Baseline on tase, millest enamik organisatsioone alustab. AI-kasutust on, aga see toimib üksikisikute tasandil: keegi IT-osakonnas, kes katsetab keelemudeliga, turundaja, kes laseb teksti genereerida, üksik juht, kes küsib, kas protsess saab kiiremaks. Puudub jagatud lähenemine, jagatud arusaam sellest, mis toimib, ja struktuur, mis hoiaks kinni õpitut. Kui see inimene lahkub või saab teise projekti, kaob teadmine koos temaga.
Baseline'il ei puudu tahe, vaid vundament. Seitse dimensiooni, mida küpsuse mõõtmine eristab — sealhulgas organisatsioon, IT-taristu ja andmehaldus — on sel tasandil veel üksteisest lahus või on vaevu täidetud. See ei ole puudujääk; see on seisund, milles organisatsioon on enne, kui ta on hakanud teadlikult ehitama.
Baseline'il kordub reeglipäraselt paar märki. Puudub ülevaade sellest, kus organisatsiooni sees AI-d juba kasutatakse, rääkimata jagatud arusaamast, mida see kasutus annab. AI-otsuseid tehakse kohas, kus küsimus juhtumisi tekib, mitte kaalutluse alusel, mis mõjutab tervet organisatsiooni. Andmed on killustunud süsteemides, mis ei suhtle üksteisega, mis aeglustab igat sammu struktuurse suunas. Ja puudub ühine keel: mida üks osakond nimetab AI-ks, on teisele midagi muud.
Küpsuse mõõtmise plot-voor toob selle sageli nähtavale enne, kui sellele on sõnu leitud. Kui mitu inimest samast organisatsioonist hindavad eraldi, silmatab baseline'il tihti suur hajuvus: üks vastaja näeb edasiminekut, mida teine ei tunnista. See hajuvus on iseenesest märk. See näitab, et jagatud arusaamat sellest, kus organisatsioon seisab, veel ei ole, ja see on täpselt see, mis baseline'i iseloomustab.
Tee baseline'ilt järgmisele tasandile ei alga uuest rakendusest, vaid fundamentaalsetest dimensioonidest. Organisatsioon, IT-taristu ja andmehaldus tulevad enne dimensioone, mis nendest sõltuvad. See pole eelistus, see on järjekord, milles see toimib: organisatsioon, mis tahab AI peale midagi ehitada ilma, et andmed oleksid korras, või ilma selguseta, kes mille üle otsustab, ehitab liivale.
Konkreetselt tähendab see, et esmalt peab tekkima ülevaade. Kes organisatsiooni sees juba midagi AI-ga teeb, ja milliste andmete põhjal? Kus paiknevad andmed, mis on nende rakenduste jaoks olulised, ja kas need on piisavalt kättesaadavad ja usaldusväärsed, et neile ehitada? Kas on olemas inimene või rühm, kes kannab vastutust AI-otsuste eest, või juhtub see veel juhuslikult? Need küsimused näivad tagasihoidlikud, kuid need on täpselt see, millele fundamentaalsed dimensioonid keskenduvad.
Sõltuvad dimensioonid — mis puudutavad seda, kuidas AI mõjutab tööd ennast — tulevad seejärel. Baseline'il on veel liiga vara selle kohta midagi mõistlikku ütlemiseks, kuna puudub vundament, millele need dimensioonid saaksid toetuda.
Üleminek foundation'ile ei eelda, et kõik saaks korraga korda. See eeldab, et organisatsioon lõpetab AI-kasutuse käsitlemise juhusliku, üksikisikute juures tekkiva nähtusena ning hakkab kirja panema, mis olemas on: milliseid andmeid on, kes mille üle otsustab, milliste süsteemide vahel peab suhtlus toimima. See on rohkem organisatoorne teekond kui tehniline. Tehnika järgneb enamasti, kui struktuur on juba olemas.
See on ka teekond, mis nõuab aega, ja mille kestus sõltub sellest, kui palju on juba mitteformaalselt olemas. Organisatsioonil, kus üks osakond on juba mõnda aega teadlikult andmetega töötanud, on lühem tee käia kui organisatsioonil, kus see ei kehti kusagil. Mida on täpsemalt vaja, et foundation'ilt edasi liikuda, ja millised dimensioonid vajavad seejuures esimesena tähelepanu, on kirjeldatud lehel, mis selgitab kuidas liikuda foundation'ilt järgmisele tasandile. Sarja edasises osas, organisatsioonidele, kes on juba kaugemale jõudnud, on kirjeldatud ka kuidas activation suhestub sellele järgneva tasandiga ja mida insight eeldab, et kasvada edasi intelligence'ini.
Baseline ei ütle midagi organisatsiooni ambitsiooni kohta ja midagi seal töötavate inimeste kvaliteedi kohta. See ütleb midagi vundamendi seisundi kohta antud hetkel. Organisatsioonid, mis kaardistavad seda taset tõsiselt, avastavad tihti, et olemas on juba rohkem kui arvatud — üksikud algatused, andmed, mida kuskil ikkagi peetakse, inimesed, kes juba mõtlevad kaugemale kui nende ametikoht eeldab. Küpsuse mõõtmine koondab selle tervikpildiks, millele saab järgmise samu ehitada, ilma et seda pilti täidetaks nõuandega, mis organisatsioonile ei sobi.
See lehekülg käsitleb valmisolekut: mida peab olema paigas, enne kui AI saab organisatsioonis struktuurse koha. See on teine küsimus kui see, millise osa töö AI tegelikult teha suudab. Kui vundament kujuneb, muutub see teine küsimus asjakohaseks, ja täpselt sellega haakub FTE TO AI töö-skaneering: see arvutab ülesande kaupa, milline osa tööst on AI-le üle antav, lähtudes ülesannetest sellisena, nagu neid praegu tehakse. Kes tahab teada, mida AI saab üle võtta niipea, kui organisatsioon on selleks valmis, leiab selle kohta rohkem — sealhulgas selle, kuidas see erineb, kui jutt on agentidest, kes teevad tööd iseseisvalt, või ahelatest, milles erinevad etapid teineteisele järgnevad.
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.