Suorituskyvyn johtaminen on yksi seitsemästä ulottuvuudesta, joilla hybridresourcing mittaa organisaation kypsyyttä AI:n suhteen. Tämä ulottuvuus koskee jotain hyvin konkreettista: pystyttekö toteamaan, tuleeko AI:n tukemasta tai AI:n hoitamasta työstä todella parempaa, nopeampaa tai halvempaa? Monet organisaatiot käynnistävät pilotteja pystymättä vastaamaan tähän kysymykseen, ja jäävät siksi jumiin kokeiluvaiheeseen kykenemättä osoittamaan, mitä se tuotti.
Suorituskyvyn johtaminen voi kypsyä vasta, kun muut ulottuvuudet ovat jo luoneet jotain, jonka päälle rakentaa. Ilman luotettavaa dataa datanhallinnasta suorituskykymittaus on arvio. Ilman selkeitä vastuita organisaatioulottuvuudesta, sellaisina kuin ne on kuvattu sivulla mitä maksaa organisaation nostaminen tasolle ylemmäs, kukaan ei ole vastuussa tuloksesta. Ja ilman IT-infrastruktuuria, joka pystyy tallentamaan ja toistamaan mittauksia, kuten käsitellään sivulla mitä maksaa IT-infrastruktuurin nostaminen tasolle ylemmäs, jokainen mittaus jää kertaluonteiseksi. Tästä syystä tämä ulottuvuus voi mittauksessa nousta korkeammalle tasolle vasta, kun perustavat ulottuvuudet jo kantavat jotain.
Baseline. Ei ole vakiintunutta tapaa arvioida, suoriutuuko AI-tuettu työ paremmin kuin vanha tapa tehdä työtä. Arvioinnit ovat satunnaisia ja henkilösidonnaisia. Kun joku lähtee, myös ainoa olemassa ollut näkymä katoaa.
Foundation. On irrallisia mittauksia, useimmiten projekti- tai pilottikohtaisesti. Niitä vertaillaan harvoin, eikä ole vakiintunutta hetkeä, jolloin joku katsoisi taakse arvioidakseen, toteutuiko tavoiteltu vaikutus todella. Mittaus on olemassa, mutta ei toimi oppimisprosessina.
Activation. On toistuva rytmi: mittaukset toistetaan säännöllisin väliajoin ja niistä annetaan palautetta työtä tekeville ihmisille. Organisaatio alkaa nähdä kuvioita, vaikka niitä ei vielä kirjata systemaattisesti tai vertailla osastojen välillä.
Insight. Mittauksia käytetään suunnan säätämiseen, ei vain raportointiin. On jaettu käsitys siitä, mikä toimii ja mikä ei, ja tämä käsitys johtaa muutoksiin siinä, miten AI:ta käytetään. Eri tiimit voivat vertailla tuloksiaan keskenään, koska mittaustapa on samanlainen.
Intelligence. Suorituskyvyn johtaminen on juurtunut siihen tapaan, jolla AI:ta koskevia päätöksiä tehdään. Aiemman käyttöönoton tulokset ruokkivat suoraan uusien sovellusten valintaa. Organisaatio pystyy perustelemaan, miksi jotain skaalataan tai ei skaalata, sen sijaan että se perustuisi vaistoon tai siihen, kuka puhuu kovaäänisimmin seuraavan pilotin puolesta.
Tämän ulottuvuuden taso ei löydy vain työkalusta tai kojelaudasta. Se löytyy niitä ympäröivästä käyttäytymisestä: katsotaanko pilotin jälkeen taaksepäin, vai jatketaanko suoraan seuraavaan? Voiko joku organisaatiossanne pyynnöstä osoittaa, mitä AI-sovellus todellisuudessa tuotti, irrallaan etukäteisoletuksesta? Käsitelläänkö epäonnistunut tulos, vai unohdetaanko se hiljaisesti? Nämä eivät ole teknisiä kysymyksiä. Ne koskevat sitä, onko syntynyt tapa katsoa, ei vain tehdä.
Tässä ulottuvuudessa syntyy usein suurta hajontaa sen välillä, ken täyttää plot-kierroksen. Operatiivinen johtaja näkee päivittäin activation-vaiheen irralliset mittaukset ja arvioi organisaation korkeammalle kuin todellisuus oikeuttaisi, koska nämä mittaukset ovat hänelle konkreettisia. Talousjohtaja, joka näkee vain neljännesvuosiraportin, arvioi matalammin, koska hänelle ei muodostu jatkuvaa kuvaa siitä, mitä välillä on mitattu. Molemmat käsitykset ovat totta sille, joka ne antaa. Hajonta itsessään on informaatiota: se osoittaa, ettei ole jaettua, organisaation laajuista näkemystä suorituskyvystä, mikä itsessään kertoo tasosta.
Askel baseline-tasosta foundation-tasolle vaatii ennen kaikkea kuria: vakiintuneen hetken valitsemista taakse katsomiseen ja sen varmistamista, ettei tämä hetki katoa seuraavan pilotin kiireen alle. Askel activation-tasolle vaatii toistettavan prosessin, mikä puolestaan koskettaa sitä, miten kypsä taustalla oleva infrastruktuuri on. Askel insight- tai intelligence-tasolle vaatii, että mittaukset ovat riittävän luotettavia niiden pohjalta toimimiseksi, ja se johtaa takaisin datan laatuun sekä siihen, kuka organisaatiossa on valtuutettu säätämään suuntaa näiden mittausten perusteella. Myös ulottuvuudet kuten etiikka ja yksityisyys ja tietoturva vaikuttavat tähän: suorituskykymittaus, joka sivuuttaa kysymyksen siitä, syntyikö tulos vastuullisesti, on puutteellinen mittaus. Se, mitä askel tarkalleen maksaa aikana, huomiona tai resursseina, vaihtelee organisaatiokohtaisesti ja riippuu siitä, missä muut ulottuvuudet ovat. Tästä syystä hybridresourcing käyttää plot-kierrosta vakiintuneen vaihe-suunnitelman sijaan: ensin tehdään näkyväksi, missä olette ja missä mielipiteet eroavat, ennen kuin lyödään lukkoon mitä tarvitaan.
Tämä sivu käsittelee sitä, pystyykö organisaationne toteamaan, mitä AI tuottaa, riippumatta siitä, mitä työtä se tarkalleen koskee. Se on eri kysymys kuin mitkä tehtävät voidaan siirtää ja missä määrin. Se, joka haluaa tietää tämän tehtäväkohtaisesti ja itse työn sisällön perusteella, löytää sen FTE TO AI:n työskannauksesta. Suorituskyvyn johtaminen ja työskannaus liittyvät toisiinsa: yksi mittaa, pystyttekö arvioimaan tulosta, toinen laskee, kuinka suuri osa työstä on arvioitavissa.
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.