Minden vezetőség, amely AI-jal kezd dolgozni, előbb-utóbb ebbe a kérdésbe fut bele: milyen döntést hozhat meg egy rendszer, és milyen döntés marad embernél. A kérdés egyszerűen hangzik. A válasz gyakran nem egyszerű, mert a határ nem magánál a döntésnél húzódik, hanem azon, hogy a szervezet mit épített ki körülötte.
Nincs olyan rögzített lista döntésekről, amelyeknek definíció szerint emberi kézben kellene maradniuk. Egy elbocsátási döntés, egy hiteligénylés elutasítása, egy orvosi megítélés: ezek gyakran említett példák, de az ok, amiért érzékenyek, szervezetenként eltér. Az egyik intézménynél a jogi felelősségről van szó, a másiknál az eredmény visszafordíthatatlanságáról, egy harmadiknál a jó hibahatár hiányáról. Aki egy másik szervezettől másolja a listát, egy választ másol anélkül, hogy feltette volna a kérdést.
Ami viszont működik, az a döntés magának a szétbontása: mi a hatása, ha rosszul sül el, helyreállítható-e az eredmény, és van-e valaki, aki az eredményt utólag el tudja mondani és el tudja számolni. Ez a három kérdés áll az alapjánál annak, amit máshol agent-szabályoknak neveznek: rögzített határok, amelyek meghatározzák, mikor folytathatja a rendszer a munkát, és mikor kell megállnia és bevonnia egy embert.
Nagy a csábítás, hogy ezt a kérdést az IT-ra hagyják, mintha egy olyan beállítás lenne, amit egyszer konfigurálnak. Ez nem működik, egy egyszerű okból: egy agent-szabály csak akkor megbízható, ha a körülötte lévő szervezet rendben van. Ha senki nem tudja, ki a tulajdonosa egy folyamatnak, akkor senki nem tudja meghatározni, ki az eszkalációs pont. Ha az adatok nincsenek rendben, a rendszer nem tudja, mikor talál olyan kivételt, amely embert igényel. A szervezet alapvető dimenziói — irányítás, infrastruktúra, adatmenedzsment — ezért megelőzik azt a kérdést, hogy milyen döntések automatizálhatók. Ezen alap nélkül minden határ, amit meghúz, csak papíron létező határ.
Ez egyben az oka annak, hogy ez a kérdés ritkán él egyetlen helyen a szervezetben. A vezetőség a kockázatot látja, a CIO a technikai megvalósíthatóságot, a folyamattulajdonos a napi gyakorlatot. Hogyan hozza össze ezt a három nézőpontot, mielőtt az automatizálás tempója nézeteltérés forrásává válik, arról ez a lap ír. Aki ezt a kérdést csak akkor teszi fel, amikor az első pilot már fut, túl későn teszi fel.
A hybridresourcing érettségmérése feltárja, hogy egy szervezetnek megvan-e az alapja ahhoz, hogy ilyen jellegű határokat érdemben húzzon meg. Hét dimenzió, öt szint a baseline-tól az intelligence-ig, és egy plot-forduló, amelyben több ember egymástól függetlenül pontoz. Ez a szórás gyakran a leghasznosabb elem: ha egy CHRO az adatérettséget activation szintre teszi, és a CIO baseline-ra, akkor tudja, hogy előbb egy beszélgetésnek kell megtörténnie, mielőtt egy olyan szabály kerül papírra, amit senki nem tud végrehajtani.
Amit a mérés nem tesz meg, az annak kimondása, hogy melyik döntés automatizálható az önök szervezetében. Készenlétet mér, nem egy konkrét feladat alkalmasságát. Megmondja, hogy a szervezet elviseli-e, amit az AI kezelni tud, nem azt, hogy az AI konkrétan mit venne át. Ez a különbség a hordozás és az átvétel között az, amit az AI hordozása és az AI átvétele közötti különbség ír le, és ez egy olyan megkülönböztetés, amelyet ez a lap tudatosan fenntart: egy pontszám a mérésen nem szabad utat és nem is tilalom, egy fénykép a szervezet jelenlegi állapotáról.
Ez a fénykép elavul. Egy szervezet, amely ma foundation szinten pontoz az adatmenedzsmentben, egy év múlva activation szinten lehet, vagy éppúgy ott ragadhat. Hogy milyen gyakran érdemes újra mérni, és mitől függ ez, arról itt olvashat. Egy egyszeri mérés, amely fiókba kerül, keveset ér; egy mérés, amely újra elindítja a beszélgetést a vezetőségben, viszont sokat.
A mérés nem oldja meg a vezetőségükben lévő nézeteltérést. Láthatóvá teszi, és ez nem ugyanaz. Ha a felügyelőbizottságuk és a vezetőségük már régebb óta nem ért egyet az AI-adaptáció tempójáról, az ok gyakran mélyebben rejlik, mint a tények hiánya: a kockázatvállalási hajlandóságról van szó, arról, kit tartanak miért felelősnek, arról, mi történik, ha valaki megnyit egy chatablakot és azt hiszi, ezzel behozta az AI-t a házba. Amit nem lát, ha csak a chatablakot ismeri, pontosan az a szervezeti rész, amelyről ez a kérdés szól: az infrastruktúra, a szabályok, az emberek, akik tudják, mikor kell egy rendszernek megállnia. Hogy miért nem ért egyet a vezetőségük a tempóról, azt ez a lap fejti ki, és gyakran hasznosabb ezt a beszélgetést először lefolytatni, mint megvárni, hogy egy pilot elakadjon, és a kérdés utólag mégis felkerüljön az asztalra.
Ez a lap arról a határról szól, amelyet előre húznak meg: melyik döntés marad embernél, függetlenül attól, mit tud technikailag egy rendszer. Amint ez a határ hozzávetőlegesen megvan, a kérdés a munka felé mozdul el: melyik feladatok alkalmasak ezen a határon belül az átadásra, és melyik része egy funkciónak marad emberi munka, függetlenül a szervezeti készenléttől. Ezt a kérdést az érettségmérés nem válaszolja meg. A FTE TO AI munkascanje feladatonként kiszámítja, hogy a munka mely része vehető át az AI által, és ezzel pontosan ott kapcsolódik, ahol ez a lap véget ér: nem azt méri, hogy a szervezet felkészült-e, hanem hogy konkrétan mi vár átadásra, amint az felkészült lesz.
Az eszköz, amellyel ezt önök maguk is feltérképezhetik, még épül. Aki a mérést el akarja végezni, 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.