A érettségmérés hét dimenziója közül az emberek és készségek a leggyakrabban emlegetett ok, amiért egy AI-pilot nem tud továbbnőni. Nem azért, mert az emberek nem akarják, hanem mert a készség más, mint a tudás. Valaki tudhatja, mi az a nyelvi modell, és mégsem tudja, mikor bízhat meg az eredményben. Az a szakadék a tudás és az alkalmazni tudás között az, amit ez a dimenzió pontosan mér.
Ez a dimenzió más alapvető dimenziókkal is összefügg. A készségek nehezen fejlődnek, ha a szervezet maga nincs berendezve az AI-val való tanulásra, és az AI-alkalmazásokkal való gyakorlás rosszul működik, ha az IT-infrastruktúra nem biztosít biztonságos kísérletezésre alkalmas környezetet. Aki csak képzési költségvetésben gondolkodik, elmulasztja ezt a sorrendet.
A baseline szinten kis számú ember dolgozik saját kezdeményezésre AI-eszközökkel, a szervezet látókörén kívül. Nincs közös kép arról, mi működik és mi nem, és amit valaki megtanul, az annál a személynél is marad. Amit a baseline a gyakorlatban jelent, tehát nem az érdeklődés hiánya, hanem a struktúra hiánya ahhoz, hogy ezt az érdeklődést kihasználják.
A foundation szinten már van egy első közös alap: néhány ember hasonló készségeket épített ki, kialakult egy közös szókincs, és az elszigetelt tapasztalatokat időnként megosztják. Amit a foundation a gyakorlatban jelent, az az egyéni használatból egy olyan valamivé való átlépés, amely már hasonlít egy azonosan gondolkodó csapatra.
Az activation szinten az emberek strukturáltan alkalmazzák az AI-t saját feladataikon belül, és felismerik, mire alkalmas és mire nem. Az insight szinten a hangsúly elmozdul: az emberek nem csak használni tudják az AI-t, hanem meg is tudják ítélni, hogy egy eredmény helyes-e, és miért. Az intelligence szinten ez az ítélet már nem külön lépés, hanem a munka normál elvégzésének része, elosztva a szervezetben, nem csak néhány korai alkalmazónál.
Ennél a dimenziónál gyakran alakul ki a legnagyobb különbség egy CIO és egy csapatvezető pontszáma között. A CIO látja a megtartott képzéseket, és ezt haladásnak számolja. A csapatvezető látja, hogy az a képzés alig változtatott azon, hogy a munka valójában hogyan zajlik, és alacsonyabbra pontoz. Mindkét megfigyelés helyes; csak a dimenzió más részét mérik. A kínálat és az alkalmazás nem ugyanaz, és a plot-kör pontosan ezt a szakadékot tárja fel, ahelyett hogy elsimítaná.
Az emberek és készségek dimenzióban egy szinttel feljebb lépni nem elsősorban a képzési költségvetéstől függ. Az ismétléstől függ: olyan emberektől, akik folyamatosan alkalmazzák az AI-t valódi munkára, nem csak begyakorolt példákra. Attól függ, hogy valóban van-e rendelkezésre álló idő a rendszeres feladatok mellett, nem csak papíron van kijelölve. És attól függ, hogy létezik-e olyan környezet, amelyben a tanulás közben elkövetett hibák nem okot adnak a régi munkamódra való visszaesésre.
Emellett a lépés attól is függ, hogy a készség láthatóvá és megoszthatóvá válik-e. Aki jól megtanulja ellenőrizni egy AI-eredményt, csak akkor segíti előre a szervezetet, ha az a munkamód eljut olyan helyre, ahonnan mások is átvehetik. Ilyen mechanizmus nélkül minden előrelépés egyetlen személyhez kötött marad, és eltűnik, amint az a személy funkciót vált.
Ez azonnal láthatóvá teszi, miért ritkán javítható ez a dimenzió önmagában. Az, hogy valaki hogyan tanul, hogy jól teljesített-e, és hogy ezt a tanulást felismerik és honorálják-e, közvetlenül kapcsolódik ahhoz, mennyire érett a teljesítménymenedzsment. És a készség is lassabban fejlődik, ha azok az adatok, amelyekkel az emberek gyakorolnak, megbízhatatlanok, ami az egyik oka, hogy ez a dimenzió ritkán áll függetlenül attól, mennyire érett az adatmenedzsment.
Ez a dimenzió megmutatja, hogy egy szervezet emberei készen állnak-e arra, hogy az ambícióhoz illő szinten dolgozzanak az AI-val. Nem mutatja meg, hogy egy adott funkció mely részét tudja átvenni az AI, és melyik résznek kell embernél maradnia. Ez egy másik kérdés, amelyre feladatonként, nem szervezeti szinten kapunk választ. A FTE TO AI munkascanje kiszámítja, hogy egy szerepkör munkájának mely része alkalmas arra, hogy az AI-ra átruházzák, feladatonként. Míg ez az oldal azt írja le, hogy az emberek készen állnak-e arra, hogy irányítsák ezt az átadást, a munkascan megmutatja, hogy pontosan mi adható át — és ez csak akkor válik érdemi kérdéssé, ha az átadó oldal, amint itt leírtuk, valamilyen szinten szilárd.
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.