Gyakorlatilag minden olyan szervezetben, amely AI-val kísérletezik, egy adott ponton kialakul ugyanaz a csoport: két, esetleg három ember, aki érti a dolgot, aki maga kezdett kipróbálni, aki lelkesen mesél arról, mi minden lehetséges. Ők építenek egy prototípust, kipróbálnak egy eszközt, megosztják az eredményeket egy belső csetben. A szervezet többi része nézi, bólogat, és folytatja a munkát úgy, ahogyan mindig is csinálta.
Néhány hónap múlva van egy lista érdekes kísérletekről, és semmi változás abban, hogyan végzik el a munkát a valóságban. A két lelkes kolléga továbbra is lelkes. A körülöttük lévők senkit nem mozdítottak el.
Az ezen megközelítés mögötti gondolkodás okosnak hangzik: kezdjék kicsiben, olyan emberekkel, akik motiváltak, és hagyják, hogy a siker magától elterjedjen. Ez néhány változásnál valóban így működik. Egy új munkamódszer, amely láthatóan időt takarít meg, néha organikusan elterjed, mert a kollégák átveszik.
Az AI esetében ez a mechanizmus többnyire nem működik, és az oka nem az emberekben, hanem a körülöttük lévő szervezetben rejlik. A lelkes kollégáknak gyakran olyan hozzáférésük, idejük és mandátumuk van, amilyennel másoknak nincs. Amit számukra egy délután kipróbálása jelent, az egy kollégának, akinek nincs meg ez a hozzáférése, egy kérelmet, egy jóváhagyást, egy IT-jegyet jelent. A lelkesedés nem a probléma. A probléma az, hogy nincs olyan út, amelyen mások követhetnék.
Az a sorrend, amelyben az AI-készültség felépül, nem a lelkes embereknél kezdődik. Ott kezdődik, ahol a struktúra ezt lehetővé teszi: hogyan van felépítve a szervezet, milyen IT-infrastruktúra van jelen, hogyan kezelik az adatokat. Két lelkes kolléga tud dolgozni ezen struktúra körül, saját hozzáféréssel, saját trükkökkel, saját kerülőutakkal. A szervezet többi része ezt nem tudja, és nem is szabadna akarnia — a kerülőutak nem alapot jelentenek egy olyan dologhoz, amelynek tartósan kell működnie.
Ez megmagyarázza, miért ismétlődik ez a minta gyakran más ismert csapdák mellett. Aki elolvassa, mi kell hogy kiderüljön, mielőtt egy pilot bármihez vezet, hasonló mechanizmust lát: megállapodás nélkül arról, mit jelent a siker, a tevékenység csak tevékenység marad. Két lelkes kolléga esetén sincs meg a megállapodás — sem arról, mi kell hogy kiderüljön, sem arról, ki követi őket.
Néhány felismerhető jelzés van. Az első, hogy ugyanaz a két vagy három név tér vissza folyton, amikor az AI-ról beszélnek, minden megbeszélésen, minden frissítésben. A második, hogy más osztályok kérdései azzal kezdődnek, hogy „ők hogyan csinálták”, saját útvonal helyett. A harmadik, és a leginkább alábecsült, hogy senki sem tudja elmagyarázni, mi történne, ha ez a két ember holnap távozna.
Egy negyedik jelzés finomabb: a kísérlet a saját sarkában marad, elszakadva a folyamat többi részétől. Ez összhangban van azzal, ami akkor történik, amikor egy pilot a saját csapaton kívül nem talál kapcsolódást — a lelkesedés, amely nem kapcsolódik a szervezet többi részéhez, sziget marad, bármilyen jól is működjön az a sziget.
Az ötödik jelzés, végül, hogy a skálázást javasolják következő lépésként, míg senki nem ellenőrizte, hogy az alap már megvan-e alatta. Ezt a kockázatot írja le az, mi történik, amikor a skálázást próbálják, mielőtt az alap megvan: két lelkes kolléga, aki a saját sikerét szeretné megsokszorozni tíz csapatra, pontosan abba a struktúrába akad el, amelyet maguk kerültek meg.
Csábító arra a következtetésre jutni, hogy több lelkes emberre van szükség, vagy jobb képzésre, vagy egy kultúra-programra. Ez elmegy a lényeg mellett. A kérdés nem az, hogy elég elhivatott ember van-e — gyakran már van kettő, és ez pontosan a probléma, mert kettő nem struktúra. A kérdés az, hogy a szervezet mint egész — abban, hogyan van felépítve, hogyan beszélnek egymással a rendszerek, hogyan érhető el és mennyire megbízható az adat — el tud-e viselni egy olyan helyzetet, amelyben nem kettő, hanem sokkal több ember tud AI-val dolgozni. Ez egy másik kérdés, mint ki lelkes, és ez az a kérdés, amelyre először választ kell adni.
Akinek vezetői szerepben kell szembenéznie ezzel a mintával, hasznos tudnia, mire figyelne valaki hasonló pozícióban: mire figyelne egy vezérigazgató az AI-érettség megítélésekor leír néhányat ezekből a szempontokból, csakúgy mint mire figyelne egy operatív igazgató az AI-érettségnél egy másik nézőpontból ugyanarra a szervezetre.
Ha két lelkes kolléga bebizonyítja, hogy valami lehetséges, a kérdés nyitva marad, hogy a munka mekkora része vehető át valójában, és ki által. Ez a kérdés nem a készültségnél, hanem magánál a munkánál kezdődik: mely feladatok alkalmasak arra, hogy az AI átvegye, és milyen mekkora rész ez. Pontosan erre szolgál az FTE TO AI munkascan-je — az minden feladatnál kiszámolja, mekkora rész vehető át, függetlenül attól, ki kísérletezik már most is lelkesen vele.
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.