Aki először dolgozik nyelvi modellel, azt látja, hogy valami működik. Jön egy válasz, a válasz elég gyakran helyes, és a következtetés kézenfekvő: ebben van több. Ez a következtetés nem hibás, de egyetlen pillanaton alapul, egyetlen ablakban. Egy chatablak azt mutatja, hogy egy modell tud-e válaszolni egy kérdésre. Nem mutatja meg, hogy a mögötte álló szervezet jól tudja-e feltenni a kérdést, a megfelelő adatokat tudja-e biztosítani, és a választ képes-e olyan döntéssé alakítani, amelynek valóban van jelentősége.
Ez a különbség az oka, hogy a pilotprojektek gyakran elindulnak, de ritkán skálázódnak fel. A pilot azt bizonyítja, hogy a technológia képes valamire. Semmit nem bizonyít arról a hét dimenzióról, amelyek meghatározzák, hogy a szervezet is elviseli-e azt, amire a technológia képes: a szervezettől és a vezetéstől az IT-infrastruktúrán, adatmenedzsmenten, folyamatokon, embereken, governance-en és kultúrán át. Egy chatablak egy gyakorlati esetet tesztel, egy pillanatban, egy felhasználóval. Semmit nem mond arról, mi történik, ha száz felhasználó teszi fel ugyanazt a kérdést, olyan adatokkal, amelyek nem mindig tiszták, egy olyan folyamatban, amely nincs berendezve egy olyan válaszra, amely változik.
A hybridresourcing érettségi mérése nem egy feladatra vagy egy válaszra néz, hanem az alatta lévő rétegre: arra a kérdésre, hogy a szervezet egésze felkészült-e arra, hogy AI-val dolgozzon, és ne csak azzal kísérletezzen. Ez öt szinten történik — baseline, foundation, activation, insight, intelligence — és hét dimenzión keresztül, amelyek együtt határozzák meg, hol áll egy szervezet. Nem minden dimenzió nyom egyformán minden pillanatban. Az alapvető dimenziók, mint a szervezet és az IT-infrastruktúra, megelőzik azokat a dimenziókat, amelyek ezektől függenek. Ez nem a mi választásunk, hanem az a sorrend, amelyben ez működik: egy működő infrastruktúra nélkül a jó adatmenedzsmentnek kevés fogása van, és világos döntéshozatal nélkül egy jó infrastruktúrának kevés hatása van.
A mérés fontos része a plot-forduló. A szervezeten belül több ember pontoz külön-külön, anélkül, hogy látnák egymás válaszait. Amit ez eredményez, nem csak egy pozíció az öt szinten, hanem a szórás is aközött, amit a különböző emberek igaznak gondolnak. Egy vezetés, amely úgy gondolja, hogy a szervezet az activation szinten áll, míg az IT önmagát baseline szintre helyezi, olyan problémával néz szembe, amely nagyobb az átlagosnál. Ez a szórás gyakran informatívabb, mint a pontszám maga: megmutatja, hol nem ért egyet a szervezet önmagával, és pontosan ez az a pont, ahol egy pilot elakad anélkül, hogy bárki rá tudna mutatni, miért.
Az érettségi mérés nem ad választ arra a kérdésre, mely feladatokat tudja átvenni az AI. Nem mond semmit arról, mennyi időt vesz igénybe egy funkció egy bizonyos művelethez, és semmit arról, mi történik, ha az a művelet megszűnik. Készenlétet mér, nem átvételt. Egy szervezet mind a hét dimenzióban magas pontszámot érhet el, és mégsem azonosított egyetlen feladatot sem, amely készen áll az átadásra. Fordítva, egy szervezet tele lehet olyan feladatokkal, amelyek kiválóan alkalmasak automatizálásra, míg a szervezet maga még nincs úgy berendezve, hogy ezt felelősségteljesen hagyja megtörténni.
A mérés azt sem mondja meg, mely döntések automatizálhatók és melyek nem — ez egy olyan kérdés, amely saját figyelmet érdemel, többek között a döntések áttekintésében, amelyeknek az automatizálás hatókörén kívül kell maradniuk. És a pontszám semmit nem mond arról, mi hiányzik a gyakorlatban a dokumentációból: aki tudni akarja, mi tartozik egy döntés-inventáriumba, azt nem egy szinten vagy egy dimenzióban találja meg, hanem egy külön folyamatban.
Amit a mérés viszont megtesz, az a kiindulási helyzet tisztázása. Egy alacsony pontszám a hét dimenzió egyikén nem jelenti automatikusan, hogy valami alapvetően rossz; azt jelenti, hogy két útvonal lehetséges, és melyik a kettőből érvényes, szervezetenként eltér — ez a különbség tovább van kifejtve azon az oldalon, amely a két szcenáriót egy alacsony pontszám esetén írja le. Aki saját becslésével szeretné kezdeni, azt megteheti azokon az oldalakon, amelyek a szervezet saját érettségével és az IT-infrastruktúra érettségével foglalkoznak, mint a hét dimenzió kettője, amelyekre a teljes mérés épül.
Ez az elhatárolás szándékos. Egy szervezet, amely először azt akarja tudni, hoz-e neki valamit az AI, más kérdést tesz fel, mint egy szervezet, amely azt akarja tudni, felkészült-e az AI felelősségteljes alkalmazására. Mindkét kérdés jogos, de más eszközöket igényelnek. Aki a két kérdést összekeveri, olyan választ kap, amely sem az egyikre, sem a másikra nem illik jól: egy pontszámot, amely feladatanalízisnek hangzik, vagy egy feladatanalízist, amely úgy tesz, mintha valamit mondana a szervezeti készenlétről.
Az érettségi mérés, az öt szinttel, a hét dimenzióval és a plot-fordulóval, jelenleg épül. Még nincs olyan környezet, ahol ma bejelentkezhet és pontozhat. Aki érdeklődik ez iránt, feliratkozhat a várólistára, és tájékoztatást kap, amint a mérés elérhetővé válik.
Ha a szervezet készenléte egyszer láthatóvá vált, a másik kérdés megválaszolatlan marad: a munka mely része hagyja valóban magát átvenni. Ez nem valami, amire ez a mérés választ ad, és ez nem is a célja. Erre a kérdésre a FTE TO AI munkaelemzése ad választ, amely feladatonként kiszámítja, a munka mely része jön szóba az AI általi átvételre — egy olyan számítás, amely csak akkor jelent valamit, ha az a szervezet, amelyben landol, valóban készen áll arra, hogy elviselje azt.
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.