Ένα παράθυρο συνομιλίας όπου κάποιος θέτει μια ερώτηση και λαμβάνει μια απάντηση φαίνεται απλό. Αυτό που πρέπει να συμβαίνει από κάτω, δεν είναι απλό. Υποστήριξη αποφάσεων με AI σημαίνει ότι ένα σύστημα συνδυάζει δεδομένα από πολλαπλές πηγές, τα τοποθετεί στο σωστό πλαίσιο και διαμορφώνει μια απάντηση στην οποία κάποιος τολμά να βασίσει τις ενέργειές του. Κάθε βήμα σε αυτή την αλυσίδα θέτει μια απαίτηση στον οργανισμό που προηγείται του ερωτήματος ποιο μοντέλο ή ποια πλατφόρμα επιλέγεται.
Ένα μοντέλο που υποστηρίζει αποφάσεις είναι τόσο καλό όσο τα δεδομένα που βλέπει. Αυτό σημαίνει ότι τα στοιχεία από διαφορετικά συστήματα πρέπει να χρησιμοποιούν τον ίδιο ορισμό, ότι τα ιστορικά δεδομένα είναι προσβάσιμα χωρίς να χρειάζεται πρώτα κάποιος να τα εξάγει χειροκίνητα, και ότι είναι σαφές ποια πηγή είναι η έγκυρη όταν δύο συστήματα αντιφάσκουν μεταξύ τους. Οργανισμοί που δεν έχουν ακόμη τακτοποιήσει αυτό, το διαπιστώνουν μόνο τη στιγμή που η απάντηση του συστήματος δεν συμφωνεί με αυτό που οι άνθρωποι στην πράξη ήδη γνώριζαν.
Η υποστήριξη αποφάσεων βρίσκεται συχνά στο σημείο σύνδεσης πολλών τμημάτων: τη στιγμή που η πληροφορία πρέπει να μεταφερθεί από ένα σημείο σε άλλο, ώστε να προκύψει μια καλή απόφαση. Αυτό κάνει σχετικό το πώς λειτουργεί ο συντονισμός μεταξύ τμημάτων στον οργανισμό σας, καθώς ένα σύστημα που δίνει μια συμβουλή η οποία στη συνέχεια παραμένει ανάμεσα σε δύο τμήματα, δεν έχει αποδώσει τίποτα. Η ίδια λογική ισχύει για τις πηγές με τις οποίες τροφοδοτείται η συμβουλή: αν αυτές οι πηγές αποτελούνται από έγγραφα που πρέπει πρώτα να διαβαστούν και να συνοψιστούν προτού μπορέσουν να χρησιμοποιηθούν, τότε το ερώτημα τι απαιτεί η ανάγνωση και η σύνοψη εγγράφων από τον οργανισμό επηρεάζει άμεσα την ταχύτητα και την αξιοπιστία της συμβουλής που προκύπτει.
Ένα μέρος της υποστήριξης αποφάσεων δεν συνίσταται στην απάντηση σε μια ερώτηση που κάποιος θέτει ενεργά, αλλά στον εντοπισμό κάτι που αξίζει προσοχή προτού κάποιος το ρωτήσει. Αυτό θέτει διαφορετικές απαιτήσεις από ένα παράθυρο συνομιλίας: πρέπει να υπάρχει κάτι που παρακολουθεί συνεχώς, αναγνωρίζει όρια και διακρίνει μεταξύ θορύβου και ενός σήματος που όντως έχει σημασία. Τι απαιτεί αυτό από την παρακολούθηση και τη σηματοδότηση είναι ένα ερώτημα που πρέπει να απαντηθεί ξεχωριστά, και όποιος θέλει να μάθει τι απαιτεί η παρακολούθηση και η σηματοδότηση από τον οργανισμό, διαπιστώνει ότι δεν πρόκειται μόνο για τεχνολογία αλλά και για το ποιος λαμβάνει τα σήματα και τι γίνεται με αυτά.
Πολλές αποφάσεις προετοιμάζονται σε συζητήσεις: με πελάτες, με προμηθευτές, μεταξύ συνεργατών. Αν αυτές οι συζητήσεις δεν καταγράφονται με τρόπο επαναχρησιμοποιήσιμο, τότε το σύστημα που πρέπει να υποστηρίξει μια απόφαση στερείται ακριβώς του υλικού που αποτέλεσε την αφορμή. Αυτό αναδεικνύει τι απαιτεί η καταγραφή και η παρακολούθηση συζητήσεων από τον οργανισμό, ένα θέμα που άπτεται άμεσα του ερωτήματος αν η υποστήριξη αποφάσεων μπορεί να βασιστεί σε κάτι, ή σε τίποτα. Όποιος θέλει να μάθει περισσότερα για τι απαιτεί η καταγραφή και η παρακολούθηση συζητήσεων, βλέπει τη σχέση με την ποιότητα κάθε συμβουλής που αργότερα προκύπτει από αυτές τις συζητήσεις.
