AI pilotiniai projektai retai užstringa dėl technologijos. Jie užstringa dėl to, ką žmonės gali ir ko negali, ko drįsta ir ko ne, ir ką jie žino. Organizacija gali turėti puikius duomenis ir tvirtą infrastruktūrą ir vis tiek užstrigti, nes niekas gerai nežino, ką AI daro ir ko nedaro, kada nepasitikėjimas yra pagrįstas ir kada ne, ir kas atlieka kokį vaidmenį, kai modelis pateikia kažką, ką turi įvertinti žmogus. Šis puslapis yra apie šią dimensiją: žmonės ir gebėjimai – viena iš septynių dimensijų, kurias apima hybridresourcing brandumo matavimas.
Žmonės ir gebėjimai apima tris sluoksnius, kurie dažnai vertinami atskirai, nors iš tikrųjų yra susiję. Pirmasis sluoksnis yra žinios: ar darbuotojai supranta, ką AI sistema daro, kur yra ribos ir kokios klaidos yra būdingos tam taikymo tipui, kurį jie naudoja. Antrasis sluoksnis yra gebėjimas: ar žmonės faktiškai gali įvertinti AI pateiktą rezultatą, jį pakoreguoti arba palyginti su savo pačių sprendimu. Trečiasis sluoksnis yra požiūris: ar yra erdvės išmėginti AI, pranešti apie klaidas ir jas koreguoti, ar vyrauja atsargumas dėl naujovių arba, atvirkščiai, aklas pasitikėjimas. Organizacija, kuri investuoja tik į mokymus, tačiau nesprendžia požiūrio klausimo, dažnai lieka tame pačiame lygyje net ir po metų mokymų.
Kadangi šis dimensija labai priklauso nuo konkrečių žmonių, hybridresourcing ją vertina ne vienu balu, o vertinimo ratu: keli dalyviai vertina atskirai, ir tada tampa matomas jų atsakymų pasiskirstymas. Didelis pasiskirstymas jau savaime yra rezultatas. Jis parodo, kad organizacija popieriuje atrodo turinti vieną lygį, tačiau darbuotojai patiria kitaip nei vadovybė.
Bazinio lygio (baseline) atveju nėra bendro supratimo, kas yra AI ir ką ji daro. Pavieniai žmonės eksperimentuoja, tačiau nėra bendros kalbos ir struktūros, leidžiančios dalintis patirtimi. Pagrindų lygyje (foundation) yra bazinės žinios, dažniausiai ribotos grupės, o likusi organizacijos dalis seka iš atokiau. Aktyvacijos lygis (activation) reiškia, kad didelė dalis susijusių darbuotojų žino, ką AI reiškia jų pačių darbe, ir gali praktiškai su tuo dirbti. Įžvalgos lygis (insight) papildo tai tuo, kad žmonės gali kritiškai įvertinti AI pateiktus rezultatus ir žino, kada reikia jais nepasitikėti. Intelekto lygyje (intelligence) šis gebėjimas yra paplitęs visoje organizacijoje, įsitvirtinęs žmonių darbo būdu ir nepriklauso nuo kelių pradinio taikymo entuziastų.
Kurioje šios skalės vietoje yra organizacija, niekada nėra nuojautos klausimas. Tai priklauso nuo to, kiek žmonių faktiškai dirba su AI, kiek įvairi jų patirtis ir ar ta patirtis kur nors susilieja. Tai tiksliai ta priežastis, kodėl vertinimo ratas duoda daugiau naudos nei apklausa su vienu respondentu iš kiekvienos komandos.
Keletas ženklų rodo žemą lygį. Jei klausimai apie AI visada patenka pas tuos pačius kelis žmones, žinios nėra paskirstytos. Jei niekas nedrįsta atmesti AI pateikto rezultato, nes nežino jo pagrįstumo logikos, trūksta gebėjimo jį įvertinti. Jei AI projektai pradedami neįtraukiant žmonių, kurie su tuo turės dirbti, trūksta pritarimo, kurio reikia, kad kažkas žengtų toliau nei pilotinė fazė.
Aukštesnį lygį atpažinsite iš priešingo vaizdo: diskusijos apie AI rezultatus yra turinio, o ne principo klausimas, darbuotojai patys pasiūlo, kur AI gali ir kur negali padėti, ir organizacija, kurioje abejonė dėl AI rezultato laikoma normalia darbo dalimi, o ne požymiu, kad projektas nepasisekė.
Kelias į aukštesnį lygį retai pradedamas nuo daugiau technologijos. Jis pradedamas nuo to, kas jau žinoma, padarant matomu, ir nustatant, kur yra trūkumai, taip pat organizuojant momentus, kai patirtimi dalijamasi, o ne ji lieka izoliuota pavieniuose eksperimentuose. Kiek tai konkrečiai kainuoja laiko ir dėmesio prasme, labai skiriasi priklausomai nuo organizacijos ir pradinio lygio; kas norėtų to orientacinio įvertinimo, gali jį rasti puslapyje, kuriame apskaičiuojama, kiek kainuoja pakelti organizaciją vienu lygiu.
Žmonės ir gebėjimai nėra atskirti nuo kitų dimensijų. Kas norėtų vertinti AI, turi taip pat suprasti, kaip tas vertinimas užrašomas ir naudojamas, ir tai susiję su veiklos valdymu, kai kalbama apie AI. Kas norėtų drįsti pranešti apie klaidas, turi žinoti, kad privatumas ir sauga yra tvarkoje – tai susiję su tuo, kiek kainuoja pakelti privatumą ir saugą vienu lygiu. Ir kas norėtų kurti pasitikėjimą AI rezultatais, anksčiau ar vėliau susidurs su klausimais, susijusiais su tuo, kiek kainuoja pakelti etiką vienu lygiu.
Šis puslapis aprašo, ar jūsų organizacijos žmonės gali „nešti“ AI: supras, įvertins ir koreguos. Jis neaprašo, kokia darbo dalis pati galėtų būti perimta AI. Tai kitas klausimas, kuriam reikia kito instrumento. FTE TO AI darbo skenavimas apskaičiuoja pagal kiekvieną užduotį, kokia darbo dalis tinkama AI, atsižvelgiant į užduoties pobūdį ir kontekstą, kuriame ji atliekama. Šis rezultatas yra reikšmingas tik tada, kai nešanti pusė, įskaitant žmones, kurie turės dirbti su rezultatais, jau pasiekė tam tikrą lygį. Kas norėtų sužinoti, kokiame lygyje organizacija yra šiuo metu, gali užsiregistruoti į brandumo matavimo laukiančiųjų sąrašą, kuris dar kuriamas.
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.