Il supporto decisionale è il punto in cui l'AI non genera solo testo, ma contribuisce a una scelta che qualcuno andrà a fare. Una stima del rischio di credito, una prioritizzazione dei lead, un consiglio sulla dotazione di personale, un segnale che un contratto si discosta dalla norma. Sotto la finestra di chat non c'è più una conversazione, ma un calcolo basato su qualcosa, ed è proprio quella base il punto centrale.
Una finestra di chat che risponde a domande lavora con ciò che si trova nella conversazione stessa. Il supporto decisionale lavora con ciò che si trova nell'organizzazione: dati provenienti dai sistemi, la storia di decisioni precedenti, regole che a volte sono state definite esplicitamente e a volte esistono solo nella testa di collaboratori esperti. Il modello deve poter raggiungere, combinare e pesare quelle fonti. Questo richiede un'infrastruttura diversa da un semplice strumento per il testo. Richiede anche che qualcuno nell'organizzazione sia in grado di spiegare perché si è arrivati a un determinato risultato, non solo qual è quel risultato.
Il supporto decisionale si basa su tre elementi che spesso non sono ancora completamente presenti. Primo, un ambiente dati in cui i dati necessari siano disponibili in modo affidabile e aggiornato — non sparsi in fogli di calcolo che differiscono da reparto a reparto. Secondo, un'organizzazione che sa chi rimane responsabile di cosa: il consiglio di un modello non sostituisce chi decide, ma qualcuno deve poter rispondere alla domanda su chi scarta quel consiglio e perché. Terzo, un'infrastruttura IT in grado di garantire che i dati sensibili non viaggino oltre quanto previsto.
Questi tre punti non sono condizioni di contorno da sistemare in seguito. Determinano se il supporto decisionale produce qualcosa o diventa solo una nuova fonte di incertezza. Un'organizzazione che non ha i propri dati in ordine non ottiene decisioni migliori da un modello — ottiene più rapidamente quelle sbagliate.
Il supporto decisionale si basa spesso su un lavoro che avviene già altrove. Il monitoraggio e la segnalazione mostra quando qualcosa si discosta da uno schema; il supporto decisionale va un passo più in là e pesa cosa significa quella deviazione per una scelta che deve essere fatta. Anche la lettura e la sintesi di documenti può fornire input per una decisione, ma di per sé non produce un consiglio — produce una panoramica. Il supporto decisionale aggiunge a questo un livello di ponderazione, e quel livello richiede di più dall'organizzazione rispetto al semplice accesso al testo.
Il supporto decisionale coinvolge raramente un solo reparto. Un consiglio sui livelli di scorte riguarda gli acquisti e la logistica; un consiglio sull'impiego del personale riguarda le risorse umane e il responsabile di linea. Ciò significa che il coordinamento tra reparti deve crescere di pari passo con l'ambizione: chi riceve un consiglio deve sapere da chi passa quando il consiglio viene ignorato o, al contrario, seguito. Senza questo coordinamento si crea una situazione in cui il modello fornisce un risultato, ma nessuno sa chi deve occuparsene di conseguenza.
Il supporto decisionale non è un oracolo né una sostituzione della responsabilità. Il modello fornisce una stima basata su schemi presenti nei dati disponibili; non conosce il contesto che a volte un collaboratore esperto conosce, e può presentare dati errati o obsoleti in modo altrettanto convincente rispetto a dati corretti. Chi impiega il supporto decisionale senza un modo per vigilare sulla qualità dei dati sottostanti costruisce su sabbie mobili che sembrano solide.
Non è nemmeno un punto di arrivo. Il supporto decisionale che rimane isolato fornisce un consiglio che qualcuno deve poi recepire manualmente in un sistema successivo. Non appena anche questa ripresa viene automatizzata, si crea una catena di passaggi che si susseguono, e questo richiede a sua volta altre garanzie — riguardanti la gestione degli errori, riguardanti chi interviene se un passaggio va storto. Ciò che questo richiede a un'organizzazione è descritto in catene in cui i passaggi si susseguono. Anche la domanda se l'AI non si limiti a dare il consiglio ma lo esegua anche rientra in questo elenco; è il dominio degli agent che eseguono il lavoro, con un proprio insieme di requisiti in materia di controllo e supervisione.
Se un'organizzazione è pronta per il supporto decisionale dipende da quanto sono già avanzate le dimensioni fondamentali: l'infrastruttura dati è sufficientemente matura, la governance attorno al processo decisionale è chiara, è chiaro chi firma per cosa. Sono esattamente le domande che la misurazione della maturità di hybridresourcing mappa, su più livelli e con più valutatori contemporaneamente, in modo che diventi visibile dove l'organizzazione vede le cose come stanno realmente e dove le percezioni divergono.
La domanda se un'organizzazione possa effettivamente sostenere l'AI è una domanda diversa da quale parte del lavoro l'AI possa rilevare. Chi vuole sapere quale parte di un compito concreto — la composizione di un consiglio, il calcolo di scenari, la preparazione di una decisione — sia idonea per il trasferimento, lo trova nella scansione del lavoro di FTE TO AI. Questa calcola per ogni compito quale parte del lavoro l'AI è in grado di gestire, indipendentemente dalla domanda se l'organizzazione sia già pronta per questo. Le due domande sono collegate, ma non sono la stessa domanda.
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.