Chat prozor u kojem netko postavi pitanje i dobije odgovor izgleda jednostavno. Ono što se ispod toga mora događati, nije jednostavno. Potpora u odlučivanju s AI-jem znači da sustav kombinira podatke iz više izvora, smješta ih u pravi kontekst i formulira odgovor na temelju kojeg se netko usudi djelovati. Svaki korak u tom lancu postavlja zahtjev organizaciji koji prethodi pitanju koji se model ili platforma odabire.
Model koji podupire odluke dobar je koliko su dobri podaci koje dobiva na uvid. To znači da brojke iz različitih sustava moraju koristiti istu definiciju, da su povijesni podaci dostupni bez toga da ih netko prvo mora ručno izvesti, i da je jasno koji je izvor mjerodavan kada se dva sustava međusobno kontradiktoriraju. Organizacije koje to još nemaju sređeno, to primijete tek u trenutku kada se odgovor sustava ne slaže s onim što su ljudi na terenu već znali.
Potpora u odlučivanju često se nalazi na sjecištu više odjela: trenutku u kojem informacija mora prijeći s jednog mjesta na drugo da bi iz toga proizašla dobra odluka. To čini relevantnim kako koordinacija između odjela funkcionira u vašoj organizaciji, jer sustav koji daje savjet koji zatim ostane visjeti između dva odjela, nije ništa donio. Ista logika vrijedi za izvore kojima se savjet hrani: ako se ti izvori sastoje od dokumenata koje treba prvo pročitati i sažeti prije nego što se s njima može bilo što učiniti, pitanje što čitanje i sažimanje dokumenata traži od organizacije izravno utječe na brzinu i pouzdanost savjeta koji iz toga proizlazi.
Dio potpore u odlučivanju ne sastoji se od odgovaranja na pitanje koje netko aktivno postavlja, već od signaliziranja nečega što zaslužuje pažnju prije nego što se za to netko upita. To postavlja druge zahtjeve od chat prozora: mora postojati nešto što kontinuirano prati situaciju, prepoznaje pragove i razlikuje šum od signala koji zaista ima značaj. Što to traži od praćenja i signaliziranja pitanje je koje treba odgovoriti zasebno, i tko želi znati što praćenje i signaliziranje traže od organizacije, vidi da se ne radi samo o tehnici nego i o tome tko prima signale i što se s njima događa.
Mnoge se odluke pripremaju u razgovorima: s klijentima, s dobavljačima, između kolega. Ako se ti razgovori ne zapisuju na način koji je ponovno upotrebljiv, sustavu koji treba podupirati odluku nedostaje upravo materijal koji je bio povod. To pokazuje što bilježenje i praćenje razgovora traže od organizacije, tema koja se izravno odnosi na pitanje može li potpora u odlučivanju graditi na nečemu, ili na ničemu. Tko želi znati više o tome što bilježenje i praćenje razgovora traže, vidi vezu s kvalitetom svakog savjeta koji se kasnije izvodi iz tih razgovora.
Nije neobično da jedan tim, s jednim skupom podataka i jednim slučajem primjene, pokaže radnu verziju potpore u odlučivanju. To dokazuje da je moguće, ne da je moguće u cijeloj organizaciji. Čim se druga odjela s drugim sustavima, drugim vlasnicima podataka i drugim definicijama žele priključiti, često se pokaže da je prva verzija bila skrojena upravo za taj jedan tim. Zašto pilot koji radi samo u svom kutku ne donosi ništa, dakle nije pitanje neuspjele tehnike nego temelja koji nikada nije bio postavljen šire. Za onoga koji o tome želi pročitati više: zašto pilot koji radi samo u svom kutku ne donosi ništa objašnjava što nedostaje između demonstracije i primjene u cijeloj organizaciji.
Sustav može dati najbolje utemeljen savjet i ipak ništa promijeniti, ako nitko ne nosi odgovornost da s njim radi. To je organizacijsko pitanje, ne tehničko pitanje: tko je vlasnik savjeta, tko ocjenjuje slijedi li se, i tko objašnjava zašto se jednom nije slijedio. Bez tog vlasnika potpora u odlučivanju nestaje u kategoriji zanimljivih eksperimenata. Zašto demonstracija bez vlasnika ne donosi ništa, povezano je s istom stvari, a tko želi pratiti precizno obrazloženje, može ga pronaći na zašto demonstracija bez vlasnika ne donosi ništa.
Zahtjevi koje potpora u odlučivanju postavlja uglavnom se odnose na ono što već mora biti postavljeno prije nego što chat prozor može učiniti nešto smisleno: čisti i dostupni podaci, funkcionalan prijenos između odjela, strukturirano bilježenje razgovora i dokumenata, i jasan vlasnik za ono što sustav proizvodi. To je upravo razlog zašto mjerenje zrelosti hybridresourcing gleda na temeljne dimenzije prije nego što se pristupi ovisnima: organizacija, IT infrastruktura i upravljanje podacima određuju postoji li nešto na čemu se potpora u odlučivanju može izgraditi.
Pitanje može li organizacija to podnijeti odvojeno je od pitanja koji se dio posla stvarno može preuzeti od strane AI-ja. To posljednje izračunava skener rada FTE TO AI po zadatku: koji se dio posla može preuzeti, i pod kojim uvjetima. Gdje ova stranica opisuje što mora biti postavljeno prije nego što potpora u odlučivanju može funkcionirati, skener rada opisuje što se, kada ta osnova postoji, konkretno mijenja u samom radu.
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.