Οι εφαρμογές AI βασίζονται σε δεδομένα. Όχι στα δεδομένα που φαντάζεστε ότι έχετε, αλλά στα δεδομένα όπως πραγματικά είναι αποθηκευμένα, ορισμένα και συντηρημένα. Η διαχείριση δεδομένων είναι γι' αυτό μία από τις θεμελιώδεις διαστάσεις εντός της μέτρησης ωριμότητας: μαζί με την οργάνωση και την υποδομή ΙΤ, καθορίζει αν υπάρχει κάτι για να χτιστεί πάνω του. Ένας οργανισμός μπορεί να έχει υψηλή βαθμολογία στους ανθρώπους και τις δεξιότητες ή στη διαχείριση απόδοσης και παρόλα αυτά να διαπιστώσει ότι κάθε εφαρμογή AI κολλάει επειδή κανείς δεν μπορεί να πει με βεβαιότητα ποια έκδοση ενός αρχείου πελατών είναι η σωστή. Αυτή η σειρά δεν είναι δική μας επιλογή· είναι η σειρά με την οποία λειτουργεί.
Η διαχείριση δεδομένων αφορά την κατάσταση των δεδομένων που χρησιμοποιεί ένας οργανισμός για να εργάζεται και να αποφασίζει. Είναι οι ορισμοί σταθεροί, ή σημαίνει «ενεργός πελάτης» κάτι διαφορετικό σε κάθε τμήμα. Υπάρχει σαφής ιδιοκτήτης για κάθε σύνολο δεδομένων, ή κανείς δεν ξέρει ποιος είναι υπεύθυνος όταν ένα πεδίο είναι λάθος εδώ και χρόνια. Καταγράφονται τα δεδομένα μία φορά και ανακτώνται από παντού, ή υπάρχουν τρεις εξαγωγές που πλέον αποκλίνουν μεταξύ τους. Οι ερωτήσεις στη μέτρηση δεν αφορούν την ποσότητα δεδομένων ή τον τύπο συστήματος, αλλά την αξιοπιστία και την προέλευση αυτού που υπάρχει.
Τα πέντε επίπεδα εκτείνονται από το baseline έως το intelligence, και στη διαχείριση δεδομένων η διαφορά μεταξύ αυτών των επιπέδων είναι συχνά πιο συγκεκριμένα αντιληπτή απ' ό,τι σε άλλες διαστάσεις. Στο baseline, τα δεδομένα υπάρχουν κυρίως τοπικά: σε υπολογιστικά φύλλα, στο μυαλό ενός συναδέλφου, σε ένα σύστημα που κανείς πλέον δεν κατανοεί πλήρως. Στο foundation, τα σημαντικότερα σύνολα δεδομένων έχουν προσδιοριστεί και υπάρχει μια αρχή ιδιοκτησίας, ακόμα και αν οι ορισμοί εξακολουθούν να διαφέρουν. Τι σημαίνει στην πράξη αυτό το επίπεδο foundation, και για άλλες διαστάσεις, περιγράφεται στο τι σημαίνει το επίπεδο foundation στην πράξη, και το ίδιο ισχύει για το ίδιο το σημείο εκκίνησης στο τι σημαίνει το επίπεδο baseline στην πράξη. Στο activation, οι ορισμοί είναι σε μεγάλο βαθμό κοινοί και υπάρχει διαδικασία για τον εντοπισμό αποκλίσεων. Στο insight, τα δεδομένα χρησιμοποιούνται ενεργά για την τεκμηρίωση αποφάσεων, με εικόνα για την ποιότητα και την προέλευση. Στο intelligence, η διαχείριση δεδομένων δεν είναι πλέον ξεχωριστό έργο αλλά μόνιμο χαρακτηριστικό του τρόπου λειτουργίας του οργανισμού.
Ο γύρος του plot αναδεικνύει αν αυτή η εκτίμηση είναι ακριβής. Όταν ο CIO τοποθετεί τη διαχείριση δεδομένων στο activation και οι ομάδες που εργάζονται καθημερινά με αυτή στο baseline, αυτή η διασπορά λέει περισσότερα για την πραγματική κατάσταση απ' ό,τι ο μέσος όρος των δύο βαθμολογιών. Συχνά αποδεικνύεται ότι τα συστήματα είναι διαμορφωμένα σε επίπεδο υψηλότερο από τη συμπεριφορά μέσα σε αυτά: υπάρχει ένα κεντρικό σύστημα, αλλά οι άνθρωποι εξακολουθούν να εργάζονται παράλληλα σε δικά τους αρχεία επειδή δεν εμπιστεύονται το σύστημα.
