Odluke koje ne prepuštate AI-ju

Svaka uprava koja se upusti u rad s AI-jem prije ili kasnije naiđe na ovo pitanje: koju odluku smije donijeti sustav, a koja odluka ostaje na čovjeku. Pitanje zvuči jednostavno. Odgovor to često nije, jer granica ne leži u samoj odluci, nego u onome što je organizacija oko nje uspostavila.

Zašto se na ovo pitanje ne može odgovoriti popisom

Ne postoji fiksan popis odluka koje po definiciji moraju ostati ljudske. Odluka o otkazu, odbijanje kredita, medicinska procjena: to su primjeri koji se često spominju, ali razlog zašto su osjetljivi razlikuje se od organizacije do organizacije. Kod jedne institucije riječ je o pravnoj odgovornosti, kod druge o nepovratnosti ishoda, kod treće o nedostatku dobre margine za pogrešku. Onaj koji preslika popis druge organizacije, preslikava odgovor bez da je postavio pitanje.

Ono što djeluje je rasčlaniti samu odluku: kakav je učinak ako nešto pođe po zlu, može li se ishod ispraviti, i postoji li netko koji ishod može ponovno objasniti i za njega odgovarati. Ta tri pitanja temelj su onoga što se na drugom mjestu naziva pravila za agente: utvrđene granice koje određuju kada sustav može nastaviti raditi, a kada mora zastati i uključiti čovjeka.

Zašto je ovo pitanje organizacije, a ne tehničko pitanje

Velika je iskušenje ovo pitanje prepustiti IT-u, kao da je riječ o postavci koju konfigurirate jednokratno. To ne funkcionira, iz jednostavnog razloga: pravilo za agenta pouzdano je samo ako je organizacija oko njega uređena. Ako nitko ne zna tko je vlasnik nekog procesa, nitko ne može odrediti tko je točka eskalacije. Ako podaci nisu u redu, sustav ne zna kada je naišao na iznimku koja traži čovjeka. Temeljne dimenzije organizacije — upravljanje, infrastruktura, upravljanje podacima — prethode dakle pitanju koje se odluke mogu automatizirati. Bez te osnove, svaka granica koju povučete granica je samo na papiru.

Upravo je to razlog zašto ovo pitanje rijetko živi na jednom mjestu u organizaciji. Uprava vidi rizik, CIO vidi tehničku izvedivost, vlasnik procesa vidi svakodnevnu praksu. Kako uskladiti ta tri gledišta prije nego tempo automatizacije postane izvor nesuglasica, opisano je na stranici kako vodite razgovor o tempu između nadzornog odbora i uprave. Onaj koji ovo pitanje postavi tek kad prvi pilot već traje, postavlja ga previše kasno.

Što mjerenje zrelosti ovdje radi, a što ne

Mjerenje zrelosti tvrtke hybridresourcing.com utvrđuje ima li organizacija postavljenu osnovu da ovakve granice povuče na smislen način. Sedam dimenzija, pet razina od baseline do intelligence, i krug procjene u kojem više osoba nezavisno jedna od druge ocjenjuje. Ta razlika u ocjenama često je najkorisniji dio: ako CHRO zrelost podataka postavi na activation, a CIO na baseline, znate da prvo mora doći do razgovora prije nego se na papir stavi pravilo koje nitko ne može provesti.

Ono što mjerenje ne radi jest reći koja se odluka u vašoj organizaciji može automatizirati. Ono mjeri spremnost, ne prikladnost određenog zadatka. Govori vam može li organizacija podnijeti ono što AI može, ne što bi AI konkretno preuzeo. Ta razlika između podnošenja i preuzimanja opisana je na stranici razlika između podnošenja AI-ja i preuzimanja od strane AI-ja, i to je razlika koju ova stranica svjesno održava: rezultat mjerenja nije ni slobodna karta ni zabrana, to je fotografija stanja u kojem se organizacija trenutno nalazi.

Ta fotografija zastarijeva. Organizacija koja danas na upravljanju podacima postiže rezultat foundation, za godinu dana može biti na activation, ili je jednako lako mogla ostati na istom mjestu. Koliko je često smisleno ponovno mjeriti, i o čemu to ovisi, pročitajte na stranici koliko često treba ponoviti mjerenje zrelosti. Jednokratno mjerenje koje završi u ladici ima malu vrijednost; mjerenje koje iznova pokrene razgovor u upravi, ima.

Što ovo ne rješava

Mjerenje ne rješava neslaganje u vašoj upravi. Ono ga čini vidljivim, a to nije isto. Ako se vaš nadzorni odbor i uprava već dulje ne slažu oko tempa usvajanja AI-ja, uzrok često leži dublje od nedostatka činjenica: riječ je o spremnosti na rizik, o tome kome se za što pripisuje odgovornost, o tome što se događa kad netko otvori chat prozor i pomisli da je time uveo AI u kuću. Ono što ne vidite ako poznajete samo chat prozor upravo je onaj dio organizacije o kojem govori ovo pitanje: infrastruktura, pravila, ljudi koji znaju kad sustav mora stati. Zašto se vaša uprava ne slaže oko tempa, objašnjeno je na ovoj stranici, i taj razgovor često je korisnije voditi unaprijed nego čekati da se neki pilot zaglavi i pitanje se ionako pojavi na stolu.

Od spremnosti do zadatka

Ova stranica govori o granici koju povlačite unaprijed: koja odluka ostaje na čovjeku, bez obzira na to što sustav tehnički može. Čim ta granica bude približno postavljena, pitanje se pomiče prema samom poslu: koji zadaci unutar te granice prikladni su za prepuštanje, a koji dio funkcije ostaje ljudski posao bez obzira na spremnost organizacije. To pitanje mjerenje zrelosti ne odgovara. Werkscan tvrtke FTE TO AI izračunava po zadatku koji dio posla AI može preuzeti, i time se nadovezuje na točku na kojoj ova stranica završava: ne je li vaša organizacija spremna, nego što konkretno stoji spremno za prepuštanje čim to bude.