Τα μοντέλα AI είναι τόσο καλά όσο τα δεδομένα που βλέπουν. Αυτό δεν είναι σλόγκαν αλλά πρακτικό πρόβλημα: ένα γλωσσικό μοντέλο που εργάζεται με διασκορπισμένα, ξεπερασμένα ή απροσδιόριστα δεδομένα, παράγει απαντήσεις εξίσου διασκορπισμένες, ξεπερασμένες και απροσδιόριστες. Πολλοί οργανισμοί το διαπιστώνουν μόνο αφού ξεκινήσει ένα πιλοτικό έργο, όταν αποδεικνύεται ότι τα δεδομένα που χρειάζεται το μοντέλο δεν βρίσκονται πουθενά συγκεντρωμένα σε ένα σημείο, ή ότι κανείς δεν ξέρει πλέον ποια έκδοση ενός αρχείου είναι η σωστή. Η διαχείριση δεδομένων είναι μία από τις θεμελιώδεις διαστάσεις: το ερώτημα δεν είναι ποιες εργασίες θα μπορούσε να αναλάβει η AI, αλλά αν κάτω από αυτές τις εργασίες υπάρχει ένα επίπεδο δεδομένων αρκετά στέρεο για να χτιστεί πάνω του.
Η διαχείριση δεδομένων αφορά την προέλευση των δεδομένων, ποιος είναι υπεύθυνος για αυτά, σε ποια κατάσταση βρίσκονται και πόσο εύκολο είναι να τα βρει και να τα συνδυάσει κανείς. Αυτό περιλαμβάνει, μεταξύ άλλων, αν τα δεδομένα αποθηκεύονται κεντρικά ή διασκορπισμένα, αν έχει οριστεί ιδιοκτήτης για κάθε σύνολο δεδομένων, αν οι ορισμοί εννοιών όπως «πελάτης» ή «ενεργό έργο» είναι συνεπείς μεταξύ τμημάτων, και αν υπάρχει εικόνα για την ποιότητα των δεδομένων που χρησιμοποιούνται καθημερινά. Ένας οργανισμός μπορεί να βαθμολογείται εδώ υψηλά στην υποδομή IT και παρόλα αυτά να βρίσκεται χαμηλά στη διαχείριση δεδομένων: τα συστήματα υπάρχουν, αλλά κανείς δεν έχει ποτέ καταγράψει τι ακριβώς περιέχουν ή ποιος επιτρέπεται να αλλάξει κάτι σε αυτά.
Στο επίπεδο baseline τα δεδομένα υπάρχουν κυρίως σε σιλό: κάθε τμήμα διατηρεί τα δικά του αρχεία, χωρίς κοινή δομή ή ιδιοκτησία. Στο επίπεδο foundation υπάρχει μια αρχή τάξης: υπάρχουν συμφωνίες για το πού πρέπει να βρίσκονται ορισμένα δεδομένα, αλλά η εφαρμογή εξαρτάται ακόμη από ατομικές συνήθειες. Στο επίπεδο activation η ιδιοκτησία δεδομένων έχει ανατεθεί και υπάρχει κοινό πλαίσιο εννοιών, ώστε διαφορετικά τμήματα να χρησιμοποιούν τον ίδιο όρο με τον ίδιο τρόπο. Στο επίπεδο insight μετριέται και παρακολουθείται η ποιότητα των δεδομένων, και υπάρχει εικόνα για το πού βρίσκονται τα αδύναμα σημεία στην αλυσίδα δεδομένων. Το επίπεδο intelligence σημαίνει ότι η διαχείριση δεδομένων είναι ενσωματωμένη στην καθημερινή εργασία: η ποιότητα, η προέλευση και η πρόσβαση ελέγχονται συνεχώς, όχι ως ξεχωριστό έργο αλλά ως σταθερό μέρος του τρόπου εργασίας.
Ένας πρακτικός δείκτης είναι το ερώτημα πόσο χρόνο χρειάζεται για να απαντηθεί μια απλή ερώτηση, όπως πόσοι πελάτες αγόρασαν ένα συγκεκριμένο προϊόν τον περασμένο χρόνο. Αν η απάντηση προέρχεται από ένα σύστημα σε λίγα λεπτά, αυτό υποδεικνύει υψηλότερο επίπεδο. Αν πρέπει πρώτα να κληθούν τρία άτομα για να διαπιστωθεί ποιο αρχείο είναι επίκαιρο, αυτό υποδεικνύει baseline ή foundation. Ένας άλλος δείκτης είναι τι συμβαίνει όταν αποχωρεί κάποιος με γνώση για ένα σύνολο δεδομένων: παραμένει η πληροφορία προσβάσιμη, ή χάνεται μαζί με αυτό το άτομο. Σχετικό είναι επίσης αν υπάρχει κάποιος που φέρει την ευθύνη για ένα σύνολο δεδομένων, ή αν αυτή η ευθύνη ουσιαστικά δεν βαρύνει κανέναν.
