Beveik kiekvienoje organizacijoje, kuri eksperimentuoja su AI, tam tikru momentu susiformuoja ta pati grupė: du, galbūt trys žmonės, kurie tai supranta, kurie patys pradėjo išbandyti, kurie su entuziazmu pasakoja, kas yra galimo. Jie sukuria prototipą, išbando įrankį, dalijasi rezultatais vidiniame pokalbyje. Likusi organizacijos dalis stebi, linksi galva ir tęsia darbą taip, kaip visada dirbo.
Po kelių mėnesių yra sąrašas įdomių eksperimentų ir nė vieno pokyčio tame, kaip darbas realiai atliekamas. Du entuziastai vis tiek entuziastingi. Visi aplink jokio pokyčio nepatyrė.
Šio požiūrio logika skamba pagrįstai: pradėti nuo mažo, nuo motyvuotų žmonių, ir leisti sėkmei plisti savaime. Kai kurių pokyčių atveju tai iš tiesų veikia. Naujas darbo būdas, kuris akivaizdžiai taupo laiką, kartais plinta organiškai, kolegoms jį tiesiog perimant.
AI atveju šis mechanizmas dažniausiai neveikia, ir priežastis slypi ne žmonėse, o aplink juos esančioje organizacijoje. Entuziastai dažnai turi prieigą prie sistemų, laiką ir mandatą, kurio kiti neturi. Kas jiems yra vienos popietės išbandymo klausimas, kolegai, neturinčiam tokios prieigos, reikalauja prašymo, patvirtinimo, IT bilieto. Entuziazmas nėra problema. Problema yra kelio, kuriuo galėtų sekti kiti, nebuvimas.
Eilė, kuria kuriamas AI pasirengimas, nesipradeda nuo žmonių, kurie norėtų. Ji pradedama nuo struktūros, kuri tai leidžia: kaip organizacija yra sutvarkyta, kokia IT infrastruktūra egzistuoja, kaip valdomi duomenys. Du entuziastai gali dirbti aplenkiant šią struktūrą – su savo prieiga, savo gudrybėmis, savo aplinkkeliais. Likusi organizacijos dalis to negali, ir neturėtų to norėti – aplinkkeliai nėra pagrindas kažkam, kas turi toliau veikti.
Tai paaiškina, kodėl šis modelis dažnai kartojasi kartu su kitomis žinomomis spąstais. Skaitant apie kas turi paaiškėti, kad pilotinis projektas kur nors nuvestų, pastebimas panašus mechanizmas: veikla be susitarimo, kas reiškia sėkmę, tiesiog lieka veikla. Su dviem entuziastais susitarimo taip pat nėra – nei apie tai, kas turi paaiškėti, nei apie tai, kas seka toliau po jų.
Yra keletas atpažįstamų signalų. Pirmasis – kai kalbama apie AI, kiekviename susitikime, kiekviename atnaujinime, vis grįžtama pas tuos pačius du ar tris vardus. Antrasis – kitų skyrių klausimai pradedami žodžiais „kaip jie tai padarė“, o ne savo pačių keliu. Trečiasis, ir dažniausiai nuvertinamas, tai kad niekas negali paaiškinti, kas turėtų vykti, jei vienas iš tų dviejų žmonių rytoj išeitų.
Ketvirtasis signalas yra subtilesnis: eksperimentas ir toliau veikia savo kampelyje, atskirtas nuo likusio proceso. Tai atitinka tai, kas nutinka, kai pilotinis projektas, veikiantis tik už savo komandos ribų, neranda ryšio – entuziazmas be ryšio su likusia organizacija tampa sala, kad ir kaip gerai ta sala funkcionuotų.
Penktasis signalas, galiausiai, yra tai, kad mastelio didinimas siūlomas kaip kitas žingsnis, tuo tarpu niekas nepatikrino, ar pagrindas jam po juo jau yra. Šis pavojus aprašytas tame, kas nutinka, kai mastelio didinimas bandomas prieš tai, kai pagrindas jau yra: du entuziastai, norintys savo sėkmę padauginti dešimčiai komandų, atsimuša tiksliai į tą struktūrą, kurią jie patys buvo aplenkę.
Kyla pagunda daryti išvadą, kad reikia daugiau entuziastų, arba geresnio mokymo, arba kultūros programos. Tai nepataiko į esmę. Klausimas nėra, ar yra pakankamai motyvuotų žmonių – jų dažnai jau yra du, ir tai tiksliai yra problema, nes du nėra struktūra. Klausimas yra, ar organizacija kaip visuma – tuo, kaip ji sutvarkyta, kaip sistemos tarpusavyje bendrauja, kaip duomenys yra prieinami ir patikimi – gali atlaikyti situaciją, kurioje su AI galėtų dirbti ne du, o daug daugiau žmonių. Tai kitas klausimas nei tas, kas yra entuziastingas, ir tai klausimas, kurį reikia atsakyti pirmiausia.
Tiems, kas vadovaujančiose pozicijose susiduria su šiuo modeliu, naudinga žinoti, į ką atkreiptų dėmesį panašioje pozicijoje esantis žmogus: į ką atkreiptų dėmesį generalinis direktorius vertindamas AI brandumą aprašo kelis tokius aspektus, kaip ir į ką atkreiptų dėmesį operacijų direktorius vertindamas AI brandumą iš kito požiūrio taško į tą pačią organizaciją.
Kai du entuziastai parodo, kad kažkas yra įmanoma, klausimas, kiek darbo iš tiesų galima perimti ir kas tai turėtų padaryti, lieka neatsakytas. Šis klausimas nėra susijęs su pasirengimu, o su pačiu darbu: kurios užduotys yra tinkamos AI perėmimui ir kokia dalis tai apima. Tam tiksliai skirtas FTE TO AI darbo skanavimas – jis pagal kiekvieną užduotį apskaičiuoja, kokią darbo dalį galima perimti, nepriklausomai nuo to, kas jau su entuziazmu tai eksperimentuoja.
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.