Insight-tasolla on muuttunut jotain, joka menee irrallisia kokeiluja pidemmälle. Organisaatio ei ymmärrä ainoastaan, että tekoäly tekee jotain, vaan myös miksi se toimii yhdessä paikassa ja ei toisessa. On syntynyt kieli, jolla tätä keskustelua käydään: ihmiset puhuvat datan laadusta, vastuusta virhetilanteissa, siitä, mitkä prosessit soveltuvat automatisointiin ja mitkä eivät. Se on eri keskustelu kuin vuosi aiemmin, kun kysymys oli ennen kaikkea siitä, tuottiko pilotti mitään.
Tälle tasolle on tunnusomaista, että ymmärrys on läsnä, mutta se ei ole vielä ankkuroitunut kaikkialle siihen, miten päätöksiä tehdään. Yhdellä osastolla on tarkka käsitys siitä, mitä dataa se tarvitsee ja mikä puuttuu. Toinen osasto juoksee vielä hyvässä uskossa pilotin perässä, kun kukaan ei ole selvittänyt, kestääkö taustalla oleva infrastruktuuri sitä. Insight ei siis ole tasainen kerros koko organisaation yllä. Se on ennemminkin joukko paikkoja, joissa valo on syttynyt, ja niiden välillä on vielä alueita, jotka ovat pimeässä.
Askel seuraavalle tasolle, intelligenceen, vaatii, että tämä ymmärrys muuttuu ohjaukseksi. Ei satunnaisesti — reaktiona ilmenevään ongelmaan — vaan rakenteellisesti, osana sitä, miten organisaatio tavallisesti toimii. Se koskee samoja perustavanlaatuisia ulottuvuuksia, jotka olivat ratkaiseva tekijä myös aiemmilla tasoilla: on datanhallinta järjestetty niin, että tekoälyn tuottamiin tuloksiin perustuvat päätökset voidaan perustella? Onko IT-infrastruktuuri rakennettu niin, että uudet sovellukset eivät aina ala tyhjästä? Onko organisaatio itse muotoiltu niin, että vastuu tekoälyvetoisista prosesseista on jonkun kannettavana, sen sijaan että se olisi hajallaan kaikkialla?
Insight-tasolla huomaatte usein, että näitä kysymyksiä on kyllä kysytty, mutta vastaus vaihtelee ulottuvuudesta toiseen. Yksi ulottuvuus on jo niin pitkällä, että ohjaus on mahdollista; toinen laahaa vielä irrallisten aloitteiden perässä. Tämä tempoero näkyy juuri siinä hajonnassa, joka tulee esiin plot-kierroksella: kun useat ihmiset arvioivat erikseen, käy ilmi, että yksi vastaaja pitää organisaatiota datanhallinnan osalta jo pitkälle edenneenä, kun toinen sijoittaa saman ulottuvuuden vielä foundation-tasolle. Tämä hajonta ei ole kohinaa. Se osoittaa, mikä ulottuvuus kestää huomion ensimmäisenä, ja mikä ulottuvuus tulee vasta perässä.
Tällä tasolla houkutus on kohdistaa huomio ulottuvuuksiin, jotka ovat näkyvimpiä — usein riippuvaisiin ulottuvuuksiin, lähellä päivittäistä työtä. Mutta perustavanlaatuiset ulottuvuudet menevät edelle. Jos datanhallinta ei ole kunnossa, mikä tahansa tekoälyn tuottamiin tuloksiin perustuva ohjaus pysyy epävakaana, riippumatta siitä, kuinka paljon ymmärrystä on kertynyt. Jos IT-infrastruktuuri on pirstaloitunut, jokainen sovellus pysyy saarekkeena, vaikka organisaatio pystyisi jo puhumaan siitä sisäisesti sujuvasti.
Tämä ei ole eri järjestys kuin aiemmilla tasoilla. Se on sama järjestys, mutta pisteessä, jossa sen ohittamisen kustannukset tulevat näkyvämmiksi. Baseline- ja foundation-tasoilla perustan puuttuminen oli vielä mahdollista piilottaa sen taakse, että vähän tapahtui. Insight-tasolla liikettä on jo enemmän, ja se tekee heikosta perustavanlaatuisesta ulottuvuudesta helpommin tunnettavan: ohjaus, joka ei kestä, päätökset, joita ei jälkikäteen voi jäljittää, sovellukset, jotka pysähtyvät heti kun ne ylittävät yhden osaston rajan.
Siirtymä intelligenceen ei ole kysymys siitä, että tekoälyä sovellettaisiin enemmän. Se on kysymys siitä, että perustavanlaatuiset ulottuvuudet saatetaan niin pitkälle kuntoon, että riippuvaiset ulottuvuudet voivat rakentua niiden päälle rakenteellisesti. Tämä vaihtelee suuresti organisaatiosta toiseen: yhden organisaation täytyy ennen kaikkea koota datanhallintansa yhteen, toisella on IT-infrastruktuuri, joka täytyy ensin yhdistää ennen kuin ohjaus voi laajentua. Mikä siitä tulee, riippuu siitä, missä hajonta plot-kierroksella on suurin — se on paikka, jossa seuraava taso odottaa.
Joka haluaa katsoa intelligencen ohi, löytää sivulta intelligencen jälkeisestä tasosta kuvauksen siitä, mitä syntyy, kun ohjaus ei ole enää vain rakenteellista, vaan itseoppivaa. Joka etsii tunnistettavuutta aiemmasta vaiheesta matkalla, voi lukea activation-sivulta, millaiselta vaihe näytti ennen kuin ymmärrys syntyi, tai selvittää, mitä tarkoittaa, kun työtä suorittavat agentit alkavat näytellä roolia ohjaavan kerroksen rinnalla, jota tällä tasolla rakennetaan.
Insight kertoo, missä organisaatio on kyvyssään kantaa tekoälyä: mitkä ulottuvuudet ovat vakaita ja mitkä ovat vielä irrallaan. Se on eri kysymys kuin se, mikä osa työstä itsestään on siirrettävissä tekoälylle. Kun kantava puoli tulee tarkemmin näkyviin, tämä toinen kysymys muuttuu olennaiseksi: mikä osa prosessin tehtävistä todella voidaan ottaa siirrettäväksi. Juuri tätä varten FTE TO AI:n työscan on tehty — laskentamenetelmä, joka määrittää tehtävittäin, mikä osa työstä täyttää siirtämisen edellytykset, jotta keskustelu intelligencesta ei koske vain valmiutta, vaan myös sitä, mitä sen valmiuden saavuttamisen jälkeen todella on voitettavissa.
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.