Elindul egy kísérlet. Egy csapat, egy eszköz, néhány hetes vagy hónapos időszak. A végén jön a visszajelzés: jó érzés volt, az emberek lelkesek voltak, bizonyos dolgok gyorsabban mentek. Aztán döntés születik ezen az érzésen alapulva, míg senki nem határozta meg előre, hogy a kísérletnek tulajdonképpen mire kellett választ adnia.
Ez a csapda. Nem a kísérlet maga, hanem az, hogy nincs kérdés, amire a kísérletnek választ kellett volna adnia. Egy ilyen kérdés hiányában minden eredmény jó eredmény, és ez pontosan a probléma. Egy kísérlet, amelynél előre nincs megállapodás arról, minek kell kiderülnie, nem tud kudarcot szenvedni, és így semmit sem tud bizonyítani.
Egy kísérlet biztonságos módnak tűnik a kezdésre. Kis léptekkel kezdeni, megnézni, mi történik, majd bővíteni, ha működik. Ez ésszerűen hangzik, és egy stabil helyzetben az is. De az AI nem csak azt a csapatot érinti, amely a kísérletet végzi. Érinti azt, ahogyan az adatokat rögzítik, azt, hogy ki dönt miről, és azt, hogy mely rendszereknek kell egymással kommunikálniuk. Egy kísérlet, amely erről semmit nem mér, tehát semmit nem mér arról a kérdésről sem, hogy a szervezet többi része ugyanazt az eredményt érné el.
Az "előbb kicsiben próbáljuk ki" logikája abból indul ki, hogy a kisléptékű siker átfordítható nagyléptékű sikerré. Pontosan ez az oka annak, hogy a bővítés, ha az alapok nincsenek megerősítve, semmit nem ér: amit egy kísérletben elértek, gyakran olyan körülményeknek volt köszönhető, amelyek máshol nem állnak fenn. Egy motivált csapat, egy tiszta adathalmaz, egy vezető, aki éppen aktívan közreműködött. Ha előre nem határozták meg, mit kell tesztelni, akkor nem lesz világos, hogy az eredmény a technológiának volt köszönhető, vagy azoknak a kivételes körülményeknek, amelyek közepette tesztelték.
Néhány jól felismerhető jel van.
Az első jel, hogy a kísérlet egy elbeszéléssel zárul, nem egy válasszal. Elmondják, mi történt, de senki nem tudja megmondani, hogy az előre feltett kérdésre — amely valójában soha nem is létezett — választ kaptak-e.
A második jel, hogy a kísérlet elszigetelten állt a szervezet többi részétől. Egy csapat, egy felhasználási eset, semmilyen kapcsolat azokkal a rendszerekkel vagy részlegekkel, amelyeknek hordozniuk kellene az eredményt, ha az működik. Ez ugyanaz a csapda, mint amikor egy kísérlet csak a saját szegletében működik: egy elszigetelt siker keveset mond arról, mi történik, amint a szervezet többi részének is csatlakoznia kell.
A harmadik jel, hogy senki nem birtokolja a kísérletet. Van projektvezető, esetleg beszállító, de nincs olyan tulajdonos, aki felelős azért, mi történjen a kísérlet után. Ezt csak akkor veszi észre, amikor a kísérlet lezárult, és a "mi legyen most" kérdés válasz nélkül marad, pontosan az a mintázat, amely akkor válik láthatóvá, amikor egy demó tulajdonos nélkül semmit nem ér.
A negyedik jel, hogy a technológiát tesztelték, de azt a struktúrát, amelyben működnie kell, nem. A szerepek, a felelősségek, a döntési vonalak a kísérlet alatt változatlanok maradtak, és pontosan ez az oka annak, hogy a technológia egy változatlan struktúra fölött semmit nem ér. Egy kísérlet, amely a struktúrát nem érinti, csak azt teszteli, hogy a technológia működik-e egy olyan környezetben, amelynek nem kell megváltoznia. Ez más kérdés, mint az, hogy a szervezet készen áll-e arra, hogy vele dolgozzon.
Az a sorrend, amelyben az AI-érettség felépül, nem véletlenszerű. A szervezet, az informatikai infrastruktúra és az adatkezelés adják azt az alapot, amelyre a függő dimenziók — mint amilyen az, ahogyan az emberek együttműködnek az AI-val, vagy ahogyan a döntések születnek — csak ezután épülhetnek. Egy kísérlet, amely ezt a sorrendet ignorálja, valójában valami mást mér, mint amit állít. Egy csapat kreativitását méri egy adott pillanatban, nem a szervezet egészének készenlétét.
Ez az a pont is, ahol egy vezérigazgató és egy operatív igazgató általában eltérően néznek a dologra. Az, amire egy vezérigazgató figyel az AI-érettségnél, különbözik attól, amit egy operatív igazgató vizsgál ugyanennél, és egy kísérlet, amelynél előre nincs megállapodás a mérési pontról, mindkettőt támpont nélkül hagyja. A kérdés nem az, hogy a kísérlet kellemes volt-e, hanem hogy mond-e valamit azokról a dimenziókról, amelyeknek hordozniuk kell a többit.
A hybridresourcing.com érettségmérése arra szolgál, hogy ezt az előzetes megállapodást lehetővé tegye. Öt szint, a baseline-tól az intelligence-ig, hét dimenzióban, egy plot-körrel, amelyben több ember egymástól függetlenül pontoz, hogy a szórás láthatóvá váljon, ne pedig egyetlen benyomás, amelyet igazságként fogadnak el. Így válik láthatóvá, hol áll valójában a szervezet, mielőtt ismét elindulna egy kísérlet, amelynek utólag kellene bizonyítania azt, amit előre soha nem határoztak meg.
Ez a mérés arról a kérdésről szól, hogy a szervezet elbírja-e az AI-t: hogy megvan-e az alap ahhoz, hogy valami strukturálisan működjön. Amint ez a kérdés megválaszolódott, tér nyílik egy másik kérdésnek, nevezetesen annak, hogy a tényleges munka mely részét veheti át az AI. Ezt a kérdést a FTE TO AI munkafelmérése válaszolja meg, amely feladatonként kiszámítja, hogy annak mekkora része adható át az AI-nak. Az érettségmérés eszköze jelenleg épül; aki használni szeretné a mérést, 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.