Az insight szintjén valami megváltozott, amely túllép az elszigetelt kísérleteken. A szervezet nem csak azt érti, hogy az AI tesz valamit, hanem azt is, hogy miért működik az egyik helyen, és miért nem a másikon. Kialakult egy nyelv ahhoz, hogy ezt a beszélgetést folytassák: az emberek adatminőségről beszélnek, a hibák esetén felmerülő felelősségről, arról, mely folyamatok alkalmasak automatizálásra és melyek nem. Ez más beszélgetés, mint egy évvel korábban, amikor a kérdés főként az volt, hogy egy pilot hozott-e valamit.
Ami jellemző erre a szintre: a betekintés jelen van, de még nincs mindenütt beágyazva abba, ahogyan a döntések meghozatalra kerülnek. Az egyik részlegnek pontosan tiszta képe van arról, milyen adatra van szüksége és mi hiányzik. A másik részleg még jóhiszeműen követ egy pilotot, anélkül hogy bárki megállapította volna, kitart-e az alátámasztó infrastruktúra. Az insight tehát nem egyenletes réteg a szervezeten belül. Inkább olyan helyek gyűjteménye, ahol felkapcsolódott a fény, közöttük pedig még sötétben álló részekkel.
A következő szintre, az intelligence-re való lépés azt kívánja, hogy ez a betekintés irányításba fordítódjon át. Nem eseti módon — egy felmerülő probléma reakciójaként —, hanem strukturálisan, mint a szervezet szokásos működésének része. Ez ugyanazokat az alapvető dimenziókat érinti, amelyek a korábbi szinteken is a meghatározó tényezők voltak: úgy van kialakítva az adatmenedzsment, hogy az AI-eredmények alapján hozott döntések elszámolhatók legyenek? Az IT-infrastruktúra úgy van kialakítva, hogy az új alkalmazások ne mindig a nulláról kezdjenek? A szervezet maga úgy van felépítve, hogy az AI-vezérelt folyamatokért való felelősség valahol konkrétan elhelyezkedjen, ne pedig mindenütt egy kicsit?
Az insight szintjén gyakran azt látja, hogy ezek a kérdések már felmerültek, de a válasz dimenziónként eltér. Az egyik dimenzió már annyira előrehaladott, hogy az irányítás lehetséges; a másik még elszigetelt kezdeményezésekhez kötődik. Ez a tempóbeli eltérés az, ahol egy plot-kör szórása láthatóvá válik: ha több ember külön pontoz, kiderül, hogy az egyik válaszadó a szervezetet az adatmenedzsment terén már messzire jutottnak látja, míg egy másik ugyanazt a dimenziót még a foundation szintre helyezi. Ez a szórás nem zaj. Megmutatja, melyik dimenzió viseli el elsőként a figyelmet, és melyiknek kell még következnie.
Ezen a szinten a csábítás az, hogy a figyelmet a leginkább látható dimenziókra irányítsák — gyakran a függő dimenziókra, közel a napi munkához. Ám az alapvető dimenziók elsőbbséget kapnak. Ha az adatmenedzsment nincs rendben, minden AI-eredményekre épülő irányítás ingatag marad, bármennyi betekintés is épült fel. Ha az IT-infrastruktúra szétaprózott, minden alkalmazás sziget marad, még ha a szervezet belsőleg már jól tud is beszélni róla.
Ez nem más sorrend, mint amely a korábbi szinteken érvényes volt. Ugyanaz a sorrend, csak azon a ponton, ahol az átugrás költségei láthatóbbá válnak. A baseline és a foundation szintjén az alap hiánya még elrejthető volt azzal a ténnyel, hogy kevés dolog történt. Az insight szintjén már több van mozgásban, és ez korábban érzékelhetővé teszi egy gyenge alapvető dimenziót: irányítás, amely nem tart ki, döntések, amelyek utólag nem követhetők vissza, alkalmazások, amelyek megakadnak, amint átlépik egyetlen részleg határát.
Az intelligence-re való átmenet nem több AI alkalmazásának kérdése. Az alapvető dimenziók olyan mértékű rendbetételéről van szó, hogy a függő dimenziók strukturálisan tudjanak rá épülni. Ez szervezetenként erősen eltér: az egyik szervezetnek főként az adatmenedzsmentjét kell konszolidálnia, a másiknak olyan IT-infrastruktúrája van, amelyet előbb össze kell hozni, mielőtt szélesebb körben lehet irányítani. Az, hogy melyik lesz, attól függ, hol a legnagyobb a szórás a plot-körben — ott várja a következő szint.
Aki az intelligence-en túl szeretne tekinteni, az intelligence utáni szintről szóló oldalon találja a leírást arról, mi keletkezik, amikor az irányítás nem csak strukturális, hanem önmagát tanuló is lesz. Aki korábban a folyamatban keres felismerést, az activation oldalon olvashatja vissza, milyen volt a fázis, mielőtt a betekintés kialakult, vagy megnézheti, mit jelent, amint a munkát végző agentek szerepet kezdenek játszani az irányító réteg mellett, amely ezen a szinten épül fel.
Az insight elmondja, hol áll a szervezet abban a képességében, hogy hordozza az AI-t: mely dimenziók stabilak és melyek még lazák. Ez más kérdés, mint hogy a munka mely része maga átruházható az AI-ra. Amint a hordozó oldal élesebben látszik, ez a második kérdés válik lényegessé: a folyamaton belüli feladatok mely része vehető át valóban. Pontosan erre készült az FTE TO AI munkaszkennere — egy számítási módszer, amely feladatonként megállapítja, a munka mely része jöhet számításba az átvételre, így az intelligence-ről szóló beszélgetés nem csak a felkészültségről szól, hanem arról is, hogy amint az a felkészültség megvan, valójában mi nyerhető.
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.