Suorituskyvyn johtaminen on ulottuvuus, joka mittaa, näkeekö organisaatio, mitä AI tuottaa, ja laskeutuuko se tieto minnekään. Ei sitä, onko olemassa dashboard, vaan sitä, katsooko joku, mitä AI-sovellus muuttaa läpimenoajassa, laadussa tai virhemarginaalissa, ja vaikuttaako se tulos seuraavaan päätökseen. Yksi taso ylemmäs ei maksa kiinteää summaa, koska tasojen välinen etäisyys vaihtelee organisaatioittain. Organisaation, joka ei mittaa vielä mitään, on rakennettava eri asia kuin organisaation, joka mittaa jo mutta ei käytä tuloksia missään. Yksi asia on kuitenkin varma: kustannukset ovat harvoin ohjelmistossa. Ne ovat ajassa, toistossa ja halukkuudessa ottaa tulokset vakavasti myös silloin, kun ne ovat huonoja.
Ulottuvuus tarkastelee kolmea asiaa. Ensinnäkin, määritelläänkö tulos ennen kuin AI-sovellus käynnistyy — mitä pitäisi parantaa, ja miten sen näkee. Toiseksi, mitataanko sitä tulosta ajan kuluessa todella, oletuksen sijaan. Kolmanneksi, seuraako mittauksesta jokin toimenpide: muokataanko, laajennetaanko tai lopetetaanko sovellus mitatun perusteella, vai jääkö tulos luvuksi raportissa, jota kukaan ei avaa uudelleen. Monet organisaatiot saavat matalan pisteytyksen syystä, että mittaus ei löydä paikkaa päätöksenteossa — ei siksi, että ne eivät mittaisi.
Baseline-tasolla ei ole kuvausta siitä, mitä onnistuminen tarkoittaa ennen kuin AI-sovellus alkaa. Jälkikäteen katsotaan, tuntuiko jokin "paremmalta", vailla kiinteää mittapuuta. Se, mitä tämä käytännössä tarkoittaa organisaatiolle, joka on tällä tasolla, on kuvattu sivulla mitä baseline-taso tarkoittaa käytännössä.
Foundation-tasolla tulos on kylläkin nimetty, mutta mittaus tapahtuu kertaluonteisesti tai sattumanvaraisesti. Joku tarkistaa muutaman viikon kuluttua, toimiiko asia, mutta toistoa ja vakiintunutta muotoa ei ole. Sivu mitä foundation-taso tarkoittaa käytännössä näyttää, miten tämä tilanne erottuu baselinesta ja sitä seuraavasta tasosta.
Activation-tasosta alkaen mittaamisesta tulee tapa poikkeuksen sijaan: samaa mittapuuta tarkastellaan uudelleen kiinteinä ajankohtina. Insight-tasolla tulos kytketään päätökseen — sovellus, joka ei tuota etukäteen odotettua, muokataan tai lopetetaan. Intelligence-tasolla mittaus on juurtunut laajempaan rytmiin: AI-sovellusten suorituskykyä verrataan rinnakkain, jotta organisaatio oppii, minkä tyyppinen sovellus toimii ja minkä ei.
Suorituskyvyn johtaminen riippuu ulottuvuuksista, jotka ovat järjestyksessä aiemmin. Ilman organisaatiota, joka tietää, kuka vastaa tuloksesta, mittaus jää luvuksi vaille omistajaa — tämä alkaa kysymyksestä, miten kypsä organisaatio on AI:n suhteen, mihin vastaa organisaatioulottuvuus. Ilman infrastruktuuria, joka mahdollistaa käyttöä ja tuloksia koskevan tiedon tallentamisen, ei ole mitään mitattavaa — katso IT-infrastruktuuriulottuvuus. Ja ilman datanhallintaa, joka määrittää, mikä tieto on riittävän luotettavaa toimia sen perusteella, mittaus tuottaa kenties luvun mutta ei tukevaa pohjaa — katso datanhallintaulottuvuus. Se, joka haluaa nostaa suorituskyvyn johtamista näiden perustusten olemattatta kunnossa, mittaa jotain, mutta ei sellaista, jonka päälle voi rakentaa.
Siirtymä baselinesta foundationiin vaatii ennen kaikkea sopimuksen: nimetkää ennen sovelluksen käynnistymistä, mitä onnistuminen tarkoittaa, ja tallentakaa se paikkaan, josta sen löytää myöhemmin. Tämä ei ole investointi tekniikkaan, vaan tapaan.
Siirtymä foundationista activationiin vaatii toistoa: sama mittapuu palaa kiinteinä ajankohtina, kertaluonteisen katsauksen sijaan. Tämä vaatii aikaa henkilöltä, joka laittaa asian esityslistalle ja jatkaa kysymistä.
Siirtymä insightiin vaatii jotain vaikeampaa: halukkuutta perua tai muokata sovellus, jos mittaus on huono, myös jos siihen on jo investoitu. Tämä on enemmän kulttuurikysymys kuin kustannuskysymys.
Siirtymä intelligenceen vaatii lopulta sovellusten välistä vertailua, jotta organisaatio ei oppii tapauskohtaisesti vaan näkee kuvioita. Tämä vaatii vakiintuneen paikan, jossa vertailu tapahtuu, ja ihmisiä, joille annetaan siihen aikaa.
hybridresourcing-kypsyysmittaus näyttää, kykeneekö organisaatio kantamaan sen, mitä AI tuottaa — ovatko perustukset paikoillaan, ja voiko suorituskyvyn johtaminen rakentaa niiden päälle. Se ei kerro mitään siitä, mitkä tehtävät itse työn sisällä sopivat AI:n hoidettavaksi, ja missä määrin. Tähän kysymykseen vastaa FTE TO AI:n työscan, joka laskee tehtäväkohtaisesti, kuinka suuri osa siitä voidaan siirtää AI:lle. Se, joka tietää, missä organisaatio on tällä ulottuvuudella, saa siitä myös viitteen siitä, laskeutuvatko tällaisen työscanin tulokset johonkin, vai katoavatko ne raporttiin, jota kukaan ei avaa uudelleen.
Kypsyysmittaus, jossa plot-kierroksella useat henkilöt pisteyttävät erikseen ja vastausten hajonta tehdään näkyväksi, on vielä kehitteillä. Se, joka haluaa käyttää mittausta sen valmistuttua, voi ilmoittautua odotuslistalle.
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.