Bija veiksmīgs izmēģinājums. Vadība vēlas tempu. Lēmums ir pieņemts: izrullēt uz pārējo organizāciju, citām komandām, citām nodaļām. Tam, kas darbojās vienā stūrī, tagad ir jādarbojas visur.
Tas ne vienmēr izdodas. Ne tāpēc, ka tehnoloģija pēkšņi reaģētu citādi, bet tāpēc, ka vide, kurā tai jāfunkcionē, visur ir iekārtota atšķirīgi. Komandai, kurā izmēģinājums izdevās, nejauši bija IT infrastruktūra, kas spēja tikt galā ar prasīto, datu pārvaldība, kas bija sakārtota, un organizācijas struktūra, kurā kāds uzņēmās atbildību. Citur organizācijā viena vai vairākas no šīm lietām ir citādā stāvoklī. Rezultāts: tās pašas pūles vienā vietā dod rezultātu, bet citā vietā neko, vai, kas ir sliktāk, papildu darbu, lai labotu kļūdas.
Mērogošana šķiet loģisks nākamais solis, jo izmēģinājums kaut ko ir pierādījis. Ir rezultāts, ir entuziasms, ir spiediens palielināt atdevi. Kas reiz kaut ko ir licis darboties, negrib to paturēt tikai vienā komandā. Turklāt mērogošana ir redzama: vairāk lietotāju, vairāk komandu, vairāk procesu līniju, kas pārņem jauno darba veidu. Tas šķiet progress, pat ja fundamentālās dimensijas — organizācija, IT infrastruktūra, datu pārvaldība — vēl nav visur tādā līmenī, kādā var darboties dimensija, kas no tām ir atkarīga.
Secība, kādā tas darbojas, nav izvēles jautājums. Ja fundamentālais slānis nav sakārtots, atkarīgajam slānim nav uz kā balstīties. Tas nav vēlmes jautājums vai jautājums par vairāk laika ieguldīšanu; tā ir vienkārši maniere, kā dimensijas balsta viena otru. Mērogošana šo secību ignorē un sagaida, ka darba veida atkārtošana ir pietiekama, arī bez pamata, kas pirmajā reizē nejauši bija klāt.
Biežāk atkārtojas vairākas pazīmes. Komandas, kas pārņem jauno darba veidu, ziņo par mainīgiem rezultātiem, un neviens nevar labi paskaidrot, kāpēc tas vienā komandā darbojas, bet citā ne. Tiek lūgts vairāk apmācības vai vairāk komunikācijas, kamēr problēma slēpjas citur: sistēmās, kas nav savienotas, datos, kuriem nav vienāda kvalitāte, struktūrā, kurā nevienam nav rezultāta piederības pāri komandu robežām.
Atpazīstama ir arī situācija, kad tehnoloģija tiek izrullēta pāri struktūrai, kas pati nav mainījusies: jaunais darba veids tiek tehniski padarīts pieejams, bet lomas, atbildība un lēmumu pieņemšanas līnijas ir palikušas tādas pašas kā pirms izmēģinājuma. Līdzīgs modelis ir situācijā, kurā izmēģinājums labi darbojas savā stūrī, bet nesaskan ar pārējo organizāciju: mērogošana kopē darba veidu, nevis apstākļus, kādos šis darba veids radās.
Trešā pazīme ir mazāk redzama, bet tikpat izšķiroša: divi entuziasti velk visu, un pārējie nejūtas atbildīgi. Kamēr iniciatīva ir atkarīga no dažiem cilvēkiem, kuri nejauši ir motivēti, nav organizatoriska pamata, uz kura mērogot — ir tikai entuziasms, kas nedaudzojas, tiklīdz komanda palielinās.
Tiem, kas atpazīst šīs pazīmes, ir vērts sev pajautāt, vai izkliede starp komandām ir izpildes sekas, vai atšķirības gatavībā, kas bija klāt jau ilgi pirms mērogošanas sākuma. Šī atšķirība ir tieši tas, uz ko skatās hybridresourcing brieduma mērījums: ne uz viena vērtējuma visai organizācijai, bet uz pieciem līmeņiem septiņās dimensijās, kas tiek mērīti tā, ka vairāki cilvēki vērtē atsevišķi un izkliede starp viņu atbildēm tiek padarīta redzama. Šī izkliede bieži pasaka vairāk nekā vidējais rādītājs: ja CEO vērtējums fundamentāli atšķiras no CIO vērtējuma, tad tur slēpjas daļa no izskaidrojuma, kāpēc mērogošana kaut kur izdodas un kaut kur ne. Tas, ko CEO šajā mērījumā parāda par savu organizāciju un tas, ko COO tajā atpazīst no ikdienas izpildes, reti sniedz vienādu priekšstatu, un šī atšķirība ir tieši tas, uz kā mērījums ir būvēts.
Šī lapa ir par jautājumu, vai organizācija spēj noturēt AI: vai struktūra, infrastruktūra, datu pārvaldība ir tādā līmenī, kurā mērogošana ir jēgpilna. Tas ir cits jautājums nekā tas, kura darba daļa pati par sevi ir piemērota nododamai AI. Uz šo pēdējo jautājumu atbild FTE TO AI darba skenēšana: tā katram uzdevumam aprēķina, kādu darba daļu var pārņemt AI, neatkarīgi no tā, vai organizācija tam jau ir gatava. Abi jautājumi ir saistīti, bet secība nav brīvi izvēlama — zināt, kas ir nododams, ir mazvērtīgi, kamēr nav skaidrs, vai pamats šo nodošanu spēj noturēt.
hybridresourcing brieduma mērījums vēl tiek būvēts. Tie, kas vēlas izmantot mērījumu, tiklīdz tas būs pieejams, var pieteikties 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.