Az activation szinten az AI már nem a rajztáblán van. Vannak pilotok, vannak használatban lévő eszközök, van felépült tapasztalat arról, mi működik és mi nem. Ez az a szint, ahol a legtöbb szervezet tovább marad, mint tervezte. Nem azért, mert nem történik semmi, hanem azért, mert amit teszünk, az szétaprózott marad. Egy csapat munkát elvégző agentekkel dolgozik, egy másik csapat attól függetlenül egy nyelvi modellel kísérletezik szövegek terén, és senkinek nincs teljes képe arról, hogy az AI valójában hol áll a szervezetben.
Az activation a különálló alkalmazások szintje. Van bizonyíték arra, hogy működhet. Még nincs olyan struktúra, amely ezt a bizonyítékot azon a helyen kívül is megismételhetővé tenné, ahol keletkezett.
Ezen a szinten néhány jel gyakran együtt jelenik meg. Van legalább egy alkalmazás, amely bizonyíthatóan eredményt hoz, de a kérdés, hogy miért nem terjesztik ki szélesebb körben, megválaszolatlan marad. Van költségvetés kísérletekre, de nincs állandó folyamat annak meghatározására, melyik kísérlet kap folytatást és melyik nem. Különböző részlegek mindegyike saját beszállítóval, saját megközelítéssel, saját sikerdefinícióval rendelkezik. És azok, akik a pilotokat végzik, gyakran nem ugyanazok az emberek, akiknek a felskálázásról kellene döntenie.
Ez utóbbi talán a legszembetűnőbb jellemző. Az activation szinten a tudás arról, mi működik, a végrehajtóknál van. A döntés arról, mi legyen a következő lépés, magasabb szinten van. E kettő között gyakran nincs állandó kapcsolat.
Az érettségmérés ábrázolási körében ez az a szint, ahol a pontszámok szórása a legnagyobb. Egy IT-vezető előrelépést lát, mert rendszerek működnek. Egy HR-igazgató stagnálást lát, mert nincs szabályozás arról, ki milyen eszközzel dolgozhat. Mindkét megfigyelés helyes. Csak más dimenziót írnak le.
Az activationtől az insightig vezető lépés nem több pilotot kíván. Azokból általában elég van már. A lépés valami olyasmit kíván, amit az activation önmagában nem hoz létre: egy módot arra, hogy az alkalmazásokon átnézzünk, egymással összehasonlítsuk őket, és ezek alapján döntést hozzunk.
Ez az alapvető dimenzióknál kezdődik. Ha a szervezetnek nincs közös képe arról, ki miről dönt, minden alkalmazás sziget marad. Ha az adatkezelés nincs rendben, akkor az, amit egy pilotban elértek, nem vihető át egyszerűen egy másik részlegre, mert az alapul szolgáló adatok másképp néznek ki. És ha az IT-infrastruktúra csapatonként eltérő, a különálló kezdeményezések összekapcsolása többe kerül, mint amennyibe az újrakezdés kerülne.
Ez az oka annak, hogy a hét dimenzió sorrendje nem véletlenszerű. Egy szervezet magas pontszámot érhet el egy függő dimenzióban — például egy csapat, amely jártas egy adott eszközben — miközben az alatta lévő alapvető dimenziók még nem tartják meg ezt. Ez a különbség az, amit az activation szinten gyakran nem vesznek észre: a látható előrelépés nem mindig áll olyan alapon, amely lehetővé teszi a további növekedést.
Az insight az a szint, ahol ezek az alapvető dimenziók végre számítanak. Nem azért, mert onnantól hirtelen több AI-t használnak, hanem azért, mert onnantól van egy mód arra, hogy lássák, melyik alkalmazás ismételhető meg máshol, és melyik marad egy adott csapat körülményeihez kötve. Amit ez a gyakorlatban megkövetel, a mérhetőségtől az alkalmazásokon átívelő közös áttekintésig, azt a hogyan jut el az insighttól a következő szintig oldal írja le.
Létezik egy feltevés, hogy több idő vagy több költségvetés automatikusan megoldja az activationt. Ez nem mindig igaz. Egy szervezet évekig megrekedhet az activation szinten, egyre újabb pilotokkal, amelyek ugyanazokat a kérdéseket megválaszolatlanul hagyják. A probléma ekkor nem a kezdeményezés hiánya. Hanem egy olyan struktúra hiánya, amely összekapcsolja a kezdeményezéseket.
Ez a struktúra az activation szinten másképp néz ki, mint az azt megelőző szinteken. Aki tudni akarja, hogyan nézett ki az alap, mielőtt kísérletek lettek volna, azt megtalálja a mit jelent a baseline szint a gyakorlatban és a mit jelent a foundation szint a gyakorlatban oldalakon. Ez az összehasonlítás megmutatja, hogy az activationhez vezető ugrás elsősorban bátorságot kíván — valamit kipróbálni —, míg az utána következő ugrás valami mást kíván: áttekintést.
Az áttekintés nem egyetlen pilotból ered. Abból ered, hogy egymás mellé rakják, amit mind csinálnak, és egy módból, amellyel meglátható, hol találkozik ez össze olyan láncokban, amelyekben a lépések egymást követik, helyett hogy külön-külön egymás mellett létezzenek.
Az érettségmérés megmutatja, hogy a szervezet egésze felkészült-e arra, hogy az AI-t hordozza: hogy az alapvető dimenziók megvannak-e a már létező különálló alkalmazások alatt. Ez más kérdés, mint az, hogy a munka mely része alkalmas magára az átvételre. Aki az activation szintjén elsősorban abba a kérdésbe akad el, hogy egy csapaton vagy folyamaton belül mely feladatok alkalmasak arra, hogy átadják őket az AI-nak, és milyen mértékben, azt a választ a FTE TO AI munkaszkennelésében találja meg. Az feladatonként kiszámítja, hogy a munka mely részét veheti át az AI, és ezzel kiegészítő képet ad az itt feltérképezett felkészültség mellé.
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.