Izglītības organizācijas atšķiras no vairākuma citu nozaru tādā ziņā, ka pašu pamatdarbību – mācīšanu, vadīšanu, vērtēšanu – ir grūti atdalīt no cilvēkiem, kas to veic. Kur rūpnīca vai veikals var pārrakstīt procesus, neapdraudot darba identitāti, tur jau nelielas izmaiņas skolā vai augstskolā ātri skar attiecības starp pasniedzēju un studentu. Tas nozari nepadara lēnāku tehnoloģiju ziņā, bet padara to piesardzīgāku jautājumā par to, ko AI patiesībā drīkst darīt, pirms runāt par 'pārņemšanu'.
Pie tam izglītības iestādes bieži sastāv no vairākiem slāņiem, kuriem nav vienāda tempa: valde, vairākas atrašanās vietas vai fakultātes, un liela grupa pasniedzēju ar savām darba metodēm. Lielākā daļa AI iniciatīvu, ar kurām mēs sastopamies, sākas kādā no šiem slāņiem, neiesaistot pārējos slāņus. Pasniedzējs eksperimentē ar valodas modeli atsauksmju sniegšanai, kamēr IT nodaļai nav priekšstata, kādi dati tādējādi pamet ēku. Valde formulē AI redzējumu, kamēr skolēnu uzskaites sistēmu datu pārvaldība balstās uz papīra vai atsevišķām izklājlapām. Šī neatbilstība nav nevēlēšanās jautājums, bet secības jautājums.
Vadības padomes loceklis, darbības direktors vai IT vadītājs, kurš redz AI pilotprojektus iestrēgt, bieži pamana to pašu modeli: pilotprojekts darbojas pats par sevi, bet neaugtiek mērogojams. Tas reti notiek tehnoloģijas trūkuma dēļ. Biežāk trūkst kāds no fundamentālajiem slāņiem, kas nepieciešami, lai pilotprojektu noturētu: organizācijas struktūra, kas var pieņemt lēmumus par AI un tos noteikt, IT infrastruktūra, kas var droši pieņemt jaunas lietojumprogrammas, un datu pārvaldība, kas ir sakārtota, pirms modelis var ar to izdarīt kaut ko jēgpilnu. Tikai tad, kad šie trīs elementi ir nodrošināti, ir vērts skatīties uz atkarīgajiem slāņiem: kā cilvēki ar to strādā, kādu ieskatu tas rada, un cik saprātīgi organizācija ar to galu galā rīkojas.
Izglītībā tas izpaužas spēcīgāk nekā citur, jo fundamentālie slāņi bieži ir historiski izveidojušies ap pedagoģiskiem, nevis tehniskiem risinājumiem. Skolas administrācija ir izveidota, lai atskaitītos inspekcijai, nevis lai radītu atkārtoti izmantojamus datus AI lietojumprogrammām. IT nodaļa bieži ir maza un vērsta uz uzturēšanu, nevis uz jaunu sistēmu integrāciju. Tas nav trūkums, tā ir cita prioritāte, kas noteikta desmitgadiem atpakaļ un tagad ietekmē to, cik ātri AI patiesībā nostiprinās.
hybridresourcing.com mērījums aplūko septiņas dimensijas, sadalītas piecos līmeņos no baseline līdz intelligence. Izglītības iestādēm izceļas tas, ka rezultāts organizācijas un datu pārvaldības jomā bieži atpaliek no rezultāta ambīciju vai individuālu lietojumprogrammu jomā. Regulāri jau ir kāds, kas strādā ar AI, dažreiz jau uzlabotā līmenī, kamēr organizācija kopumā vēl atrodas pirmajā līmenī attiecībā uz lēmumu pieņemšanu un datu struktūru. Šī izkliede parādās plot-kārtā, kurā vairāki cilvēki tajā pašā iestādē novērtē atsevišķi. Izglītības organizācijās šī izkliede bieži ir lielāka par vidējo, tieši tāpēc, ka valde, IT un pedagogi reti darbojas no vienāda priekšstata.
Šī izkliede pati par sevi nav problēma. Tā ir informācija. Vadītājs, kurš domā, ka organizācija ir gatava AI lielā mērogā, un IT vadītājs, kurš zina, ka infrastruktūra to vēl nespēj, ir abi taisnībā no savas pozīcijas. Mērījums padara šo atšķirību skaidru, lai sarunu varētu vest par to, kam vispirms jābūt vietā, nevis par to, kurš ir taisnībā.
Septiņas dimensijas laika ziņā nav vienlīdzīgas. Organizācija, IT infrastruktūra un datu pārvaldība ir dimensijas, uz kurām balstās pārējās četras. Skola, kas vēlas strādāt pie ieskata vai intelligence, nesakārtojot datus, būvē uz smilšu pamata. Tas attiecas uz izglītības iestādēm tikpat spēcīgi kā uz mazumtirdzniecības uzņēmumiem, kas cīnās ar līdzīgu atpalicību datu pārvaldībā vai uz ēdināšanas nozari, kur organizācijas struktūras bieži ir tikpat sadrumstalotas pa filiālēm. Nozare atšķiras, secība nē.
Tas padara jautājumu 'cik tālu mēs esam' mazāk par jautājumu par rezultātu un vairāk par jautājumu, kur trūkst pamata. Iestāde, kas uz papīra rāda augstas ambīcijas AI lietojumā, bet nav pārliecinājusies par savu IT infrastruktūru, nevarēs šo ambīciju realizēt, nevispirms atgriežoties pie pamatiem. Tas ir arī tas, ko rāda iestādes IT nozarē un finanšu pakalpojumu jomā: augsta ambīcija atkarīgajās dimensijās nekompensē vāju pamatu.
hybridresourcing.com briedumu mērījums ir tapšanas stadijā. Kas grib zināt, kā pati iestāde novērtē sevi septiņās dimensijās, un kā šis rezultāts attiecas pret kolēģu rezultātiem tajā pašā organizācijā, var pieteikties uz gaidīšanas sarakstu. Rīka, ko lietot šodien, pagaidām nav; taču ir skaidrs priekšstats par to, ko mērījums sniegs, tiklīdz tas būs pieejams.
Šī lapa ir par jautājumu, vai izglītības organizācija spēj nest AI: vai pamats ir vietā, pirms uz tā kaut ko būvē. Cits jautājums, kas kļūst jēgpilns tikai pēc tam, ir tas, ko AI izglītībā konkrēti var pārņemt. Tam ir paredzēts FTE TO AI darba skenējums: tas aprēķina katrai uzdevumam, kāda daļa darba ir piemērota AI pārņemšanai, neatkarīgi no tā, vai organizācija kopumā tam jau ir gatava. Kas apvieno abus jautājumus, gūst ieskatu ne tikai iespējās, bet arī secībā, kādā tās var kļūt par realitāti.
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.