Csábító lehet az AI-készültséget külön témák halmazaként kezelni, amelyeket kedve szerint kombinálhat. Kiválasztja, ami sürgetőnek érződik, azt méri, aztán tovább lép. A hybridresourcing érettségi mérése nem így működik, és ez nem stílusválasztás kérdése.
A hét dimenzió időben nem egyenrangú. A szervezet, az IT-infrastruktúra és az adatmenedzsment alapvetőek: ha ott nincs működő alap, minden, ami rájuk épül, talaj nélkül marad. A többi dimenzió függő. Feltételezik, hogy az alap már képes valamit hordani. Ez egy technikai sorrend, hasonlóan ahhoz, hogy egy alapozásnak meg kell lennie, mielőtt egy emeletnek értelme lenne. Megépítheti az emeletet alapozás nélkül is, de akkor amit mér, nem az, amit mérni gondol.
Azok a szervezetek, amelyek a függő dimenzióknál kezdenek — mondjuk azzal, hogy a csapatok hogyan értelmezik az AI-eredményeket, vagy hogy milyen gyorsan igazítanak a döntéseken —, olyan pontszámokat kapnak, amelyek előrehaladásnak tűnnek, de nincs jelentésük az alsó réteg nélkül. Egy csapat kiváló lehet az AI-kimenetek értelmezésében, míg az az adat, amire ez az output épül, megbízhatatlan. Az adott függő dimenzión kapott pontszám akkor valamit elmond a képességről, de semmit arról, hogy az eredmény bízható-e.
Az alapvető dimenziók ezért nem fontosabbak a presztízs értelmében. Inkább a logika értelmében előbbre valók. Az adatmenedzsment határozza meg, hogy tartalmilag mi lehetséges. Az IT-infrastruktúra határozza meg, hogy technikailag mi skálázható. A szervezet határozza meg, hogy ki miért felelős, ha valami rosszul megy. Ezek nélkül a három nélkül minden pontszám a többi dimenzión alap nélküli pontszám.
A módszer egy plot-körrel dolgozik: ugyanazon szervezet több embere egymástól függetlenül pontoz mind a hét dimenzión. Amit ezután láthatóvá válik, gyakran informatívabb, mint a pontszám maga. A válaszadók közötti szórás önmagában is jelzés. Ha a CIO magasabb szintre helyezi az IT-infrastruktúrát, mint azok a csapatok, amelyek napi szinten dolgoznak vele, ez elmond valamit arról, kinek milyen képe van a valóságról — és pontosan ez a beszélgetés előzi meg minden további lépést.
Ez a szórás kifejezetten nem hiba a mérésben. Ez a mérés maga. Egy szervezet, ahol mindenki pontosan ugyanazt a szintet pontozza, vagy kivételesen közös képpel bír, vagy senki nem gondolta át igazán a kérdést. Mindkettő lehetséges; a plot-kör láthatóvá teszi a különbséget, helyette hogy egyetlen számra átlagolná.
Az érettségi mérés nem mond semmit arról, mely feladatokat veheti át az AI. Nem mond semmit arról, mennyi időt vesz igénybe egy megvalósítás, és semmit arról, mit hoz egy AI-projekt financiálisan. Nem ad meg százalékot, átfutási időt, összeget — mert ezek a számok nem származhatnak egy készültségi mérésből. Amit a módszer valóban ad, az egy besorolás öt szinten — baseline, foundation, activation, insight, intelligence — dimenziónként, és egy kép arról, hol tér el a szervezet leginkább a saját önképében.
Ez az oka is annak, hogy a módszer nem ad tanácsot arra, hogy ezután mit kellene tennie. Nincs "önnek ezt kellene" ebben az eredményben. Van egy eredmény, és a szervezet maga határozza meg, mit tesz vele. Ez a megkülönböztetés nem laza szándékkal született; ez egy határ, amely egy mérő, nem tanácsadó eszközhöz tartozik.
Az érettségi mérés arra a kérdésre ad választ, hogy egy szervezet elbírja-e az AI-t. Nem arra a kérdésre ad választ, hogy melyik munkát vehetné át az AI — ez egy másik kérdéskör, más skálával és más logikával. A két kérdés közötti különbséget az AI elbírása és az AI átvétele közötti különbség dolgozza ki, és megéri ezt a különbséget tisztán látni, mielőtt egy mérést olyan kijelentésként értelmez, amely másról szól, mint amit valójában mér.
Az alapvető és a függő közötti sorrend abba is belejátszik, mit szabad automatizálnia egy szervezetnek, és mit nem. Aki azon gondolkodik, mit kell feltérképezni, mielőtt az automatizálást komolyan megfontolnák, támpontokat talál abban, mi tartozik egy döntés-leltárba, és aki azon gondolkodik, hol a határ, azt kifejtve találja abban, mely döntéseket sosem szabad automatizálni. Mindkét kérdés feltételezi, hogy a szervezet már tudja, hol áll — ami pontosan az, amit ez a mérés ad.
Mivel a készültség nem állandó állapot, releváns az a kérdés is, milyen gyakran kell megismételni ezt a mérést; ezt tárgyalja milyen gyakran szükséges egy érettségi mérés megismétlése.
Ha az alapvető dimenziók rendben vannak, vagy legalábbis feltérképezettek, egy másik kérdés merül fel: a szervezet tényleges munkájának mekkora része vehető át AI által. Erre nem ez a mérés ad választ. Erre szolgál az FTE TO AI munkaszkennere: egy feladatonkénti számítás, amely megmutatja, mely munkarész vehető át, és melyik marad embereknél. Az érettségi mérés meghatározza, hogy elég szilárd-e a talaj; a munkaszkenner kiszámítja, mi épülhet arra a talajra.
A hybridresourcing érettségi mérése fejlesztés alatt áll. Aki ennek a mérésnek az eredményét szeretné használni, amint elérhető lesz, feliratkozhat a várólistára.
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.