπεδο όσον αφορά τη λήψη αποφάσεων και τη διαμόρφωση δεδομένων. Αυτή η διασπορά γίνεται ορατή στον γύρο plot, όπου πολλά άτομα εντός του ίδιου ιδρύματος βαθμολογούνται ξεχωριστά. Στους εκπαιδευτικούς οργανισμούς αυτή η διασπορά είναι συχνά μεγαλύτερη από τον μέσο όρο, ακριβώς επειδή η διοίκηση, το IT και το διδακτικό προσωπικό σπάνια εργάζονται από την ίδια οπτική.
Αυτή η διασπορά δεν αποτελεί πρόβλημα καθαυτή. Είναι πληροφορία. Ένας διοικητικός στέλεχος που πιστεύει ότι ο οργανισμός είναι έτοιμος για AI σε μεγάλη κλίμακα, και ένας διευθυντής IT που γνωρίζει ότι η υποδομή δεν μπορεί ακόμη να το αντέξει, έχουν και οι δύο δίκιο από τη δική τους θέση. Η μέτρηση καθιστά αυτή τη διαφορά ρητή, ώστε η συζήτηση να μπορεί να αφορά το τι πρέπει να προηγηθεί, αντί για το ποιος έχει δίκιο.
Οι επτά διαστάσεις δεν είναι ισοδύναμες στον χρόνο. Η οργάνωση, η υποδομή IT και η διαχείριση δεδομένων είναι οι διαστάσεις στις οποίες στηρίζονται οι άλλες τέσσερις. Ένα σχολείο που θέλει να εργαστεί πάνω στη γνώση ή στην ευφυΐα χωρίς τα δεδομένα να είναι σε τάξη, χτίζει σε κινούμενη άμμο. Αυτό ισχύει εξίσου για τα εκπαιδευτικά ιδρύματα όσο και για επιχειρήσεις λιανικού εμπορίου που παλεύουν με παρόμοιες καθυστερήσεις στη διαχείριση δεδομένων ή για τον κλάδο της εστίασης-φιλοξενίας, όπου οι οργανωτικές δομές είναι συχνά εξίσου κατακερματισμένες μεταξύ καταστημάτων. Ο κλάδος διαφέρει, η σειρά όχι.
Αυτό καθιστά το ερώτημα 'πόσο προχωρημένοι είμαστε' λιγότερο ερώτημα βαθμολογίας και περισσότερο ερώτημα για το πού λείπει η θεμελίωση. Ένα ίδρυμα που στα χαρτιά βαθμολογείται φιλόδοξα στη χρήση AI, αλλά δεν έχει εικόνα της δικής του υποδομής IT, δεν θα μπορέσει να πραγματοποιήσει αυτή τη φιλοδοξία χωρίς πρώτα να επιστρέψει στα θεμέλια. Αυτό δείχνουν και τα ιδρύματα στον κλάδο ΤΠΕ και στις χρηματοοικονομικές υπηρεσίες: η υψηλή φιλοδοξία στις εξαρτημένες διαστάσεις δεν αντισταθμίζει μια αδύναμη θεμελίωση.
Η μέτρηση ωριμότητας της hybridresourcing.com βρίσκεται υπό κατασκευή. Όποιος θέλει να μάθει πώς βαθμολογείται το δικό του ίδρυμα στις επτά διαστάσεις, και πώς αυτή η βαθμολογία σχετίζεται με εκείνη των συναδέλφων εντός του ίδιου οργανισμού, μπορεί να εγγραφεί στη λίστα αναμονής. Δεν υπάρχει ακόμη εργαλείο για χρήση σήμερα· υπάρχει όμως μια σαφής εικόνα για το τι θα προσφέρει η μέτρηση μόλις γίνει διαθέσιμη.
Αυτή η σελίδα αφορά το ερώτημα αν ένας εκπαιδευτικός οργανισμός μπορεί να στηρίξει την AI: αν τα θεμέλια είναι σταθερά προτού χτιστεί οτιδήποτε πάνω τους. Ένα άλλο ερώτημα, που αποκτά νόημα μόνο αργότερα, είναι τι μπορεί να αναλάβει συγκεκριμένα η AI εντός της εκπαίδευσης. Για αυτό προορίζεται η werkscan του FTE TO AI: αυτή υπολογίζει ανά εργασία ποιο μέρος της δουλειάς προσφέρεται να αναληφθεί από την AI, ανεξάρτητα από το αν ο οργανισμός στο σύνολό του είναι ήδη έτοιμος γι' αυτό. Όποιος συνδυάζει και τα δύο ερωτήματα, αποκτά όχι μόνο εικόνα των δυνατοτήτων, αλλά και της σειράς με την οποία μπορούν να γίνουν πραγματικότητα.
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.