Baseline yra lygis, nuo kurio pradeda dauguma organizacijų. AI naudojimas egzistuoja, tačiau jis priklauso nuo pavienių asmenų: kažkas IT skyriuje eksperimentuoja su kalbos modeliu, rinkodaros specialistas generuoja tekstą, atskiras vadovas paklausia, ar procesą galima pagreitinti. Nėra bendro požiūrio, nėra bendro vaizdo apie tai, kas veikia, ir nėra struktūros, kuri išlaikytų tai, kas buvo išmokta. Jei tas žmogus išeina arba pereina į kitą projektą, žinios pasitraukia su juo.
Baseline lygyje trūksta ne noro, o pagrindo. Septynios dimensijos, kurias išskiria brandos vertinimas — tarp jų organizacija, IT infrastruktūra ir duomenų valdymas — šiame lygyje dar egzistuoja atskirai vienos nuo kitų arba yra vos apibrėžtos. Tai nėra trūkumas; tai būsena, kurioje organizacija yra, kol nėra pradėjusi sąmoningai kurti.
Baseline lygyje nuolat pasikartoja kelie signalai. Nėra bendro vaizdo, kur organizacijoje AI jau naudojama, ką jau kalbėti apie bendrą supratimą, kokią naudą tas naudojimas duoda. Sprendimai dėl AI priimami toje vietoje, kur klausimas atsitiktinai kilo, o ne remiantis svarstymu, kuris apima visą organizaciją. Duomenys yra suskaidyti sistemose, kurios tarpusavyje „nesikalba“, o tai vėlina kiekvieną žingsnį link kažko struktūrinio. Ir nėra bendros kalbos: tai, ką vienas padalinys vadina AI, kitam padaliniui reiškia kažką kitą.
Brandos vertinimo grafinio (plot) etapas tai dažnai atskleidžia dar prieš tai, kai tam yra žodžių. Kai keli žmonės tos pačios organizacijos viduje vertina atskirai, baseline lygyje dažnai pastebimas didelis pasiskirstymas: vienas respondentas mato pažangą, kurios kitas nepripažįsta. Šis pasiskirstymas savaime yra signalas. Jis rodo, kad dar nėra bendro vaizdo apie tai, kur organizacija stovi, ir tai tiksliai apibūdina baseline.
Kelias nuo baseline iki kito lygio pradeda ne nuo naujo pritaikymo, o nuo fundamentinių dimensijų. Organizacija, IT infrastruktūra ir duomenų valdymas yra pirmesni už dimensijas, kurios nuo jų priklauso. Tai nėra pasirinkimas, tai eiliškumas, kuriuo tai veikia: organizacija, kuri norėtų statyti kažką ant AI, neturėdama sutvarkytų duomenų arba neturint aiškumo, kas ką sprendžia, statytų ant smėlio.
Konkrečiai tai reiškia, kad pirmiausia turi būti sukurtas bendras vaizdas. Kas organizacijoje jau daro kažką su AI ir kokiais duomenimis remiantis? Kur yra duomenys, svarbūs šiems pritaikymams, ir ar jie yra pakankamai prieinami ir patikimi, kad ant jų būtų galima statyti? Ar yra asmuo ar grupė, atsakinga už sprendimus dėl AI, ar tai vyksta atsitiktinai? Šie klausimai atrodo kuklūs, bet tiksliai tai yra tai, į ką gilinasi fundamentinės dimensijos.
Priklausomos dimensijos — tos, kurios susijusios su tuo, kaip AI paveikia patį darbą — ateina po to. Baseline lygyje kalbėti apie tai dar per anksti prasminga, nes trūksta pagrindo, ant kurio šios dimensijos galėtų remtis.
Perėjimas prie foundation nereikalauja, kad visk sutvarkyta būtų iš karto. Jis reikalauja, kad organizacija sustotų traktuoti AI naudojimą kaip kažką, kas atsitiktinai kyla pavieniuose asmenyse, ir pradėtų fiksuoti, kas yra: kokie duomenys egzistuoja, kas ką sprendžia, kurios sistemos turi galėti „susikalbėti“. Tai mažiau techninis kelias, o labiau organizacinis kelias. Technologija dažniausiai seka, kai struktūra jau yra.
Tai taip pat kelias, kuriam reikia laiko, ir jo trukmė priklauso nuo to, kiek jau egzistuoja neformaliai. Organizacija, kurioje vienas padalinys jau ilgesnį laiką sąmoningai dirba su duomenimis, turi trumpesnį kelią nueiti nei organizacija, kur tai nevyksta niekur. Kas tiksliai reikalinga, norint žengti tolyn nuo foundation, ir kurios dimensijos tuo metu reikalauja pirmiausiai dėmesio, aprašyta puslapyje, kuriame paaiškinama, kaip pereiti nuo foundation prie kito lygio. Toliau serijoje, organizacijoms, kurios jau pažengusios toliau, taip pat aprašyta, kaip activation santykiuoja su kitu lygiu ir ko reikalauja insight, norint peraugti į intelligence.
Baseline nieko nesako apie organizacijos ambicijas ir nieko nesako apie žmonių, kurie joje dirba, kokybę. Jis sako kažką apie pagrindo būseną tam tikru momentu. Organizacijos, kurios šį lygį rimtai kartografuoja, dažnai atranda, kad jau yra daugiau, nei manyta — pavienės iniciatyvos, duomenys, kurie kažkur vis tiek yra tvarkomi, žmonės, kurie jau mąsto plačiau, nei reikalauja jų pareigos. Brandos vertinimas visa tai sujungia į vaizdą, ant kurio galima statyti kitą žingsnį, neužpildant to vaizdo patarimu, kuris organizacijai netinka.
Šis puslapis yra apie pasirengimą: apie tai, kas turi būti sukurta, kol AI galės gauti struktūrinę vietą. Tai kitas klausimas nei tas, kurią dalį darbo AI faktiškai gali atlikti. Kai pagrindas įgauna formą, tas antrasis klausimas tampa aktualus, ir tiksliai tai atitinka FTE TO AI darbo skenavimas (werkscan): jis pagal užduotį apskaičiuoja, kurią darbo dalį gali perimti AI, remdamasis užduotimis tokiomis, kokios jos šiuo metu atliekamos. Kas norėtų žinoti, ką AI gali perimti, kai organizacija jam bus pasirengusi, tai ras tame puslapyje — įskaitant, kuo tai skiriasi, kai kalbama apie agentus, kurie savarankiškai atlieka darbą arba apie grandines, kuriose vieni žingsniai seka po kitų.
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.