Insight lygmenyje pasikeitė kažkas, kas apima daugiau nei pavieniai eksperimentai. Organizacija ne tik supranta, kad AI kažką duoda, bet ir kodėl vienoje vietoje jis veikia, o kitoje – ne. Susiformavo kalba tokiam pokalbiui: žmonės kalba apie duomenų kokybę, apie atsakomybę už klaidas, apie tai, kurie procesai tinka automatizuoti, o kurie – ne. Tai kitoks pokalbis nei metais anksčiau, kai klausimas buvo pirmiausia, ar pilotinis projektas duoda naudą.
Šiam lygmeniui būdinga: įžvalga yra, bet ji dar neįsitvirtinusi visur, kaip priimami sprendimai. Vienas padalinys aiškiai žino, kokių duomenų jam reikia ir kokių trūksta. Kitas padalinys sąžiningai seka pilotiniu projektu, nors niekas nepatikrino, ar pagrindinė infrastruktūra tai atlaikys. Insight, taigi, nėra tolygus sluoksnis visoje organizacijoje. Tai labiau vietų rinkinys, kur šviesa įsijungė, o tarp jų vis dar likę tamsūs plotai.
Žingsnis į kitą lygmenį, intelligence, reikalauja, kad ši įžvalga išsiverstų į vadovavimą. Ne pavieniui – kaip reakcija į iškylančią problemą – bet struktūriškai, kaip dalis to, kaip organizacija paprastai veikia. Tai susiję su tomis pačiomis pagrindinėmis dimensijomis, kurios buvo lemiamas veiksnys ir ankstesniuose lygmenyse: ar duomenų valdymas sutvarkytas taip, kad sprendimus, priimtus remiantis AI rezultatais, būtų galima pagrįsti? Ar IT infrastruktūra sutvarkyta taip, kad naujos taikomosios programos nepradeda kiekvieną kartą nuo nulio? Ar organizacija pati sutvarkyta taip, kad atsakomybė už AI valdomus procesus kur nors konkrečiai priskirta, o ne pasklidusi po visur po truputį?
Insight lygmenyje dažnai pastebite, kad šie klausimai jau užduoti, bet atsakymas skiriasi pagal dimensiją. Viena dimensija jau tokia pažengusi, kad vadovavimas galimas; kita vis dar seka pavienėmis iniciatyvomis. Šis tempo skirtumas tiksliai matomas plot etapo sklaidoje: kai keli žmonės vertina atskirai, matyti, kad vienas respondentas mano, jog organizacija duomenų valdymo srityje jau toli pažengusi, o kitas tą pačią dimensiją priskiria foundation lygmeniui. Ši sklaida nėra triukšmas. Ji parodo, kuri dimensija pirmoji pakenčia dėmesį, ir kuri dimensija turi sekti vėliau.
Šiame lygmenyje kyla pagunda sutelkti dėmesį į labiausiai matomas dimensijas – dažnai priklausomas dimensijas, arčiausiai kasdienio darbo. Bet pagrindinės dimensijos turi pirmenybę. Jei duomenų valdymas nesutvarkytas, kiekvienas vadovavimas, remiantis AI rezultatais, išlieka nepatikimas, kad ir kiek įžvalgos būtų sukaupta. Jei IT infrastruktūra susiskaidžiusi, kiekviena taikomoji programa išlieka izoliuota sala, net jei organizacijos viduje apie tai jau galima gerai pasikalbėti.
Tai nėra kitokia tvarka nei ta, kuri taikoma ankstesniuose lygmenyse. Tai ta pati tvarka, tačiau taške, kuriame jos praleidimo kaina tampa labiau juntama. Baseline ir foundation lygmenyse pamato trūkumą vis dar buvo galima paslėpti už to, kad mažai kas vyko. Insight lygmenyje jau daugiau vyksta, ir tai daro silpną pagrindinę dimensiją labiau juntamą: vadovavimas, kuris neatlaiko, sprendimai, kurių atgal neįmanoma atsekti, taikomosios programos, kurios stringa, kai tik pereina vieno padalinio ribas.
Perėjimas į intelligence nėra klausimas apie daugiau AI taikymo. Tai klausimas, kaip pagrindines dimensijas sutvarkyti tiek, kad priklausomos dimensijos galėtų struktūriškai jomis remtis. Tai labai skiriasi pagal organizaciją: viena organizacija turi visų pirma sukonsoliduoti savo duomenų valdymą, kita turi IT infrastruktūrą, kurią pirma reikia suvienodinti, prieš plačiau vadovaujant. Kas tai bus, priklauso nuo to, kur plot etapo sklaida yra didžiausia – tai vieta, kurios laukia kitas lygmuo.
Kas norėtų pažvelgti toliau nei intelligence, puslapyje apie lygmenį po intelligence ras aprašymą, kas atsiranda, kai vadovavimas nustoja būti tik struktūrinis ir tampa savaime mokantis. Kas ankstesniame etape ieško atpažinimo, activation puslapyje gali paskaityti, kaip atrodė etapas prieš įžvalgos atsiradimą, arba pasidomėti, ką reiškia, kai agentai, atliekantys darbą, pradeda vaidinti vaidmenį šalia vadovaujančio sluoksnio, kuris kuriamas šiame lygmenyje.
Insight parodo, kur organizacija stovi savo gebėjime priimti AI: kurios dimensijos yra tvirtos, o kurios dar nesutvarkytos. Tai kitoks klausimas nei tai, kuri darbo dalis pati savaime yra perduodama AI. Kai palaikanti pusė tampa aiškiau apibrėžta, šis antras klausimas tampa aktualus: kokia dalis proceso užduočių iš tikrųjų gali būti perimta. Tam tiksliai ir buvo sukurtas FTE TO AI darbo skanavimas – skaičiavimo metodas, kuris kiekvienai užduočiai nustato, kokia darbo dalis gali būti perimta, kad pokalbis apie intelligence būtų ne tik apie pasirengimą, bet ir apie tai, kas, kai tas pasirengimas jau yra, iš tikrųjų gali būti pasiekta.
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.