Matala tulos kypsyysmittauksessa herättää useimmissa johdoissa saman kysymyksen: kuinka vakavaa tämä on. Vastaus on, että kysymys itsessään tulee liian aikaisin. Matala luku yhdellä seitsemästä ulottuvuudesta voi tarkoittaa kahta skenaariota, joilla on vähän tekemistä toistensa kanssa, ja mittari itsessään ei kerro kumpi näistä on kyseessä.
Ensimmäinen skenaario on organisaatio, joka on alkuvaiheessa. Ei ole tiedonhallintaa, jota ylläpidetään jatkuvasti, ei ole infrastruktuuria, joka voi kantaa AI-sovelluksia, ja organisaatio itse ei ole vielä muodostanut tapaa työskennellä AI-järjestelmien kanssa. Tässä skenaariossa matala pisteytys on tarkka kuvaus tilanteesta. Siinä ei ole mitään erikoista; useimmat organisaatiot aloittavat tästä. Se, mikä merkitsee, on järjestys, jossa se rakennetaan. Sivulla miksi perustavanlaatuiset ulottuvuudet on käsiteltävä ensin kerrotaan, miksi organisaatio, IT-infrastruktuuri ja tiedonhallinta eivät ole rinnasteisia muiden ulottuvuuksien kanssa vaan niiden alla — päätöksenteon älykkyystaso on vähän arvoinen, jos data, jolle päätökset perustuvat, ei ole luotettavaa.
Toinen skenaario on vähemmän näkyvä ja usein hämmentävämpi johdolle. Organisaatio on todellakin rakentanut jotain — pilotteja, yksittäisiä sovelluksia, tiimin, joka työskentelee niiden kanssa — mutta kyselylomakkeen täyttävät ihmiset pisteyttävät olennaisesti eri tavoin. CIO näkee infrastruktuurin, joka on valmis; COO näkee prosessit, jotka tukeutuvat edelleen manuaaliseen valvontaan. CHRO näkee organisaation, joka omaksuu AI:n; tiiminvetäjät näkevät ihmisiä, jotka jättävät työkalut huomiotta heti kun tilanne muuttuu haastavaksi. Tässä skenaariossa matala keskiarvo ei ole ongelma. Hajonta on ongelma.
Tästä syystä mittaus toimii erillisen arvioinnin kierroksella: useat ihmiset pisteyttävät erikseen, näkemättä toistensa vastauksia, ja vasta sen jälkeen hajonta tulee näkyväksi. Organisaatio, jolla on matala keskiarvo ja pieni hajonta, tietää missä se on ja voi edetä siitä. Organisaatiolla, jonka keskiarvo näyttää hyväksyttävältä mutta jonka hajonta on suuri, on eri ongelma: yhteistä kuvaa todellisuudesta ei ole, ja tämän kuvan täytyy olla ensin olemassa ennen kuin pisteytys kertoo mistään.
Mittaus osoittaa hajonnan. Se ei selitä sitä, eikä se ratkaise sitä. Jos CIO ja COO pisteyttävät järjestelmällisesti eri tavalla IT-infrastruktuuria, se on keskustelu, joka täytyy käydä — siitä, mitä on tarkalleen rakennettu, kenellä on siihen pääsy, ja mikä osa siitä toimii tuotannossa versus pilottiympäristössä. Mittaus tarjoaa lähtökohdan tälle keskustelulle, ei lopputulosta. Sama koskee skenaariota yksi: tieto siitä, että mitään ei ole vielä olemassa, ei ole suunnitelma rakentaa jotain. Sivuilla kuinka kypsä organisaationne on AI:n suhteen ja kuinka kypsä on IT-infrastruktuurinne AI:n suhteen on kuvattu ulottuvuuskohtaisesti, mitä tasot baseline-tasosta intelligence-tasoon tarkastelevat, jotta matala pisteytys saa suunnan sen sijaan, että se olisi vain arvio.
Matala pisteytys perustavanlaatuisilla ulottuvuuksilla ei tarkoita, että riippuvaiset teemat, kuten päätöksenteko ja agenttien toiminta, tulevat relevanteiksi vasta vuoden kuluttua. Se tarkoittaa, että näitä teemoja voidaan kirjata jo nyt, vaikka toteutus joutuisi odottamaan. Mitä päätöksiä organisaatiossa tosiasiassa tehdään ja kenen toimesta, on kuvattu sivulla mitä päätösluetteloon kuuluu, ja mitkä näistä päätöksistä pysyvät periaatteessa automatisoinnin ulottumattomissa — lakisääteisistä, eettisistä tai hallinnollisista syistä — luette sivulla mitkä päätökset ei saa koskaan automatisoida. Tämä työ voi alkaa, kun perustavanlaatuiset ulottuvuudet vielä kasvavat; sen ei tarvitse odottaa infrastruktuurin valmistumista, vaikka toteutus tulee odottamaan sitä.
Matala pisteytys ei ennusta aikataulua eikä lopputulosta. Kahdella organisaatiolla, joilla on identtinen pisteytys, voi olla hyvin erilaiset polvet edessään, riippuen siitä, missä tarkalleen hajonta oli, mikä skenaario oli kyseessä, ja kuinka paljon perustasta oli jo epävirallisesti olemassa ilman, että kyselylomake pystyi sitä havaitsemaan. Mittaus on valokuva, jossa on seitsemän ulottuvuutta ja viisi tasoa; se ei ole ennuste siitä, mitä tapahtuu tämän valokuvan jälkeen.
Siinä missä kypsyysmittaus tuo esiin organisaation kantokyvyn — voiko organisaatio kannatella AI:ta, sen perusteella, mitä perustaa ja yhteistä kuvaa on olemassa — toinen kysymys koskee eri asiaa: mitä AI voi tässä organisaatiossa tosiasiassa ottaa hoitaakseen. Se on tehtävätason kysymys, ei organisaatiotason kysymys, ja siihen vastaa FTE TO AI:n työskannaus, joka laskee tehtäväkohtaisesti, minkä osan siitä AI voi ottaa hoitaakseen. Nämä kaksi kysymystä seuraavat toisiaan: vasta kun on selvää, voiko organisaatio ja missä kantaa painon, on mielekästä tietää, mitä tosiasiassa voidaan ottaa hoitaakseen. Se, joka näkee matalan pisteytyksen mittauksessa, ei voi siis kääntää näitä kahta kysymystä toisin päin — mutta voi hyvin tuoda molemmat jo näkyville.
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.