Gandrīz katrā organizācijā, kas eksperimentē ar AI, kādā brīdī izveidojas viena un tā pati grupa: divi, iespējams trīs cilvēki, kas to saprot, kas paši sākuši izmēģināt, kas ar entuziasmu stāsta par to, kas ir iespējams. Viņi izveido prototipu, izmēģina rīku, dalās ar rezultātiem iekšējā tērzētavā. Pārējā organizācija noraugās, piekrītoši māj un turpina darbu tā, kā tas vienmēr ir noritējis.
Pēc dažiem mēnešiem ir saraksts ar interesantiem eksperimentiem un nekādām izmaiņām tajā, kā darbs faktiski tiek veikts. Divi entuziasti joprojām ir entuziastiski. Visi apkārt nav pievienojušies.
Šīs pieejas pamatojums izklausās saprātīgi: sākt nelielā mērogā, ar motivētiem cilvēkiem, un ļaut panākumiem izplatīties pašiem no sevis. Dažām pārmaiņām tas patiešām darbojas. Jauna darba metode, kas dod redzamu laika ieguvumu, dažkārt izplatās organiski, jo kolēģi to pārņem.
AI gadījumā šis mehānisms parasti nedarbojas, un iemesls nav cilvēkos, bet organizācijā, kas viņus ieskauj. Entuziastiem bieži ir piekļuve sistēmām, laiks un mandāts, kāda citiem nav. Tas, kas viņiem ir dažu pēcpusdienu izmēģinājuma jautājums, kolēģim bez šādas piekļuves prasa pieprasījumu, apstiprinājumu, IT pieteikumu. Entuziasms nav problēma. Problēma ir tā, ka nav ceļa, pa kuru citi varētu sekot.
Secība, kādā veidojas gatavība AI, nesākas ar cilvēkiem, kas to vēlas. Tā sākas ar struktūru, kas to padara iespējamu: kā organizācija ir izveidota, kāda IT infrastruktūra ir izveidota, kā tiek pārvaldīti dati. Divi entuziasti var strādāt šai struktūrai apkārt, izmantojot savu piekļuvi, savus paņēmienus, savus apkārtceļus. Pārējā organizācija to nevar, un tai arī nevajadzētu to vēlēties — apkārtceļi nav pamats kaut kam, kam jāturpina darboties.
Tas paskaidro, kāpēc šis modelis bieži atkārtojas līdzās citām zināmām kļūmēm. Tas, kurš lasa par to, kam jābūt noskaidrotam, pirms pilotprojekts kaut ko dod, redz līdzīgu mehānismu: aktivitāte bez vienošanās par to, ko nozīmē panākumi, paliek tikai aktivitāte. Divu entuziastu gadījumā vienošanās arī nav — ne par to, kam jābūt noskaidrotam, ne par to, kas seko pēc viņiem.
Pastāv vairākas atpazīstamas zīmes. Pirmā ir tā, ka atkārtoti parādās tie paši divi vai trīs vārdi, kad tiek runāts par AI — katrā sanāksmē, katrā atskaitē. Otrā ir tā, ka citu nodaļu jautājumi sākas ar "kā viņi to darīja" nevis ar savu ceļu. Trešā, un visvairāk nenovērtētā, ir tā, ka neviens nespēj paskaidrot, kas notiktu, ja viens no šiem diviem cilvēkiem rīt aizietu.
Ceturtā zīme ir subtilāka: eksperiments turpina darboties savā stūrī, atrauts no pārējā procesa. Tas sasaucas ar to, kas notiek, kad pilotprojekts, kas darbojas tikai savā stūrī, neatrod savienojumu ar pārējo komandu — entuziasms bez saiknes ar pārējo organizāciju paliek sala, lai cik labi šī sala funkcionētu.
Piektā zīme, beidzot, ir tā, ka mērogošana tiek piedāvāta kā nākamais solis, kamēr neviens nav pārbaudījis, vai pamats jau ir izveidots. Šis risks aprakstīts tajā, kas notiek, kad mērogošana tiek izmēģināta, pirms pamats ir izveidots: divi entuziasti, kas vēlas savus panākumus pavairot uz desmit komandām, apstājas tieši pie tās struktūras, kurai viņi paši bija izgājuši apkārt.
Ir kārdinoši secināt, ka nepieciešams vairāk entuziastu, vai labāka apmācība, vai kultūras programma. Tas nesatver galveno jautājumu. Jautājums nav, vai ir pietiekami daudz aizrautīgu cilvēku — bieži viņu jau ir divi, un tieši tas ir problēma, jo divi nav struktūra. Jautājums ir, vai organizācija kopumā — tajā, kā tā ir izveidota, kā sistēmas sazinās viena ar otru, kā dati ir pieejami un uzticami — spēj nodrošināt situāciju, kurā ar AI var strādāt ne tikai divi, bet daudz vairāk cilvēku. Tas ir cits jautājums nekā tas, kurš ir entuziastisks, un tas ir jautājums, kuram jātiek atbildētam vispirms.
Tiem, kas vadošā lomā saskaras ar šo modeli, ir noderīgi zināt, uz ko pievērstu uzmanību kāds līdzīgā pozīcijā: uz ko pievērstu uzmanību CEO, novērtējot AI briedumu aprakstīts vairākus no šiem uzmanības punktiem, tāpat kā uz ko pievērstu uzmanību COO, novērtējot AI briedumu parāda skatu no citas perspektīvas uz to pašu organizāciju.
Ja divi entuziasti pierāda, ka kaut kas ir iespējams, jautājums, cik daudz no darba faktiski var pārņemt un kas to var izdarīt, paliek neatbildēts. Šis jautājums nav par gatavību, bet par pašu darbu: kuri uzdevumi ir piemēroti pārņemšanai ar AI un kāda daļa to aptver. Tieši tāpēc ir izveidots FTE TO AI darba skenējums — tas katram uzdevumam aprēķina, kādu daļu no darba var pārņemt, neatkarīgi no tā, kurš ar to jau tagad ar entuziasmu eksperimentē.
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.