Äriline teenindussektor — advokatuur, raamatupidamine, konsultatsioon, personaliteenused, juriidiline ja maksunõustamine — müüb oma tuumas midagi, mida on raske automatiseerida vastuväiteid tekitamata: hinnangut. Seal, kus tehas optimeerib protsessi ja kauplus haldab sortimenti, müüb see sektor inimeste ekspertiisi, kes teavad midagi, mida klient ei tea. See muudab ambitsiooni ja valmiduse vahekorra teistsuguseks kui mujal. Huvi AI vastu on suur, sageli suurem kui sektorites, kus teadmistelt teenitav marginaal on väiksem. Kuid küsimus, kas organisatsioon suudab seda huvi kandma, jääb sageli seisma osadel, mis ei puutu AI-sse üldse.
Mitmed büroode äriliste teenuste sektoris on kasvanud partneri, vanemnõustaja, võrgustiku ja mäluga inimese ümber. Teadmised asuvad peades, kirjavahetuses, toimikutes, mis on koostatud kliendi või juhtumi kaupa, mitte omavahel ühendatud jagatud süsteemides. See toimib hästi, kuni inimesed jäävad. See muutub probleemiks, kui soovite ehitada midagi, mis peab tuginema nendele teadmistele. AI, mis peab töötama toimikute, pretsedentide või kliendikirjavahetusega, vajab midagi, millele toetuda: struktuuri, kus informatsioon on leitav ja võrreldav. See struktuur puudub sektori osades siiani, mitte tahtmatusest, vaid kuna töö ise ei ole seda struktuuri kunagi nõudnud.
Mõõtmise viis tasandit — baseline, foundation, activation, insight, intelligence — näitavad selles sektoris mõõtme kaupa erinevat pilti, ja see pilt on harva ühtlane. Mõnel bürool on andmehaldus korras: toimikud on struktureeritud, juurdepääsuõigused on korraldatud, on ettekujutus sellest, mis kus asub. Kuid selle taga olev IT-infrastruktuur on vananenud või killustunud eraldiseisvate rakenduste vahel, mis omavahel ei suhtle. Teistes büroodes on täpselt vastupidi: kaasaegsed süsteemid, kuid organisatsiooniliselt puudub selgus, kes mille üle otsustab, kes tohib AI-rakendust heaks kiita, või kes vastutab, kui midagi läheb valesti. Mõlemad olukorrad viivad sama tulemuseni — pilootprojekt, mis toimib omaette hästi, kuid mis ei skaleeru, kuna fundamentaalsed mõõtmed ei ole samal tasemel. See on järjekord, mille mõõtmine paljastab: organisatsioon, infrastruktuur ja andmehaldus peavad esmalt jõudma mingile tasemele, enne kui sõltuvad mõõtmed, näiteks automatiseeritud testimine või pidev optimeerimine, sellest kasu saavad.
Hindamisvoor, kus mitu inimest annab hinnangu eraldi, näitab äriliste teenuste sektoris sageli konkreetset mustrit: partner või juht annab organisatsioonile kõrgema hinnangu kui nõustaja, kes töötab toimikutega igapäevaselt. See erinevus ütleb midagi. See võib tähendada, et otsused AI kohta tehakse juhtimistasandil, jõudmata töö tasandile, või et töö tasand on juba pikemat aega võidelnud süsteemiga, mida ülalt hinnatakse piisavaks. Mõlemad tõlgendused on kasulikud, ja mõlemad on nähtavaks tehtavad ainult, kui erinevad inimesed hindavad eraldi, mitte küsides ühte muljet sellelt, kes koostab aruande.
Mis eristab see sektorit näiteks jaekaubandusest või toitlustusest, on andmete tundlikkus. Advokaadi- või raamatupidamisbüroo töötab informatsiooniga, mille suhtes kehtib saladuse hoidmise kohustus, distsiplinaarõigus, reeglid, mis ei kehti kauplusladude või menüükaartide kohta. See mõjutab otseselt andmehalduse mõõdet: mitte ainult see, kas andmed on leitavad, vaid see, kas andmed on salvestatud ja kaitstud viisil, mis lubab AI kasutust konfidentsiaalsust rikkumata. See eeldab teistsugust tempot kui sektorites, kus andmed on vähem tundlikud, ja see tempoerinevus on nähtav selle mõõtme hinnetes.
Muster, kus kõrge ambitsioon eksisteerib koos poolikuga baasiga, ei ole ainulaadne äriliste teenuste sektorile. IKT-sektoris esineb sageli vastupidine probleem — tugev infrastruktuur ilma organisatsioonilise selguseta — ja finantsteenuste sektoris tuleneb viivitus sageli regulatsioonist, mis muutub kiiremini, kui süsteemid suudavad järgida. Võrdlus ei ole mõeldud, et teha ühte sektorit teisest paremaks või halvemaks, vaid näitamaks, et järjekord — esmalt fundamentaalsed mõõtmed, siis sõltuvad — on kõikjal sama, kuigi täitmine näeb sektorite kaupa erinev välja.
See mõõtmine ei ütle midagi selle kohta, milliseid ülesandeid büroo sees saab AI-le üle anda, ja kui palju aega see vabastaks. See on teine küsimus, mis vajab teistsugust vaatenurka: mitte organisatsioonile kui tervikule, vaid tööle enesele, ülesanne ülesande järel. Kes soovib pärast selle mõõtmise läbimist teada, mis, arvestades praegust valmidust, on tegelikult AI-le sobiv töö, leiab selle FTE TO AI töö-skaneerimisest, mis arvutab ülesande kaupa, milline osa on üle antav.
Tööriist, mis viib läbi valmiduse mõõtmise ja hindamisvooru, on veel ehitamisel. Kes soovib seda kasutada kohe, kui see on saadaval, saab liituda ootenimekirjaga.
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.