Δεν είναι ασυνήθιστο μια ομάδα, με ένα σύνολο δεδομένων και μία περίπτωση χρήσης, να παρουσιάσει μια λειτουργική έκδοση υποστήριξης αποφάσεων. Αυτό αποδεικνύει ότι μπορεί να γίνει, όχι ότι μπορεί να γίνει σε όλον τον οργανισμό. Μόλις ένα δεύτερο τμήμα, με άλλα συστήματα, άλλους ιδιοκτήτες δεδομένων και άλλους ορισμούς θελήσει να συνδεθεί, συχνά αποδεικνύεται ότι η πρώτη έκδοση είχε φτιαχτεί επί μέτρου για ακριβώς εκείνη τη μία ομάδα. Γιατί ένα πιλοτικό πρόγραμμα που λειτουργεί μόνο στη γωνιά του δεν αποδίδει τίποτα, δεν είναι λοιπόν ζήτημα απογοητευτικής τεχνολογίας αλλά θεμελίου που ποτέ δεν είχε σχεδιαστεί ευρύτερα. Για όποιον θέλει να διαβάσει περισσότερα σχετικά με αυτό: γιατί ένα πιλοτικό πρόγραμμα που λειτουργεί μόνο στη γωνιά του δεν αποδίδει τίποτα εξηγεί τι λείπει ανάμεσα σε ένα demo και μια εφαρμογή σε επίπεδο οργανισμού.
Ένα σύστημα μπορεί να δώσει την πιο τεκμηριωμένη συμβουλή και παρόλα αυτά να μην αλλάξει τίποτα, αν κανείς δεν φέρει την ευθύνη να εργαστεί με αυτή. Αυτό είναι οργανωτικό ζήτημα, όχι τεχνικό: ποιος είναι ιδιοκτήτης της συμβουλής, ποιος αξιολογεί αν ακολουθείται, και ποιος εξηγεί γιατί κάποια φορά δεν ακολουθήθηκε. Χωρίς αυτόν τον ιδιοκτήτη, η υποστήριξη αποφάσεων καταλήγει στην κατηγορία των ενδιαφέροντων πειραμάτων. Γιατί ένα demo χωρίς ιδιοκτήτη δεν αποδίδει τίποτα, συνδέεται με το ίδιο ζήτημα, και όποιος θέλει να παρακολουθήσει την ακριβή συλλογιστική μπορεί να τη βρει στο γιατί ένα demo χωρίς ιδιοκτήτη δεν αποδίδει τίποτα.
Οι απαιτήσεις που θέτει η υποστήριξη αποφάσεων αφορούν σε μεγάλο βαθμό αυτό που πρέπει να υπάρχει ήδη προτού το παράθυρο συνομιλίας μπορέσει να κάνει κάτι ουσιαστικό: καθαρά και προσβάσιμα δεδομένα, λειτουργική μεταφορά μεταξύ τμημάτων, δομημένη καταγραφή συζητήσεων και εγγράφων, και έναν σαφή ιδιοκτήτη για ό,τι αποδίδει το σύστημα. Αυτός είναι ακριβώς ο λόγος για τον οποίο η μέτρηση ωριμότητας του hybridresourcing εξετάζει τις θεμελιώδεις διαστάσεις προτού έρθει η σειρά των εξαρτημένων: οργάνωση, υποδομή πληροφορικής και διαχείριση δεδομένων καθορίζουν αν υπάρχει κάτι πάνω στο οποίο να χτιστεί η υποστήριξη αποφάσεων.
Το ερώτημα αν ένας οργανισμός μπορεί να το στηρίξει είναι ανεξάρτητο από το ερώτημα ποιο μέρος της εργασίας μπορεί όντως να αναληφθεί από AI. Αυτό το τελευταίο το υπολογίζει το εργασιοσκόπιο (werkscan) του FTE TO AI ανά εργασία: ποιο μέρος της εργασίας μπορεί να αναληφθεί, και υπό ποιες προϋποθέσεις. Ενώ αυτή η σελίδα περιγράφει τι πρέπει να υπάρχει προτού μπορέσει να λειτουργήσει η υποστήριξη αποφάσεων, το εργασιοσκόπιο περιγράφει τι μετατοπίζεται συγκεκριμένα στην εργασία καθαυτή, εφόσον υπάρχει αυτή η βάση.
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.