Aktivācijas līmenī AI vairs nav uz zīmēšanas dēļa. Ir pilotprojekti, ir rīki, kas tiek lietoti, ir uzkrāta pieredze par to, kas darbojas un kas ne. Šis ir līmenis, kurā lielākā daļa organizāciju paliek ilgāk, nekā plānots. Ne tāpēc, ka nekas nenotiek, bet tāpēc, ka notiekošais paliek fragmentēts. Viena komanda strādā ar agentiem, kas veic darbu, cita komanda no tā neatkarīgi eksperimentē ar valodas modeli teksta apstrādei, un nevienam nav pilnīga priekšstata par to, kur organizācijā AI patiesībā atrodas.
Aktivācija ir atsevišķu lietojumu līmenis. Ir pierādījums, ka tas var darboties. Vēl nav struktūras, kas šo pierādījumu padarītu atkārtojamu ārpus vietas, kur tas radies.
Šajā līmenī bieži sakrīt vairākas pazīmes. Ir vismaz viens lietojums, kas pierādāmi kaut ko sniedz, bet jautājums, kāpēc tas netiek plašāk izmantots, paliek bez atbildes. Ir budžets eksperimentiem, bet nav fiksēta procesa, lai noteiktu, kurš eksperiments tiek turpināts un kurš ne. Dažādām nodaļām katrai ir savs piegādātājs, sava pieeja, sava panākumu definīcija. Un cilvēki, kas vada pilotprojektus, bieži nav tie paši cilvēki, kuriem būtu jālemj par mērogošanu.
Šī pēdējā pazīme, iespējams, ir vispamanāmākā. Aktivācijas līmenī zināšanas par to, kas darbojas, ir izpildītāju rokās. Lēmums par turpmāko rīcību tiek pieņemts augstāk. Starp šiem diviem līmeņiem bieži nav pastāvīga savienojuma.
Brieduma mērījuma diagrammā šis ir līmenis, kurā rezultātu izkliede ir vislielākā. IT vadītājs redz progresu, jo darbojas sistēmas. HR direktors redz stagnāciju, jo nav politikas par to, kam ar kuru rīku ir tiesības strādāt. Abi novērojumi ir pareizi. Tie vienkārši aprakstīta cita dimensija.
Solis no aktivācijas uz insight neprasa vairāk pilotprojektu. Parasti to jau ir pietiekami daudz. Šis solis prasa kaut ko tādu, ko aktivācija pati par sevi nesniedz: veidu, kā aplūkot dažādus lietojumus vienlaikus, tos salīdzināt un uz šī pamata izdarīt izvēli.
Tas sākas ar fundamentālajām dimensijām. Ja organizācijai nav vienotas izpratnes par to, kurš par ko lemj, katrs lietojums paliek atsevišķa saliņa. Ja datu pārvaldība nav sakārtota, to, kas darbojas vienā pilotprojektā, nevar vienkārši pārnest uz citu nodaļu, jo pamatā esošie dati tur izskatās citādi. Un ja IT infrastruktūra katrā komandā ir atšķirīga, atsevišķu iniciatīvu savienošana maksā vairāk nekā sākt no jauna.
Tāpēc septiņu dimensiju secība nav nejauša. Organizācija var uzrādīt augstu rezultātu kādā atkarīgā dimensijā — piemēram, komandā, kas prasmīgi lieto konkrētu rīku —, kamēr fundamentālās dimensijas apakšā to vēl nenes. Šī atšķirība ir tieši tas, ko aktivācijas līmenī bieži nepamana: redzamais progress ne vienmēr balstās uz pamata, kas ļauj tālāk augt.
Insight ir līmenis, kurā šīs fundamentālās dimensijas sāk ietekmēt rezultātu. Ne tāpēc, ka pēkšņi tiktu izmantots vairāk AI, bet tāpēc, ka tad ir veids, kā redzēt, kuru lietojumu var atkārtot citur un kurš paliek saistīts ar viena konkrētas komandas apstākļiem. Kas praksē tas prasa, sākot no izmērāmības līdz vienotam pārskatam pār visiem lietojumiem, aprakstīts lapā par to, kā nokļūt no insight uz nākamo līmeni.
Pastāv pieņēmums, ka vairāk laika vai lielāks budžets automātiski atrisina aktivācijas fāzi. Tas ne vienmēr ir tiesa. Organizācija var gadiem palikt aktivācijas līmenī, ar vienmēr jauniem pilotprojektiem, kas atstāj tos pašus jautājumus bez atbildes. Problēma tad nav iniciatīvas trūkums. Tā ir struktūras trūkums, kas savieno iniciatīvas savā starpā.
Šī struktūra aktivācijas līmenī izskatās citādi nekā iepriekšējos līmeņos. Kam interesē, kā izskatījās pamats, pirms bija eksperimentu, to var atrast lapās par to, ko līmenis baseline nozīmē praksē un ko līmenis foundation nozīmē praksē. Šis salīdzinājums parāda, ka lēciens uz aktivāciju galvenokārt prasa drosmi — kaut ko izmēģināt —, kamēr nākamais lēciens prasa kaut ko citu: pārskatu.
Pārskats nerodas no viena pilotprojekta. Tas rodas, saliekot visu notiekošo līdzās, un no veida, kā redzēt, kur tas sakrīt ķēdēs, kurās soļi seko cits citam, nevis paliek atsevišķi vienam otram līdzās.
Brieduma mērījums parāda, vai organizācija kopumā ir gatava nest AI: vai fundamentālās dimensijas atbalsta jau esošos atsevišķos lietojumus. Šis jautājums atšķiras no jautājuma, kura darba daļa pati par sevi ir piemērota pārņemšanai. Kam aktivācijas līmenī galvenokārt neskaidrs paliek jautājums, kuri uzdevumi kādas komandas vai procesa ietvaros ir piemēroti nodošanai AI un kādā mērā, atbildi atrod FTE TO AI darba skenējumā. Tas katram uzdevumam aprēķina, kādu darba daļu AI var pārņemt, un tādējādi papildina šeit apzināto gatavības priekšstatu.
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.