IKT-sektoril on eelis, mis on samal ajal ka lõks. Kui teised sektorid harjuvad veel AI mõttega, on selles sektoris teadmised mudelitest, arhitektuuridest ja tööriistadest tavaliselt juba olemas. Arendajad eksperimenteerivad, meeskonnad ehitavad kontseptsiooni tõestusi (proof-of-concepts) ja tehnika ise leiab harva vastuseisu. See loob mulje, et sektor tervikuna on kaugele jõudnud. Kuid osa organisatsiooni tehniline oskus on midagi muud kui organisatsiooni kui terviku valmidus. Just seal jookseb see sageli liiva.
IT-ettevõttes või IT-osakonnas on infrastruktuur enamasti korras: on arvutusvõimsust, on arenduskeskkondi, on kogemust tarkvara juurutamisega. See on üks fundamentaalsetest mõõtmetest, mida valmiduse mõõtmisel hinnatakse, ja selles punktis saab sektor tavaliselt kõrge hinde. Kuid teised fundamentaalsed mõõtmed — kuidas organisatsioon on AI-algatuste ümber korraldatud ja kuidas andmeid haldatakse väljaspool arendajate omi süsteeme — ei kulge alati samas tempos. Tugev IT-osakond ei tähenda, et ülejäänud organisatsioon suudab samas tempos sammu pidada. Müük, finants, personal: neil funktsioonidel on andmete ja muutustega sageli teistsugune suhe kui inimestel, kes AI-pilootprojekte ehitavad.
See erinevus seletab mustrit, mis esineb selles sektoris sagedamini kui mujal: pilootprojektid, mis toimivad tehniliselt suurepäraselt, kuid ei arene edasi püsivaks kohaks ettevõttes. Ei sellepärast, et mudel jääks alla, vaid sellepärast, et selle ümber olev organisatsioon ei ole seatud tulemust vastu võtma. Kes soovib mõista, miks fundamentaalsete mõõtmete järjekord ei ole läbiräägitav, leiab selle kohta rohkem siit, miks fundamentaalsed mõõtmed peavad tulema esimesena.
IKT-sektoris on hajuvus vastajate vahel sageli suurem kui sektorites, kus ametikohad on ühtlasemad. Sama ettevõtte arendaja ja kliendihaldur võivad hinnata organisatsiooni peaaegu vastandlikel tasemetel — üks näeb igapäevaselt kõrgtehnoloogilisi rakendusi, teine näeb tabelit, mida ikka veel käsitsi uuendatakse. See hajuvus on iseenesest informatsioon. See näitab, et AI-valmidus selles sektoris on harva sektoriülene tegur, vaid sõltub tugevalt sellest, millist osakonda mõõdetakse ja kellelt küsitakse.
See muudab mitme vastajaga plot-vooru IKT-sektoris pigem väärtuslikumaks, mitte väiksemas väärtuses. Ainult CIO või CTO üksik hinne riskib tehnilise tuumiku pildi laiendamisega kogu organisatsioonile, samal ajal kui sõltuvad mõõtmed — kus AI tegelikult protsessidesse jõuab — võivad hinnata täiesti erinevalt.
Tehnika ja organisatsiooni vahekord näeb teistes sektorites teistsugune välja. Finantsteenuste sektoris on rõhk sageli regulatsioonil ja riskijuhtimisel kui aeglustava tegurina; sellest on kirjutatud siin, kui kaugel on finantsteenuste sektor AI-valmidusega. Ehitussektoris on omakorda andmehalduse mõõde sageli kitsaskoht, kuna projektide ja materjalide andmed on osapoolte vahel killustunud; see on selgitatud siin, kui kaugel on ehitussektor AI-valmidusega. IKT-sektoris on probleemiks harva tehniliste teadmiste või andmete puudumine — probleem peitub sagedamini organisatsiooni mõõtmes: kes otsustab, milline pilootprojekt skaleeritakse, ja mille põhjal.
Valmiduse mõõtmine kaardistab selle erinevuse seitsme mõõtme ja viie taseme lõikes, algtasemest intelligentsuseni. IKT-organisatsiooni jaoks on tulemus harva ühtlane joon: infrastruktuur ja tehniline oskus asuvad tavaliselt kõrgemal kui organisatsioon ja otsustusprotsess. Just see ebavõrdsus on see, kus mõõtmine on kasulik — mitte selleks, et kinnitada, et sektor on „head teel", vaid selleks, et näidata, milline mõõde jääb maha ja mis seetõttu ei saa edasi liikuda, olenemata sellest, kui arenenud on juba töötavad mudelid.
Osa, mida selles sektoris sageli alahinnatakse, on otsuste jäädvustamine: kes on teinud millise valiku millise AI-algatuse kohta ja millise informatsiooni põhjal. Selle nimekirja puudumisel on keeruline tuvastada, miks pilootprojekt skaleeriti või ei skaleeritud. Mis sinna kuulub, on kirjeldatud siin, mis kuulub otsuste inventuuri.
See mõõtmine ütleb midagi organisatsiooni kui terviku kohta: kas on olemas vundament, millele AI-algatused saavad toetuda, ja kas see vundament on kogu ettevõttes ühtviisi kindel, või ainult nende inimeste juures, kes on tehnikale kõige lähemal. See küsimus eelneb teisele küsimusele, nimelt sellele, milline osa tööst ise AI jaoks sobib. See on teistsugune mõõtmise liik. Organisatsioonidele, kes soovivad teada, milline osa tööst, ülesanne ülesande haaval, on AI poolt üle võetav, on olemas FTE TO AI töömõõtmine — mõõtmine, mis ei vaata organisatsiooni tervikuna, vaid tööd ennast, ametikoha haaval ja ülesande haaval.
Valmiduse mõõtmine on arendamisel. Kes soovib teada, millal mõõtmine kättesaadavaks muutub, saab registreeruda ootenimekirja ja saab teate niipea, kui tööriist on kasutamiseks valmis.
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.