Insight'i tasemel on muutunud midagi, mis läheb kaugemale üksikutest katsetustest. Organisatsioon mõistab mitte ainult, et AI midagi teeb, vaid ka seda, miks see ühel pool töötab ja teisel pool mitte. On tekkinud keel, milles seda vestlust pidada: inimesed räägivad andmekvaliteedist, vastutusest vigade korral, sellest, millised protsessid sobivad automatiseerimiseks ja millised mitte. See on teistsugune vestlus kui aasta varem, kui küsimus oli peamiselt see, kas pilootprojekt midagi andis.
Sellele tasemele on iseloomulik: arusaam on olemas, kuid see ei ole veel kõikjal juurdunud otsuste tegemise viisis. Ühel osakonnal on selge ülevaade, millist andmestikku on vaja ja mis puudub. Teine osakond järgib heas usus pilootprojekti, ilma et kellelgi oleks kindlaks tehtud, kas selle taga olev infrastruktuur peab vastu. Insight ei ole seega organisatsiooni üle ühetaoliselt levinud kiht. See on pigem kogum kohti, kus tuli on põlema pandud, ja nende vahel on veel tükke, mis seisavad pimeduses.
Samm järgmisele tasemele, intelligence'ile, eeldab, et see arusaam muutub juhtimiseks. Mitte juhuslikult — reaktsioonina tekkinud probleemile — vaid struktuurselt, osana sellest, kuidas organisatsioon tavapäraselt töötab. See puudutab samu põhilisi mõõtmeid, mis olid määravaks teguriks ka varasematel tasemetel: on andmehaldus korraldatud nii, et AI tulemuste põhjal tehtud otsuseid saab põhjendada? Kas IT-infrastruktuur on korraldatud nii, et uued rakendused ei alusta iga kord nullist? Kas organisatsioon on üles ehitatud nii, et vastutus AI-põhiste protsesside eest lasub kellegi konkreetsel õlal, mitte hajutatuna igal pool natukene?
Insight'i tasemel näete tihti, et need küsimused on küll esitatud, kuid vastus on igas mõõtmes erinev. Üks mõõde on juba nii kaugele arenenud, et juhtimine on võimalik; teine sõltub veel üksikutest algatustest. Just see tempo erinevus tuleb esile plot-vooru hajuvuses: kui mitu inimest hindavad eraldi, on näha, et üks vastaja peab organisatsiooni andmehalduse osas juba kaugele arenenuks, samas kui teine paigutab samasuguse mõõtme veel foundation'i tasemele. See hajuvus ei ole müra. See näitab, milline mõõde vajab kõigepealt tähelepanu ja milline mõõde peab veel järgnema.
Sellel tasemel on kiusatus suunata tähelepanu kõige nähtavamatele mõõtmetele — sageli sõltuvatele mõõtmetele, mis on igapäevatööle lähedal. Kuid põhilised mõõtmed on esikohal. Kui andmehaldus ei ole korras, jääb iga juhtimine AI tulemuste põhjal ebakindlaks, ükskõik kui palju arusaamist on kogunenud. Kui IT-infrastruktuur on killustunud, jääb iga rakendus saareks, isegi kui organisatsioon suudab sellest sisemiselt juba hästi räägida.
See ei ole teistsugune järjekord kui varasematel tasemetel kehtis. See on sama järjekord, kuid punktis, kus selle vahele jätmise hind muutub nähtavamaks. Baseline'i ja foundation'i tasemel oli vundamendi puudumine veel varjatav sellega, et vähe toimus. Insight'i tasemel on juba rohkem liikumist, ja see teeb nõrga põhilise mõõtme kiiremini tunnetatavaks: juhtimine, mis ei pea vastu, otsused, mida hiljem ei saa jälgida, rakendused, mis takerduvad kohe, kui need ületavad ühe osakonna piirid.
Üleminek intelligence'ile ei ole rohkema AI rakendamise küsimus. See on küsimus selles, kuidas viia põhilised mõõtmed nii korda, et sõltuvad mõõtmed saaksid nendele struktuurselt tugineda. See erineb organisatsioonide vahel tugevalt: ühel organisatsioonil tuleb peamiselt konsolideerida oma andmehaldust, teisel on IT-infrastruktuur, mis tuleb enne ühtlustada, kui saab laiemalt juhtida. Mis see täpselt on, sõltub sellest, kus plot-vooru hajuvus on suurim — see on koht, kus järgmine tase ootab.
Kes soovib vaadata kaugemale kui intelligence, leiab lehelt intelligence'i järgse taseme kohta kirjelduse sellest, mis tekib, kui juhtimine ei ole enam ainult struktuurne, vaid iseõppiv. Kes otsib äratundmist teekonna varasemast etapist, saab activation'i juures lugeda, milline see faas välja nägi enne, kui arusaam tekkis, või uurida, mida tähendab, kui tööd täitvad agendid hakkavad mängima rolli koos juhtiva kihiga, mida sellel tasemel üles ehitatakse.
Insight ütleb teile, kus organisatsioon on oma suutlikkuses kanda AI-d: millised mõõtmed on kindlad ja millised on veel lahtised. See on teistsugune küsimus kui see, milline osa tööst on tegelikult AI-le üle antav. Niipea kui kandev pool on selgemalt kaardistatud, muutub see teine küsimus asjakohaseks: milline osa protsessi ülesannetest tegelikult lubab ülevõtmist. Selleks on täpselt loodud FTE TO AI töö-skaneering — arvutusmeetod, mis määrab ülesande kaupa kindlaks, milline osa tööst tuleb ülevõtmiseks kõne alla, nii et vestlus intelligence'ist ei käiks ainult valmisolekust, vaid ka sellest, mida on niipea, kui see valmisolek on olemas, tegelikult võita.
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.