AI-pilootprojektid jooksevad harva liiva tehnika pärast. Need jooksevad liiva selle pärast, mida inimesed oskavad ja ei oska, mida nad julgevad ja teavad. Organisatsioonil võib olla suurepärane andmestik ja tugev infrastruktuur ning ta jookseb ikkagi kinni, sest kellelegi ei ole selge, mida AI teeb ja mida ei tee, millal usaldamatus on põhjendatud ja millal ei ole, ning kellel on milline roll, kui mudel esitab midagi, mida inimene peab hindama. See lehekülg käsitleb just seda dimensiooni: inimesed ja oskused, üks seitsmest dimensioonist, mida hybridresourcing küpsusmõõtmine kaardistab.
Inimesed ja oskused hõlmab kolme kihti, mida sageli käsitletakse eraldi, kuigi need on omavahel seotud. Esimene kiht on teadmised: mõistavad töötajad, mida AI-süsteem teeb, kus on piirid ja millised vead on tüüpilised sellele rakenduse tüübile, mida nad kasutavad. Teine kiht on oskus: suudavad inimesed AI-tulemust tegelikult hinnata, korrigeerida või seada kõrvale oma hinnangule. Kolmas kiht on hoiak: on ruumi AI proovimiseks, vigadest teatamiseks ja korrigeerimiseks, või valitseb ettevaatlikkus või pime usaldus. Organisatsioon, mis investeerib ainult koolitustesse, aga ei tegele hoiakuga, jääb sageli samale tasemele, isegi pärast aastaid koolitusi.
Kuna see dimensioon sõltub tugevalt individuaalsetest inimestest, ei mõõda hybridresourcing seda ühe hinde, vaid punktipilve-vooruga: mitu asjaosalist annavad eraldi hinnangu, ja nende vastuste vaheline hajuvus muutub nähtavaks. Suur hajuvus on iseenesest juba tulemus. See näitab, et organisatsioonil paberil näib olema üks tase, samal ajal kui töötajad kogevad asja teisiti kui juhtkond.
Baseline-tasemel puudub ühine arusaam sellest, mis on AI ja mida ta teeb. Üksikud inimesed katsetavad, kuid puudub ühine keel ja struktuur kogemuste jagamiseks. Foundation-tasemel on olemas baasteadmised, tavaliselt piiratud grupil, ja ülejäänud organisatsioon jälgib eemalt. Activation-tase tähendab, et suur osa asjaosalistest töötajatest teab, mida AI tähendab nende oma töös ja oskab sellega praktikas toime tulla. Insight-tase lisab sellele, et inimesed oskavad AI-tulemusi kriitiliselt hinnata ja teavad, millal on põhjust kahelda. Intelligence-tasemel on see oskus levinud üle organisatsiooni, juurdunud inimeste töövõtetesse ja ei sõltu üksikutest varajastest kasutuselevõtjatest.
Kus organisatsioon sellel skaalal asub, ei ole kunagi intuitsiooni küsimus. See sõltub sellest, kui palju inimesi tegelikult AI-ga töötab, kui erinevad on nende kogemused ja kas need kogemused kuskil kokku saavad. Just seepärast annab punktipilve-voor rohkem teavet kui küsimustik, kus vastab üks inimene meeskonna kohta.
Mitmed signaalid viitavad madalale tasemele. Kui AI-ga seotud küsimused jõuavad alati samade paari inimese juurde, ei ole teadmised levinud. Kui keegi ei julge AI-tulemust tagasi lükata, sest tema loogikat ei tunta, puudub oskus hinnata. Kui AI-projektid käivitatakse kaasamata inimesi, kes peavad nendega töötama, puudub toetus, mida on vaja, et viia asi kaugemale pilootfaasist.
Kõrgema taseme tunnete ära vastupidisest: AI-tulemuste üle käivad arutelud on sisulised, mitte põhimõttelised, töötajad pakuvad ise välja, kus AI võib aidata ja kus ei saa, ning organisatsioonis peetakse kahtlust AI-tulemuse suhtes normaalseks osaks tööst, mitte märgiks, et projekt on ebaõnnestunud.
Tee kõrgemale tasemele ei alga harva rohkemast tehnikast. See algab sellest, et tehakse nähtavaks, mida inimesed juba teavad ja kus on lüngad, ning korraldatakse hetki, mil kogemust jagatakse, mitte hoitakse üksikute katsetuste juures isoleerituna. Mida see konkreetselt maksab, aja ja tähelepanu mõttes, erineb tugevalt organisatsiooni ja lähtetaseme lõikes; kes soovib sellest hinnangut saada, leiab selle leheküljelt, mis arvutab välja, mis maksab organisatsiooni ühe taseme võrra tõusmine.
Inimesed ja oskused ei ole muuseas eraldiseisev teistest dimensioonidest. Kes soovib AI-d hinnata, peab ka mõistma, kuidas seda hinnangut talletatakse ja kasutatakse, ja see puudutab tulemusjuhtimist AI vallas. Kes soovib julgeda vigadest teatada, peab teadma, et privaatsus ja turvalisus on korras, mis on seotud sellega, mis maksab privaatsuse ja turvalisuse ühe taseme võrra tõusmine. Ja kes soovib luua usaldust AI-tulemuste vastu, põrkab varem või hiljem küsimustele, mis kuuluvad selle juurde, mis maksab eetika ühe taseme võrra tõusmine.
See lehekülg kirjeldab, kas teie organisatsiooni inimesed suudavad AI-d kandma: mõista, hinnata ja korrigeerida. See ei kirjelda, kui suur osa töost on AI-le üle antav. See on teine küsimus, teise vahendiga. FTE TO AI töö-skaneering arvutab ülesande kaupa välja, kui suur osa tööst tuleb AI jaoks kõne alla, arvestades ülesande olemust ja konteksti, milles seda täidetakse. See tulemus omandab tähenduse ainult siis, kui kandev pool, kaasa arvatud inimesed, kes peavad tulemustega töötama, on juba jõudnud teatud tasemele. Kes soovib teada, kus organisatsioon praegu seisab, saab liituda küpsusmõõtmise ootenimekirjaga, mis on veel valmimisel.
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.