Veselības aprūpe darbojas ar citu attiecību starp risku un tempu nekā vairums nozaru. Kur citur pilotprojekts var neizdoties bez sekām ārpus pašas organizācijas, kļūda veselības aprūpes procesā tieši ietekmē pacientu vai klientu. Šī attiecība ne tikai palēnina AI ieviešanu, tā arī maina secību, kādā lietām jābūt sakārtotām. Veselības aprūpes organizācija nevar eksperimentēt ar uzdevumu, kamēr dati, uz kuriem šis uzdevums balstās, nav droši izsekojami, un nevar to mērogot, kamēr IT infrastruktūra atsevišķas nozares tur nošķirtas cita no citas, nevis kā vienotu veselumu.
Pie tam veselības aprūpe sastāv no vairākām pasaulēm, kurām reti ir vienāds temps. Administratīvā daļa, kas apstrādā rēķinus un plānošanu, datu pārvaldības ziņā var būt ievērojami tālāk nekā pati aprūpes sniegšana, kur sistēmas bieži ir izveidotas pa nodaļām vai specialitātēm. Šī nevienlīdzība vienas organizācijas iekšienē ir tieši tas iemesls, kāpēc gatavības līmeņa mērījumam nav pietiekami aprobežoties ar vienu nodaļu. Kas mēra tikai atbalsta funkcijas, redz citu attēlu nekā kas iekļauj arī aprūpes sniegšanu, un abi attēli ir nepilnīgi viens bez otra.
hybridresourcing.com mērījums izmanto piecus līmeņus: baseline, foundation, activation, insight un intelligence. Veselības aprūpē pievēršas uzmanība tam, ka daudzas organizācijas dimensijā "organizācija" jau sasniedz foundation vai activation līmeni — ir politika, ir digitālo iniciatīvu īpašnieki, ir vadības uzmanība AI jautājumiem. Bet datu pārvaldības dimensijā attēls regulāri apstājas baseline vai foundation līmenī, jo pacientu dati, elektroniskie dosjē un operatīvās sistēmas ne vienmēr ir veidotas tā, lai tās varētu izmantot atkārtoti citiem mērķiem, nevis tiem, kuriem tās sākotnēji tika fiksētas.
Šī atšķirība starp dimensijām nav nejaušība. Secība, kādā dimensijas attīstās, ir fiksēta: organizācijai, IT infrastruktūrai un datu pārvaldībai jābūt sakārtotām, pirms dimensijas, kas no tām ir atkarīgas — piemēram, lēmumu pieņemšana, kas balstīta uz AI ieskatiem — var virzīties tālāk. Veselības aprūpes iestāde, kas iegulda intelektuālā informācijas panelī, pirms pamatā esošie dati ir konsekventi, būvē uz pamata, kuram vēl jānostabilizējas. Tas paskaidro daļu no pilotprojektiem, kas sākas labi un tad apstājas: nevis tāpēc, ka pielietojums nedarbojas, bet tāpēc, ka slānis zem tā nevar noturēt slodzi.
Mērījuma septiņas dimensijas dod organizācijai pozīciju, bet grafiskā aplūkošanas kārta piedāvā kaut ko, kas veselības aprūpē ir īpaši nozīmīgi: pārskatu par izkliedi. Kad valdes loceklis, IT vadītājs un aprūpes nodaļas vadītājs atsevišķi novērtē tās pašas dimensijas, bieži izrādās, ka viņu priekšstati atšķiras. Valdes loceklis redz organizāciju, kas ir gatava, aprūpes nodaļa redz sistēmas, kas vēl darbojas nesaistīti. Šī izkliede pati par sevi ir dati. Tā rāda, kur organizācijas iekšienē vēl ir jānotiek sarunai, pirms uz tā var balstīt kādu investīciju lēmumu.
Šī izkliede nav unikāla veselības aprūpei, bet tās sekas tur sver citādi. Vairumtirdzniecībā vai ražošanas uzņēmumā kļūdains gatavības novērtējums izraisa aizkavētu projektu; veselības aprūpē tas izraisa sistēmu, kas ieviesta uz pamata, kas to nevar noturēt, ar sekām cilvēkiem, kuriem šajā procesā nebija izvēles. Kas grib zināt, kā šis izvērtējums izpaužas citās nozarēs, var salīdzināt to ar to, kā ražošanas nozare rezultējas AI gatavības līmenī vai ar situāciju biznesa pakalpojumu sektorā, kur kļūdas riski parasti ir mazāki, bet pamati trūkst tikpat bieži.
hybridresourcing.com mērījums neapraksta ideālu attēlu un ne obligātu izaugsmes ceļu. Tas apraksta pozīciju septiņās dimensijās, konkrētā brīdī, redzētu no vairākiem skatpunktiem. Veselības aprūpes iestādei tas galvenokārt nozīmē, ka jautājums nav, vai tā ir gatava AI vispār, bet kurā dimensijā tai vispirms jāiegulda, pirms nākamais solis kaut ko dod. Vienai iestādei tā ir IT infrastruktūra, kas savieno nodaļas, citai tā ir datu pārvaldība, kas padara datus izmantojamus ārpus sākotnējā mērķa.
Veselības aprūpe šo jautājumu dala ar citām nozarēm, kas darbojas ar sarežģītām, fragmentētām sistēmām. Situācija transporta nozarē un tās AI gatavības līmenī vai izglītībā un tās AI gatavības stāvoklī rāda, ka sistēmu un procesu fragmentācija izpaužas katrā nozarē citādi, bet secība no fundamentālām uz atkarīgām dimensijām vienmēr seko tam pašam modelim.
hybridresourcing.com gatavības mērījums atbild uz jautājumu, vai organizācija var uzņemties AI: vai organizācija, infrastruktūra un dati ir gatavi tam, ka uz tiem kaut ko būvēs. Tas neatbild uz jautājumu, kāds darbs faktiski var tikt pārņemts ar AI. Uz šo jautājumu atbild FTE TO AI darba skenējums, kas katram uzdevumam aprēķina, kāda daļa no darba ir piemērota pārņemšanai. Organizācija, kas ar gatavības mērījuma palīdzību zina, kur atrodas tās pamati, ar šo darba skenējumu var tālāk redzēt, kāds darbs uz tā var būt būvēts un kāds darbs tam vēl nav gatavs.
Gatavības mērījums vēl tiek izstrādāts. Kas grib sekot tā izstrādei vai vēlas būt viens no pirmajiem, kas mēra, kā pati organizācija rezultējas septiņās dimensijās, var pieteikties gaidīšanas sarakstam.
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.