Švietimo organizacijos skiriasi nuo daugumos kitų sektorių tuo, kad pati pagrindinė veikla – mokymas, konsultavimas, vertinimas – sunkiai atsiejama nuo žmonių, kurie ją vykdo. Kai gamykla ar parduotuvė gali pertvarkyti procesus nepakenkdama darbo tapatybei, mokykloje ar aukštojoje mokykloje bet koks pokytis greitai paliečia mokytojo ir studento santykį. Tai nepadaro sektoriaus lėtesnio technologijų požiūriu, bet padaro jį atsargesnį klausiant, ką AI iš tikrųjų gali daryti, prieš kalbant apie „perėmimą“.
Prie to prisideda ir tai, kad švietimo įstaigos dažnai susideda iš kelių lygmenų, kurie nejuda vienodu greičiu: valdyba, keletas padalinių ar fakultetų ir didelė mokytojų grupė su savo darbo metodais. Didžioji dalis AI iniciatyvų, su kuriomis susiduriame, pradedama vienu iš šių lygmenų, neįtraukiant kitų. Mokytojas eksperimentuoja su kalbos modeliu grįžtamajam ryšiui, o IT skyrius neturi supratimo, kokie duomenys tuo metu palieka pastatą. Valdyba formuluoja AI viziją, tuo tarpu mokinių pažangos sistemų duomenų valdymas dar remiasi popieriumi ar atskiromis skaičiuoklėmis. Šis neatitikimas nėra nenoro klausimas, tai eiliškumo klausimas.
Valdybos narys, veiklos direktorius ar IT vadovas, matantis, kaip AI bandomieji projektai įstringa, dažnai pastebi tą pačią schemą: bandomasis projektas veikia savarankiškai, bet nesiplečia. Tai retai lemia technologijos trūkumai. Dažniau trūksta vieno iš pagrindinių lygmenų, būtinų bandomajam projektui palaikyti: organizacinės struktūros, galinčios priimti ir paskirstyti sprendimus dėl AI, IT infrastruktūros, galinčios saugiai integruoti naujus sprendimus, ir duomenų valdymo, kuris turi būti sutvarkytas, kol modelis gali iš to gauti kokią nors prasmę. Tik kai šie trys lygmenys yra sutvarkyti, verta žiūrėti į priklausomus lygmenis: kaip žmonės su tuo dirba, kokį įžvalgą tai duoda ir kaip protingai organizacija galiausiai su tuo elgiasi.
Švietime tai pastebima stipriau nei kitur, nes pagrindiniai lygmenys dažnai istoriškai formavosi aplink pedagoginius sprendimus, ne technologinius. Mokyklos administracija yra sutvarkyta atsiskaitymui inspekcijai, ne pakartotinai naudojamiems duomenims AI taikymams. IT skyrius dažnai yra mažas ir orientuotas į priežiūrą, ne į naujų sistemų integraciją. Tai nėra trūkumas, tai kitas prioritetas, nustatytas dešimtmečius atgal, ir dabar jis lemia, kaip greitai AI iš tikrųjų įsitvirtina.
hybridresourcing.com vertinimas nagrinėja septynis dimensijas, padalytus į penkis lygmenis nuo baseline iki intelligence. Švietimo įstaigose pastebima, kad organizacijos ir duomenų valdymo įvertinimas dažnai atsilieka nuo ambicijos ar atskirų taikymų įvertinimo. Dažnai jau yra žmogus, dirbantis su AI, kartais net pažengusiu lygiu, tuo tarpu organizacija kaip visuma dar yra pirmame lygyje sprendimų priėmimo ir duomenų struktūros atžvilgiu. Šis skirtumas tampa akivaizdus grupinio vertinimo etape, kuriame keli žmonės tos pačios įstaigos viduje įvertina atskirai. Švietimo organizacijose šis skirtumas dažnai didesnis nei vidutiniškai, tiksliai dėl to, kad valdyba, IT ir mokantis personalas retai dirba iš tos pačios perspektyvos.
Šis skirtumas pats savaime nėra problema. Tai informacija. Vadovas, manantis, kad organizacija pasirengusi AI didelio mastelio taikymui, ir IT vadovas, žinantis, kad infrastruktūra tam dar nepasirengusi, iš savo pozicijos yra teisūs abu. Vertinimas šį skirtumą padaro aiškų, kad diskusija galėtų vykti apie tai, kas turi būti sutvarkyta pirmiausia, o ne apie tai, kas teisus.
Septynios dimensijos nėra vienodos laiko atžvilgiu. Organizacija, IT infrastruktūra ir duomenų valdymas yra dimensijos, ant kurių remiasi kitos keturios. Mokykla, norinti dirbti su įžvalga ar intelektu, kai duomenys nesutvarkyti, statoma ant smėlio. Tai tinka švietimo įstaigoms lygiai taip pat, kaip ir mažmeninės prekybos įmonėms, kovojančioms su panašiu atsilikimu duomenų valdyme arba viešojo maitinimo sektoriui, kur organizacinės struktūros dažnai yra tokios pat suskaidytos tarp padalinių. Sektorius skiriasi, eiliškumas – ne.
Tai daro klausimą „kiek toli mes esame pažengę“ mažiau susijusį su balu ir labiau su tuo, kur trūksta pagrindo. Įstaiga, kuri popieriuje atrodo ambicinga AI naudojimo srityje, bet neturi supratimo apie savo IT infrastruktūrą, negalės tos ambicijos įgyvendinti, jei pirmiausia neatsigriebs prie pagrindų. Tai taip pat rodo, kaip elgiasi įstaigos IT sektoriuje ir finansinių paslaugų sektoriuje: aukšta ambicija priklausomose dimensijose neatsveria silpno pagrindo.
hybridresourcing.com brandumo vertinimas kuriamas. Kas norėtų sužinoti, kaip jo įstaiga įvertinama septyniose dimensijose, ir kaip šis įvertinimas santykiauja su kolegų tos pačios organizacijos viduje įvertinimais, gali užsiregistruoti laukimo sąraše. Įrankio, kurį būtų galima naudoti šiandien, dar nėra; tačiau yra aiškus vaizdas, ką vertinimas duos, kai jis bus pasiekiamas.
Šis puslapis nagrinėja klausimą, ar švietimo organizacija gali atlaikyti AI: ar pagrindas sutvarkytas prieš ant jo ką nors statant. Kitas klausimas, kuris tampa prasmingas tik po to, yra tai, ką AI gali konkrečiai perimti švietime. Tam skirtas FTE TO AI darbo skanavimas: jis apskaičiuoja pagal kiekvieną užduotį, kokia darbo dalis tinkama, kad ją perimtų AI, nepriklausomai nuo to, ar organizacija kaip visuma tam jau pasirengusi. Kas sujungia abu klausimus, gauna ne tik įžvalgą apie galimybes, bet ir apie eiliškumą, kuriuo jos galėtų tapti realybe.
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.