Haridusorganisatsioonid erinevad enamikust teistest sektoritest, kuna põhitegevust ennast – õpetamine, juhendamine, hindamine – on raske eraldada inimestest, kes seda teevad. Kui tehas või kauplus saab protsesse ümber kirjutada, kahjustamata töö olemust, puudutab igasugune muutus koolis või kõrgkoolis kiiresti õpetaja ja õpilase vahelist suhet. See ei tee sektorit tehnoloogia osas aeglasemaks, aga muudab selle ettevaatlikumaks küsimuses, mida AI tegelikult tohib teha, enne kui hakatakse räägima 'üle võtmisest'.
Sellele lisandub, et haridusasutused koosnevad sageli mitmest kihist, mille kiirus ei ole ühesugune: juhtkond, mitu asukohta või fakulteeti ja suur rühm õpetajaid, kellel on omad töömeetodid. Suurem osa AI-algatustest, mida meie kohtame, algab ühel neist kihtidest, kaasamata teisi kihte. Õpetaja katsetab tagasiside andmiseks keelemudelit, samal ajal kui IT-osakonnal ei ole ülevaadet, milliseid andmeid see hoonest välja saadab. Juhtkond sõnastab AI-visiooni, samal ajal kui õpilaste jälgimissüsteemide andmehaldus toetub veel paberile või eraldiseisvatele tabelitele. See ebakõla ei ole tahtmatuse, vaid järjekorra küsimus.
Juhatuse liige, ärijuhtimise direktor või IT-juht, kes näeb AI-pilootprojekte kinni jäämas, tunneb sageli ära sama mustri: pilootprojekt toimib iseenesest, aga ei skaleeru. Seda põhjustab harva tehnoloogia puudulikkus. Sagedamini puudub üks fundamentaalsetest kihtidest, mis on vajalikud pilootprojekti kandmiseks: organisatsioonistruktuur, mis suudab AI-otsuseid teha ja jaotada, IT-infrastruktuur, mis suudab uued rakendused turvaliselt vastu võtta, ja andmehaldus, mis on korras enne, kui mudel suudab sellega midagi mõistlikku teha. Alles kui need kolm on paigas, on mõtet vaadata sõltuvatele kihtidele: kuidas inimesed sellega töötavad, millist ülevaadet see annab ja kui intelligentselt organisatsioon sellega lõpuks toimib.
Hariduses on see teravam kui mujal, kuna fundamentaalsed kihid on sageli ajalooliselt kujunenud õppetöö valikute, mitte tehniliste valikute ümber. Kooli haldus on seatud üles vastutuse andmiseks inspektsioonile, mitte AI-rakendustele korduvkasutatavate andmete jaoks. IT-osakond on tihti väike ja keskendunud haldusele, mitte uute süsteemide integreerimisele. See ei ole puudujääk, vaid teistsugune prioriteet, mis on paika pandud kümneid aastaid tagasi ja mõjutab nüüd, kui kiiresti AI tegelikult juurdub.
hybridresourcing.com mõõtmine vaatab seitset dimensiooni, jagatuna viide tasemesse baastasemest intelligentsuseni. Haridusasutuste puhul on silmatorkav, et organisatsiooni ja andmehalduse skoor jääb sageli ambitsiooni või individuaalsete rakenduste skoorist maha. Sageli on juba olemas inimene, kes töötab AI-ga, mõnikord juba edasijõudnud tasemel, samal ajal kui organisatsioon tervikuna on veel esimesel tasemel otsustusprotsesside ja andmekorralduse osas. See hajuvus muutub nähtavaks plot-voorus, kus mitu inimest samas asutuses annavad eraldi hinnanguid. Haridusorganisatsioonide puhul on see hajuvus sageli suurem kui keskmiselt, just seetõttu, et juhtkond, IT ja õpetav personal töötavad harva samast pildist lähtudes.
See hajuvus ei ole iseenesest probleem. See on informatsioon. Juht, kes arvab, et organisatsioon on valmis AI-le suures mahus, ja IT-juht, kes teab, et infrastruktuur ei suuda sellega veel toime tulla, on mõlemad õiged omast vaatepunktist. Mõõtmine muudab selle erinevuse selgesõnaliseks, nii et vestlus saab keskenduda sellele, mis peab kõigepealt paigas olema, mitte sellele, kellel on õigus.
Seitse dimensiooni ei ole ajaliselt võrdväärsed. Organisatsioon, IT-infrastruktuur ja andmehaldus on dimensioonid, millele teised neli toetuvad. Kool, mis soovib tegeleda ülevaate või intelligentsusega, ilma et andmed olid korras, ehitab liivale. See kehtib haridusasutuste puhul täpselt niisama tugevalt kui jaekaubandusettevõtete puhul, mis vaevlevad sarnaste andmehalduse mahajäämustega või toitlustuse puhul, kus organisatsioonistruktuurid on sageli samamoodi killustunud asukohtade vahel. Sektor erineb, järjekord ei erine.
See muudab küsimuse 'kui kaugel me oleme' vähem küsimuseks skoori kohta ja rohkem küsimuseks selle kohta, kus fundament puudub. Asutus, mis paberil skoorib ambitsioonikalt AI kasutuse osas, aga kellel ei ole ülevaadet omast IT-infrastruktuurist, ei suuda seda ambitsiooni täita, ilma et pöörduks kõigepealt tagasi aluste juurde. Seda näitavad ka asutused IT-sektoris ja finantsteenustes: kõrge ambitsioon sõltuvates dimensioonides ei kompenseeri nõrka fundamenti.
hybridresourcing.com valmiduse mõõtmine on väljatöötamisel. Kes soovib teada, kuidas oma asutus skoorib seitsmes dimensioonis ja kuidas see skoor võrdub kolleegide skooriga samas organisatsioonis, saab registreeruda ootenimekirja. Täna kasutamiseks valmis tööriista veel ei ole; on olemas selge pilt sellest, mida mõõtmine annab kohe, kui see on saadaval.
See leht käsitleb küsimust, kas haridusorganisatsioon saab AI-d kanda: kas fundament on paigas enne, kui sellele midagi ehitatakse. Teine küsimus, mis muutub asjakohaseks alles pärast seda, on, mida AI saab hariduses konkreetselt üle võtta. Selleks on mõeldud FTE TO AI töö-skaneering: see arvutab iga ülesande kohta, milline osa tööst sobib AI-le üle andmiseks, sõltumata küsimusest, kas organisatsioon on selleks tervikuna juba valmis. Kes ühendab mõlemad küsimused, saab ülevaate mitte ainult võimalustest, aga ka järjekorrast, milles need saavad tegelikkuseks muutuda.
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.