Egy chat-ablak, amelyben valaki kérdést tesz fel és választ kap, egyszerűnek tűnik. Ami ez alatt történik, az nem az. A döntéstámogatás AI-val azt jelenti, hogy egy rendszer több forrásból származó adatokat kombinál, a megfelelő kontextusba helyezi őket, és egy olyan választ fogalmaz meg, amelyre valaki bátran cselekedni tud. Ennek a láncnak minden lépése egy olyan követelményt állít a szervezet elé, amely megelőzi azt a kérdést, hogy melyik modellt vagy platformot választják.
Egy modell, amely a döntéseket támogatja, csak annyira jó, mint az adatok, amelyeket lát. Ez azt jelenti, hogy a különböző rendszerekből származó adatoknak ugyanazt a definíciót kell alkalmazniuk, hogy a történeti adatoknak elérhetőnek kell lenniük anélkül, hogy valakinek előbb kézzel kellene exportálnia azokat, és hogy világosnak kell lennie, melyik forrás a mérvadó, ha két rendszer ellentmond egymásnak. Azok a szervezetek, amelyek ezt még nem rendezték, csak akkor veszik ezt észre, amikor a rendszer válasza nem egyezik azzal, amit az emberek a gyakorlatban már tudtak.
A döntéstámogatás gyakran több osztály metszéspontjában található: azon a pillanaton, amikor az információnak az egyik helyről a másikra kell mennie, ha jó döntésnek kell születnie. Ez teszi relevánssá, hogy hogyan működik az osztályok közötti koordináció az Ön szervezetében, mert egy rendszer, amely olyan tanácsot ad, amely azután két osztály között marad, semmit sem eredményezett. Ugyanez a logika vonatkozik azokra a forrásokra is, amelyekkel a tanácsot táplálják: ha ezek a források olyan dokumentumokból állnak, amelyeket előbb el kell olvasni és összefoglalni, mielőtt valamit lehet velük kezdeni, akkor az a kérdés, hogy mit kíván a dokumentumok olvasása és összefoglalása a szervezettől, közvetlenül befolyásolja az abból származó tanács sebességét és megbízhatóságát.
A döntéstámogatás egy része nem egy aktívan feltett kérdés megválaszolásából áll, hanem valami olyasminek a jelzéséből, amely figyelmet érdemel, mielőtt bárki rákérdezne. Ez másfajta követelményeket állít, mint egy chat-ablak: kell lennie valaminek, ami folyamatosan figyel, felismeri a küszöbértékeket, és különbséget tesz a zaj és egy valóban jelentős jelzés között. Az, hogy ez mit kíván a monitoringtól és a jelzéstől, egy külön megválaszolandó kérdés, és aki szeretné tudni, mit kíván a monitoring és a jelzés a szervezettől, látja, hogy nem csak a technikáról van szó, hanem arról is, ki kapja a jelzéseket és mi történik velük.
Sok döntést beszélgetésekben készítenek elő: ügyfelekkel, beszállítókkal, kollégák között. Ha ezeket a beszélgetéseket nem rögzítik olyan módon, hogy újrahasznosíthatóak legyenek, a rendszernek, amelynek egy döntést kell támogatnia, pontosan az a anyag hiányzik, amely az okot adta. Ez láthatóvá teszi, mit kíván a beszélgetések rögzítése és nyomon követése a szervezettől, egy olyan téma, amely közvetlenül kapcsolódik ahhoz a kérdéshez, hogy a döntéstámogatás valamire tud-e épülni, vagy semmire. Aki többet szeretne tudni arról, mit kíván a beszélgetések rögzítése és nyomon követése, látja a kapcsolatot azon tanács minőségével, amelyet később ezekből a beszélgetésekből vezetnek le.
Nem ritka, hogy egy csapat, egy adatkészlettel és egy use case-szel, bemutat egy működő verziót a döntéstámogatásból. Ez bizonyítja, hogy lehetséges, nem azt, hogy szervezeti szinten is lehetséges. Amint egy második osztály, más rendszerekkel, más adattulajdonosokkal és más definíciókkal szeretne csatlakozni, gyakran kiderül, hogy az első verziót pontosan arra az egy csapatra szabták. Az, hogy egy pilot, amely csak a saját sarkában működik, miért nem eredményez semmit, ezért nem a technika kudarcának kérdése, hanem egy alapé, amelyet soha nem terveztek szélesebbre. Aki erről többet szeretne olvasni: miért nem eredményez semmit egy pilot, amely csak a saját sarkában működik elmagyarázza, mi hiányzik egy demó és egy szervezeti szintű alkalmazás között.
Egy rendszer adhatja a legjobban alátámasztott tanácsot, és mégsem változtat semmin, ha senki nem viseli a felelősséget azért, hogy dolgozzon vele. Ez egy szervezeti pont, nem technikai pont: ki a tanács tulajdonosa, ki ítéli meg, hogy követik-e, és ki magyarázza el, ha egyszer nem követték. Ez a tulajdonos nélkül a döntéstámogatás az érdekes kísérletek kategóriájába kerül. Az, hogy egy demó tulajdonos nélkül miért nem eredményez semmit, ugyanehhez a ponthoz kapcsolódik, és aki a pontos gondolatmenetet szeretné követni, megtalálhatja itt: miért nem eredményez semmit egy demó tulajdonos nélkül.
Azok a követelmények, amelyeket a döntéstámogatás állít, nagyrészt arról szólnak, hogy mi kell már meglegyen ahhoz, hogy a chat-ablak valami tartalmasat tudjon tenni: tiszta és elérhető adatok, működő átadás az osztályok között, a beszélgetések és dokumentumok strukturált rögzítése, és egy egyértelmű tulajdonos ahhoz, amit a rendszer eredményez. Ez pontosan az oka annak, hogy a hybridresourcing.com érettségi mérése az alapvető dimenziókra néz, mielőtt a függő dimenziók szóba kerülnek: a szervezet, az IT-infrastruktúra és az adatmenedzsment határozza meg, van-e valami, amire a döntéstámogatást lehet építeni.
Az a kérdés, hogy egy szervezet ezt elviseli-e, független attól a kérdéstől, hogy a munka melyik részét lehet valóban átvenni az AI-val. Ez utóbbit a FTE TO AI munkaszkennelése számolja ki feladatonként: a munka melyik része vehető át, és milyen feltételek mellett. Ahol ez az oldal azt írja le, mi kell ahhoz, hogy a döntéstámogatás működni tudjon, a munkaszkennelés azt írja le, hogy - amint ez az alap megvan - mi mozdul el konkrétan a munkában magában.
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.