U praktički svakoj organizaciji koja eksperimentira s AI-jem, u jednom trenutku nastaje ista skupina: dvoje, možda troje ljudi koji to razumiju, koji su sami počeli isprobavati, koji entuzijastično pripovijedaju o tome što je moguće. Oni izrađuju prototip, testiraju alat, dijele rezultate u interном chatu. Ostatak organizacije to promatra, kima glavom i nastavlja raditi kao i uvijek.
Nakon nekoliko mjeseci postoji popis zanimljivih eksperimenata i nikakva promjena u tome kako se posao stvarno obavlja. Dva entuzijasta su i dalje entuzijastična. Svi oko njih nisu pratili taj pokret.
Razlog iza ovog pristupa zvuči razumno: počnite malo, s ljudima koji su motivirani, i pustite da se uspjeh sam širi. To kod nekih promjena zaista i funkcionira. Novi način rada koji vidljivo štedi vrijeme, ponekad se organski širi jer ga kolege preuzimaju.
Kod AI-ja taj mehanizam obično ne funkcionira, i razlog ne leži u ljudima nego u organizaciji oko njih. Entuzijasti često imaju pristup sustavima, vrijeme i mandat koje drugi nemaju. Ono što je za njih pitanje isprobavanja jednog popodneva, za kolegu bez tog pristupa zahtijeva zahtjev, odobrenje, IT tiket. Entuzijazam nije problem. Nedostatak puta kojim bi drugi mogli slijediti, to je problem.
Redoslijed kojim se izgrađuje AI-spremnost ne počinje s ljudima koji to žele. Počinje sa strukturom koja to omogućuje: kako je organizacija uređena, kakva IT infrastruktura postoji, kako se upravlja podacima. Dva entuzijasta mogu raditi mimo te strukture, s vlastitim pristupom, vlastitim trikovima, vlastitim zaobilaznim putevima. Ostatak organizacije to ne može, i ne bi to trebao ni željeti — zaobilazni putevi nisu temelj za nešto što treba trajno funkcionirati.
To objašnjava zašto se ovaj obrazac često ponavlja uz druge poznate zamke. Onaj tko čita o tome što treba biti dokazano prije nego pilot dovede do nečega, vidi sličan mehanizam: aktivnost bez dogovora o tome što uspjeh znači, ostaje samo aktivnost. Kod dva entuzijasta taj dogovor također ne postoji — ni o tome što treba biti dokazano, ni o tome tko ih nasljeđuje.
Postoji nekoliko prepoznatljivih znakova. Prvi je da se ista dva ili tri imena stalno vraćaju kad se govori o AI-ju, na svakom sastanku, u svakom ažuriranju. Drugi je da pitanja drugih odjela počinju s "kako su oni to napravili" umjesto vlastitim putem. Treći, i najviše podcijenjen, je da nitko ne može objasniti što bi se trebalo dogoditi ako jedna od te dvije osobe sutra ode.
Četvrti znak je subtilniji: eksperiment nastavlja djelovati u svom vlastitom kutku, odvojeno od ostatka procesa. To se poklapa s onim što se događa kada pilot izvan vlastitog tima ne pronađe povezanost — entuzijazam bez veze s ostatkom organizacije ostaje otok, koliko god taj otok dobro funkcionirao.
Peti znak, naposljetku, je da se skaliranje predlaže kao sljedeći korak, dok nitko nije provjerio postoji li već temelj za to. Taj rizik opisan je u onome što se događa kada se skaliranje pokuša prije nego što temelj postoji: dva entuzijasta koja žele umnožiti svoj vlastiti uspjeh na deset timova, zapinju upravo na strukturi koju su sami zaobišli.
Privlačno je zaključiti da su potrebni još entuzijasti, ili bolja obuka, ili program kulture. To promašuje bit. Pitanje nije jesu li dovoljno predanih ljudi na broju — njih često već ima dvoje, i to je upravo problem, jer dvoje nije struktura. Pitanje je može li organizacija u cjelini — u svom ustroju, u načinu na koji sustavi komuniciraju, u dostupnosti i pouzdanosti podataka — podnijeti situaciju u kojoj ne dvoje nego mnogo više ljudi može raditi s AI-jem. To je drugo pitanje od onoga tko je entuzijastičan, i to je pitanje na koje se prvo mora odgovoriti.
Za onoga koji se u vodećoj ulozi susreće s ovim obrascem, korisno je znati na što bi obratila pažnju osoba u sličnoj poziciji: na što bi CEO obratio pažnju pri procjeni AI-zrelosti opisuje neke od tih točaka pažnje, kao i pogled na što bi COO obratio pažnju kod AI-zrelosti iz druge perspektive na istu organizaciju.
Ako dva entuzijasta dokažu da je nešto moguće, ostaje neodgovoreno pitanje koliko se posla stvarno može preuzeti, i tko to može učiniti. To pitanje ne leži u spremnosti nego u samom poslu: koji se zadaci mogu prepustiti AI-ju i koji dio to obuhvaća. Upravo za to služi radna skala (werkscan) FTE TO AI — ona po zadatku izračunava koji se dio posla može preuzeti, neovisno o tome tko već entuzijastično eksperimentira s time.
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.