Tiek sākts pilots. Komanda, rīks, dažu nedēļu vai mēnešu periods. Beigās sekojas atskaite: sajūta bijusi laba, cilvēki bijuši entuziastiski, dažas lietas gājušas raitāk. Un tad tiek pieņemts lēmums, pamatojoties uz šo sajūtu, kaut arī neviens iepriekš nav noteicis, uz kādu jautājumu pilotam vajadzēja atbildēt.
Tas ir slazds. Nevis pilots pats par sevi, bet trūkstošais jautājums, uz kuru pilotam vajadzēja atbildēt. Bez šī jautājuma katrs rezultāts ir labs rezultāts, un tas tieši ir problēma. Pilots, par kuru nav vienošanās, kas tam jāpierāda, nevar neizdoties, un tāpēc tas arī nevar nekas pierādīt.
Pilots liekas droša sākuma metode. Sākt mazā mērogā, paskatīties, kas notiek, tad palielināt mērogu, ja tas darbojas. Tas izklausās saprātīgi, un stabilā situācijā tas tāds arī ir. Bet AI neietekmē tikai to komandu, kas vada pilotu. Tas ietekmē veidu, kā tiek fiksēti dati, kurš par ko pieņem lēmumus, un kuriem sistēmām jāsazinās viena ar otru. Pilots, kas par to neko nemēra, tātad neko nemēra arī par jautājumu, vai pārējā organizācija panāktu tādu pašu rezultātu.
Loģika "vispirms izmēģināt mazā mērogā" pieņem, ka panākumi mazā mērogā ļauj secināt par panākumiem lielā mērogā. Tieši tāpēc mēroga palielināšana, kamēr pamats nav nostiprināts, neko neuzrāda: tas, kas pilotā darbojās, bieži darbojās apstākļu dēļ, kas citur nav pieejami. Motivēta komanda, tīri dati, vadītājs, kurš gadījās domāt līdzi. Bez vienošanās par to, kas ir jāpārbauda, paliek neskaidrs, vai rezultāts radās tehnoloģijas dēļ vai izņēmuma apstākļu dēļ, kādos tā tika testēta.
Pastāv vairākas atpazīstamas zīmes.
Pirmā zīme ir tā, ka pilots noslēdzas ar stāstu, nevis ar atbildi. Tiek pastāstīts, kas notika, bet neviens nevar pateikt, vai iepriekš noteiktais jautājums — kura patiesībā nekad nebija — ir atbildēts.
Otrā zīme ir tā, ka pilots bija norobežots no pārējās organizācijas. Viena komanda, viens lietošanas gadījums, nekāda saiknes ar sistēmām vai nodaļām, kurām būtu jāpanes rezultāts, ja tas darbojas. Tas ir tas pats slazds, kas rodas, kad pilots darbojas tikai savā stūrī: izolēti panākumi maz pasaka par to, kas notiek, tiklīdz jāpieslēdzas pārējai organizācijai.
Trešā zīme ir tā, ka nevienam pilots nepieder. Ir projekta vadītājs, iespējams, piegādātājs, bet nav īpašnieka, kas atbildētu par to, kam jānotiek pēc pilota. Tas atklājas tikai tad, kad pilots ir beidzies un jautājums "kas tālāk" paliek bez atbildes — precīzi tas pats modelis, kas parādās, kad demonstrācija bez īpašnieka neko neuzrāda.
Ceturtā zīme ir tā, ka testēta tika tehnoloģija, bet nav testēta struktūra, kurā tai jādarbojas. Lomas, atbildība, lēmumu pieņemšanas līnijas: tās palika nemainīgas pilota laikā, un tieši tāpēc tehnoloģija virs nemainītas struktūras neko neuzrāda. Pilots, kas neietekmē struktūru, testē tikai to, vai tehnoloģija darbojas vidē, kurai nav jāmainās. Tas ir cits jautājums nekā tas, vai organizācija ir gatava ar to strādāt.
Secība, kādā veidojas AI gatavība, nav nejauša. Organizācija, IT infrastruktūra un datu pārvaldība veido pamatu, uz kura var balstīties atkarīgie dimensiju līmeņi — piemēram, veids, kādā cilvēki sadarbojas ar AI, vai kā tiek pieņemti lēmumi. Pilots, kas šo secību ignorē, faktiski mēra ko citu, nevis to, ko tas apgalvo mērot. Tas mēra vienas komandas kreativitāti vienā konkrētā brīdī, nevis organizācijas kā veseluma gatavību.
Tur arī atrodas atšķirība starp to, kā uz to skatās izpilddirektors un operāciju direktors. Tas, kam pievērš uzmanību izpilddirektors, izvērtējot AI briedumu, atšķiras no tā, ko tur izvērtē operāciju direktors, un pilots bez iepriekš noteikta mērījuma punkta atstāj abus bez balsta. Jautājums nav, vai pilots bija patīkams, bet vai tas kaut ko pasaka par dimensijām, kurām jānes pārējā daļa.
hybridresourcing.com brieduma mērījums ir izveidots, lai šādu iepriekšēju vienošanos padarītu iespējamu. Pieci līmeņi, no baseline līdz intelligence, septiņas dimensijas, ar sasummēšanas kārtu, kurā vairāki cilvēki vērtē neatkarīgi viens no otra, lai izkliede kļūtu redzama, nevis viens iespaids, kas tiek pieņemts par patiesību. Tā top redzams, kur organizācija patiesībā atrodas, pirms atkal tiek sākts pilots, kam pēcāk būtu jāpierāda tas, kas iepriekš nekad nav ticis noteikts.
Šis mērījums attiecas uz jautājumu, vai organizācija spēj panest AI: vai pamats ir tik stiprs, lai kaut kas strukturāli varētu darboties. Tiklīdz šis jautājums ir atbildēts, rodas telpa citam jautājumam, tieši, kuru daļu no faktiskā darba AI var uzņemties. Uz šo jautājumu atbild FTE TO AI darba skenēšana, kas pa uzdevumiem aprēķina, kuru daļu no tā var nodot AI. Šī brieduma mērījuma rīks ir izstrādes stadijā; tie, kas vēlas izmantot šo mērījumu, tiklīdz tas būs pieejams, var pierakstīties gaidīšanas sarakstā.
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.