IKT sektoram ir priekšrocība, kas vienlaikus ir slazds. Kamēr citām nozarēm vēl nākas pierast pie AI idejas, zināšanas par modeļiem, arhitektūrām un rīkiem šajā nozarē parasti jau ir pieejamas. Programmētāji eksperimentē, komandas veido koncepcijas pierādījumus, un pret tehnoloģiju kā tādu retums rada pretestību. Tas rada iespaidu, ka nozare kopumā ir tālu tikusi. Bet tehniskā prasme daļā organizācijas ir kas cits nekā organizācijas kā tāda briedums. Tieši tur tas bieži iestrēgst.
IT uzņēmumā vai IT nodaļā infrastruktūra parasti ir sakārtota: ir skaitļošanas jauda, ir izstrādes vides, ir pieredze programmatūras ieviešanā. Tā ir viena no fundamentālajām dimensijām, kas tiek novērtēta brieduma mērījumā, un šajā punktā nozare parasti gūst augstu novērtējumu. Bet citas fundamentālās dimensijas — kā organizācija ir strukturēta ap AI iniciatīvām un kā tiek pārvaldīti dati ārpus izstrādātāju pašu sistēmām — ne vienmēr virzās tādā pašā tempā. Spēcīga IT nodaļa nenozīmē, ka pārējā organizācija spēj sekot tādam pašam tempam. Pārdošana, finanses, personāla vadība: šīm funkcijām bieži ir cita attieksme pret datiem un pret pārmaiņām nekā cilvēkiem, kuri veido AI pilotprojektus.
Šī atšķirība izskaidro modeli, kas šajā nozarē sastopams biežāk nekā citur: pilotprojekti, kas tehniski darbojas izcili, bet neizaug līdz strukturālai vietai uzņēmumā. Ne tāpēc, ka modelis būtu nepietiekams, bet tāpēc, ka organizācija ap to nav sakārtota, lai uzņemtu šo rezultātu. Kas vēlas izprast, kāpēc šī secība fundamentālajām dimensijām nav apspriežama, plašāk par to var lasīt kāpēc fundamentālajām dimensijām jābūt pirmajām.
IKT sektorā izkliede starp respondentiem bieži ir lielāka nekā nozarēs ar vienveidīgākām funkcijām. Programmētājs un klientu pārvaldnieks vienā un tajā pašā uzņēmumā var novietot organizāciju gandrīz pilnīgi pretējos līmeņos — viens dienu no dienas redz progresīvus risinājumus, otrs redz izklājlapu, kas joprojām tiek atjaunota manuāli. Šī izkliede pati par sevi ir informācija. Tā parāda, ka AI briedums šajā nozarē retums ir nozares mēroga dotums, bet lielā mērā ir atkarīgs no tā, kura nodaļa tiek mērīta un kam tiek uzdoti jautājumi.
Tas padara vairāku respondentu mērījuma kārtu IKT sektorā drīzāk vērtīgāku nekā citur, ne mazāk vērtīgu. Viens vienīgs CIO vai CTO novērtējums riskē vispārināt tehniskā kodola priekšstatu uz visu organizāciju, kamēr atkarīgās dimensijas — kur AI faktiski tiek integrēts procesos — var uzrādīt pavisam citu novērtējumu.
Attiecība starp tehnoloģiju un organizāciju citās nozarēs izskatās citādi. Finanšu pakalpojumu nozarē uzsvars bieži tiek likts uz regulējumu un risku pārvaldību kā kavējošu faktoru; šis priekšstats aprakstīts cik tālu finanšu pakalpojumu nozare ir tikusi ar AI briedumu. Būvniecībā tieši datu pārvaldības dimensija bieži ir sašaurinājums, jo dati par projektiem un materiāliem ir sadrumstaloti starp dažādām pusēm; tas izklāstīts cik tālu būvniecība ir tikusi ar AI briedumu. IKT sektorā problēma retums ir tehnisko zināšanu vai datu trūkums — problēma biežāk ir organizācijas dimensijā: kurš izlemj, kurš pilotprojekts tiek paplašināts, un uz kāda pamata.
Brieduma mērījums šo atšķirību ataino septiņās dimensijās un piecos līmeņos, no baseline līdz intelligence. IKT organizācijai rezultāts retums ir vienmērīga līnija: infrastruktūra un tehniskā prasme parasti ir augstāk novērtētas nekā organizācija un lēmumu pieņemšana. Tieši šī nevienlīdzība ir vieta, kur mērījums ir noderīgs — ne lai apstiprinātu, ka nozare "labi virzās uz priekšu", bet lai parādītu, kura dimensija paliek iepakaļ un kura tāpēc nevar virzīties tālāk, neatkarīgi no tā, cik progresīvi ir jau darbojošies modeļi.
Daļa, kas šajā nozarē bieži tiek novērtēta pārāk zemu, ir lēmumu fiksēšana: kurš pieņēmis kādu izvēli par kuru AI iniciatīvu un uz kādas informācijas pamata. Bez šāda apkopojuma ir grūti izsekot, kāpēc pilotprojekts tika vai netika paplašināts. Kam tur jābūt iekļautam, aprakstīts kam jābūt lēmumu apkopojumā.
Šis mērījums pasaka kaut ko par organizāciju kā veselumu: vai pastāv pamats, uz kura var balstīties AI iniciatīvas, un vai šis pamats visā uzņēmumā ir vienlīdz stiprs, vai tikai pie cilvēkiem, kas ir tuvāk tehnoloģijai. Šis jautājums ir priekšnoteikums citam jautājumam — kura daļa no darba paša ir piemērota AI. Tas ir cita veida mērījums. Organizācijām, kas vēlas zināt, kuru darba daļu, uzdevumu pēc uzdevuma, var pārņemt AI, ir FTE TO AI darba skanēšana — mērījums, kas neskatās uz organizāciju kā veselumu, bet uz darbu pašu, funkciju pēc funkcijas un uzdevumu pēc uzdevuma.
Brieduma mērījums ir izstrādes procesā. Kas vēlas zināt, kad mērījums būs pieejams, var pierakstīties gaidīšanas sarakstā un saņems paziņojumu, tiklīdz rīks būs gatavs lietošanai.
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.