Una finestra di chat in cui qualcuno pone una domanda e riceve una risposta sembra semplice. Quello che deve accadere sotto, non lo è. Il supporto decisionale con l'AI significa che un sistema combina dati provenienti da più fonti, li inserisce nel contesto corretto e formula una risposta sulla quale qualcuno osa agire. Ogni passaggio di quella catena pone un requisito all'organizzazione che precede la domanda su quale modello o piattaforma scegliere.
Un modello che supporta le decisioni è tanto valido quanto i dati che gli vengono mostrati. Ciò significa che le cifre provenienti da sistemi diversi devono utilizzare la stessa definizione, che i dati storici devono essere accessibili senza che qualcuno debba prima esportarli manualmente, e che deve essere chiaro quale fonte sia autorevole quando due sistemi si contraddicono. Le organizzazioni che non hanno ancora questo aspetto sotto controllo se ne accorgono solo nel momento in cui la risposta del sistema non corrisponde a quanto le persone sul campo già sapevano.
Il supporto decisionale si trova spesso nel punto di intersezione tra più reparti: il momento in cui le informazioni devono passare da un luogo all'altro perché ne derivi una buona decisione. Questo rende rilevante come funziona il coordinamento tra reparti nella vostra organizzazione, perché un sistema che fornisce un consiglio che poi rimane bloccato tra due reparti non ha prodotto nulla. La stessa logica vale per le fonti con cui viene alimentato il consiglio: se tali fonti sono costituite da documenti che devono prima essere letti e riassunti prima che se ne possa fare qualcosa, la domanda cosa richiede la lettura e il riepilogo dei documenti all'organizzazione influisce direttamente sulla velocità e sull'attendibilità del consiglio che ne deriva.
Una parte del supporto decisionale non consiste nel rispondere a una domanda che qualcuno pone attivamente, ma nel segnalare qualcosa che merita attenzione prima che qualcuno lo chieda. Questo pone requisiti diversi rispetto a una finestra di chat: deve esserci qualcosa che osserva continuamente, riconosce le soglie e distingue tra rumore e un segnale che conta davvero. Cosa richiede questo dal monitoraggio e dalla segnalazione è una domanda che va risposta separatamente, e chi vuole sapere cosa richiede il monitoraggio e la segnalazione all'organizzazione, vede che non si tratta solo di tecnologia ma anche di chi riceve i segnali e cosa ne viene fatto.
Molte decisioni vengono preparate in conversazioni: con clienti, con fornitori, tra colleghi. Se queste conversazioni non vengono registrate in un modo riutilizzabile, il sistema che deve supportare una decisione manca esattamente del materiale che ha costituito l'occasione. Questo rende visibile cosa richiede la registrazione e il follow-up delle conversazioni all'organizzazione, un tema che tocca direttamente la domanda se il supporto decisionale può basarsi su qualcosa, o su niente. Chi vuole saperne di più su cosa richiede la registrazione e il follow-up delle conversazioni, vede il legame con la qualità di ogni consiglio che viene successivamente derivato da quelle conversazioni.
Non è raro che un team, con un unico set di dati e un unico caso d'uso, mostri una versione funzionante di supporto decisionale. Questo dimostra che è possibile, non che sia possibile a livello di intera organizzazione. Non appena un secondo reparto, con sistemi diversi, altri proprietari dei dati e altre definizioni, vuole collegarsi, spesso risulta che la prima versione era su misura esattamente per quel singolo team. Perché un progetto pilota che funziona solo nel proprio angolo non produce nulla non è quindi una questione di tecnologia deludente ma di una base che non è mai stata costruita più ampiamente. Per chi vuole saperne di più: perché un progetto pilota che funziona solo nel proprio angolo non produce nulla spiega cosa manca tra una demo e un'applicazione a livello di intera organizzazione.
Un sistema può fornire il consiglio meglio fondato e comunque non cambiare nulla, se nessuno porta la responsabilità di lavorarci sopra. Questo è un punto organizzativo, non un punto tecnico: chi è proprietario del consiglio, chi valuta se viene seguito, e chi spiega perché una volta non è stato seguito. Senza quel proprietario, il supporto decisionale finisce nella categoria degli esperimenti interessanti. Perché una demo senza proprietario non produce nulla è collegato a questo stesso punto, e chi vuole seguire il ragionamento esatto lo può trovare su perché una demo senza proprietario non produce nulla.
I requisiti che il supporto decisionale pone riguardano in gran parte ciò che deve già esserci prima che la finestra di chat possa fare qualcosa di significativo: dati puliti e accessibili, un passaggio funzionante tra reparti, una registrazione strutturata di conversazioni e documenti, e un proprietario chiaro per ciò che il sistema produce. Questo è esattamente il motivo per cui la misurazione di maturità di hybridresourcing considera le dimensioni fondamentali prima che vengano affrontate quelle dipendenti: organizzazione, infrastruttura IT e gestione dei dati determinano se c'è qualcosa su cui costruire il supporto decisionale.
La domanda se un'organizzazione può sostenere questo è indipendente dalla domanda su quale parte del lavoro possa effettivamente essere ripresa dall'AI. Quest'ultimo aspetto viene calcolato dalla scansione del lavoro di FTE TO AI per singola attività: quale parte del lavoro si lascia riprendere, e a quali condizioni. Dove questa pagina descrive cosa deve esserci prima che il supporto decisionale possa funzionare, la scansione del lavoro descrive cosa, una volta presente quella base, si sposta concretamente nel lavoro stesso.
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.