Τι κοστίζει η μετάβαση από το baseline στο foundation εξαρτάται από το πόσο διασκορπισμένα είναι τα δεδομένα τώρα και πόσα τμήματα διατηρούν τη δική τους εκδοχή της αλήθειας. Το έργο βρίσκεται τότε κυρίως στον προσδιορισμό της ιδιοκτησίας και στην καταγραφή ορισμών, όχι σε νέα τεχνολογία. Από το foundation στο activation απαιτείται συχνότερα ένα τεχνικό βήμα: ο ορισμός μίας πηγής, η κατάργηση των άλλων ή η μετατροπή τους σε πηγές μόνο για ανάγνωση. Από το activation στο insight, το βάρος μετατοπίζεται στη διακυβέρνηση: ποιος επιτρέπεται να τροποποιεί τι, πώς ελέγχεται η ποιότητα, τι συμβαίνει όταν εντοπίζεται σφάλμα. Πόσο μακρόχρονη και πόσο βαριά είναι αυτή η διαδικασία εξαρτάται από το μέγεθος του οργανισμού, τον αριθμό συστημάτων που διατηρούν δεδομένα και τον βαθμό στον οποίο οι άνθρωποι έχουν ήδη συνηθίσει να θεωρούν μία πηγή ως καθοριστική. Αυτό δεν μπορεί να αποδοθεί σε ένα σταθερό ποσό ή σε σταθερή διάρκεια· εξαρτάται από το πού συγκεντρώνεται η διασπορά στον γύρο του plot σας.
Η διαχείριση δεδομένων σπάνια στέκεται μόνη της. Ένας οργανισμός που δεν εμπιστεύεται τα δεδομένα του θα δυσκολευτεί επίσης με το πόσο κοστίζει να ανεβάσετε την ιδιωτικότητα και την ασφάλεια ένα επίπεδο, γιατί δεν μπορείς να ασφαλίσεις κάτι που δεν έχεις χαρτογραφήσει. Αντίστροφα, μια ισχυρή διαχείριση δεδομένων μπορεί να θέσει τα θεμέλια πάνω στα οποία το πόσο κοστίζει να ανεβάσετε τη διαχείριση απόδοσης ένα επίπεδο απαντιέται ευκολότερα, γιατί η διαχείριση απόδοσης χρειάζεται αξιόπιστα δεδομένα για να μπορεί να μετρήσει κάτι. Και το ερώτημα πόσο κοστίζει να ανεβάσετε την ηθική ένα επίπεδο αγγίζει άμεσα τη διαχείριση δεδομένων: η υπεύθυνη διαχείριση δεδομένων ξεκινά με τη γνώση τι έχεις και από πού προέρχεται. Όποιος αντιμετωπίζει αυτές τις διαστάσεις ξεχωριστά κινδυνεύει να δει το έργο σε μία διάσταση να παρεμποδίζεται από μια καθυστέρηση σε άλλη.
Αυτή η μέτρηση δείχνει αν ο οργανισμός διαθέτει τα δεδομένα, τα συστήματα και τους ανθρώπους για να στηρίξει την AI. Αυτό είναι διαφορετικό ερώτημα από το ποιο μέρος της εργασίας μπορεί πραγματικά να αναλάβει η AI. Μόλις γίνει σαφές πού βρίσκονται οι θεμελιώδεις διαστάσεις, συμπεριλαμβανομένης της διαχείρισης δεδομένων, γίνεται σκόπιμο να εξεταστεί ανά εργασία τι μπορεί να κάνει η AI και τι όχι. Αυτό είναι το πεδίο της werkscan του FTE TO AI: αυτή υπολογίζει ανά εργασία ποιο μέρος της δουλειάς μπορεί να αναληφθεί, με βάση τα δεδομένα και τα συστήματα που πράγματι υπάρχουν εκείνη τη στιγμή.
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.