Στο πλαίσιο της μέτρησης ωριμότητας, αυτή τη διάσταση δεν τη βαθμολογεί ένα μόνο άτομο, αλλά πολλά άτομα ξεχωριστά. Ένας διευθυντής IT μπορεί να εκτιμήσει τη διαχείριση δεδομένων ως υψηλή επειδή τα συστήματα είναι τεχνικά εντάξει, ενώ ένας επιχειρησιακός διευθυντής βαθμολογεί χαμηλά επειδή στην πράξη τα δεδομένα δεν φαίνονται εύκολα εντοπίσιμα ή αξιόπιστα. Αυτή η διασπορά γίνεται ορατή στην αποτύπωση και αποτελεί από μόνη της ένα σήμα: μια μεγάλη απόσταση μεταξύ βαθμολογιών σημαίνει συχνά ότι ο οργανισμός βρίσκεται στα χαρτιά πιο μπροστά απ' όσο στην καθημερινή πράξη, ή ότι διαφορετικά τμήματα εργάζονται με διαφορετικές εκδοχές της αλήθειας. Μια στενή διασπορά, ακόμη και σε χαμηλότερο επίπεδο, δείχνει μια ρεαλιστική και κοινή εικόνα από την οποία μπορεί κανείς να ξεκινήσει.
Το βήμα από το baseline στο foundation δεν απαιτεί συχνά νέα τεχνολογία, αλλά συμφωνίες: ποιος είναι ιδιοκτήτης ποιου συνόλου δεδομένων, και πού βρίσκεται ποια πληροφορία. Το βήμα από το foundation στο activation απαιτεί ένα κοινό πλαίσιο εννοιών, ώστε τα τμήματα να μην ορίζουν διαφορετικά τι είναι «ενεργός πελάτης» ή «ολοκληρωμένο έργο». Τι απαιτεί ένα συγκεκριμένο βήμα σε κόστος και χρόνο, εξαρτάται από το μέγεθος του οργανισμού και την κατάσταση των υποκείμενων συστημάτων· αυτό αναλύεται στη σελίδα σχετικά με τι κοστίζει να ανέβει ο οργανισμός ένα επίπεδο και στη σελίδα σχετικά με τι κοστίζει να ανέβει η υποδομή IT ένα επίπεδο, επειδή τα δεδομένα και η υποδομή στην πράξη συχνά προχωρούν μαζί.
Η διαχείριση δεδομένων δεν είναι ανεξάρτητη από την υπόλοιπη μέτρηση. Χωρίς σαφείς συμφωνίες για ποιος επιτρέπεται να χρησιμοποιεί ποια δεδομένα και για τι, προκύπτουν ερωτήματα που στην πραγματικότητα ανήκουν στην ιδιωτικότητα και ασφάλεια. Χωρίς ανθρώπους που κατανοούν τι σημαίνει ποιότητα δεδομένων και πώς να δίνουν προσοχή σε αυτό στη δουλειά τους, η διάσταση άνθρωποι και δεξιότητες παραμένει πίσω. Και χωρίς μια ματιά σε ποιος αποφασίζει τι επιτρέπεται και τι δεν επιτρέπεται να γίνει με τα δεδομένα, λείπει η σύνδεση με την ηθική. Οι επτά διαστάσεις της μέτρησης συνδέονται μεταξύ τους· η διαχείριση δεδομένων είναι μία από αυτές, και συνήθως όχι η τελευταία που αξίζει προσοχή.
Αυτή η μέτρηση δείχνει αν το έδαφος κάτω από τις εφαρμογές AI είναι αρκετά στέρεο: αν τα δεδομένα είναι εντοπίσιμα, αξιόπιστα και έχουν ιδιοκτήτη. Αυτό είναι διαφορετικό ερώτημα από το ποιο μέρος της εργασίας μπορεί να αναλάβει η ίδια η AI. Αυτό το ερώτημα απαντάται από τη σάρωση εργασιών του FTE TO AI, η οποία υπολογίζει ανά εργασία ποιο μέρος είναι κατάλληλο για μεταφορά στην AI, με βάση τη δομή δεδομένων που υπάρχει εκείνη τη στιγμή. Οι δύο μετρήσεις προορίζονται να διαβαστούν η μία μετά την άλλη: πρώτα η φέρουσα ικανότητα, έπειτα οι εργασίες που μπορούν να στηριχτούν σε αυτή.
Η μέτρηση ωριμότητας, συμπεριλαμβανομένης της διάστασης διαχείριση δεδομένων, βρίσκεται προς το παρόν υπό κατασκευή. Όποιος θέλει να κάνει τη μέτρηση μόλις γίνει διαθέσιμη, μπορεί να εγγραφεί στη λίστα αναμονής.
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.