Insight ir ceturtais no piecu līmeņiem, kurus izšķir hybridresourcing brieduma mērījums: baseline, foundation, activation, insight un intelligence. Organizācija šajā līmenī ir atstājusi atsevišķu eksperimentu fāzi. Dati, IT infrastruktūra un organizācijas struktūra vairs nav trīs atsevišķi jautājumi, bet sāk savstarpēji saskanēt. Tas satura ziņā atšķir šo līmeni no activation: nevis vairs pārbaudīt, vai kaut kas darbojas, bet redzēt, kāpēc tas darbojas un kur tas iestrēgst.
Insight līmenī pastāv izpratne par pašas datu plūsmām: kur informācija rodas, kur tā apkopojas un kur tā pazūd starp nodaļām. Šī izpratne nav nejauši pieejama vienam atsevišķam analītiķim, bet ir fiksēta tā, ka vairāki cilvēki var to skatīt un izmantot. IT infrastruktūra ir iekārtota tā, lai atbalstītu šīs datu plūsmas, nevis tās kavētu. Un organizācija ir sadalījusi lomas un pienākumus tā, ka lēmumi par AI lietojumiem vairs nav nejaušības vai atsevišķa entuziasta rokās.
Šo līmeni var atpazīt pēc tā, kādi jautājumi organizācijā tiek uzdoti. Nevis: vai varam to izmēģināt? Bet: kāpēc šis lietojums darbojas vienā nodaļā, bet nevis citā, un ko tas pasaka par mūsu datiem vai mūsu struktūru? Šo jautājumu var uzdot tikai tad, ja jau ir pietiekams pārskats par to, kas notiek. Šis pārskats ir tieši tas, ko insight pievieno iepriekšējiem līmeņiem.
Kas šajā līmenī parasti vēl trūkst, ir solis no izprašanas uz paredzēšanu. Insight sniedz izskaidrojumus pēc faktiem: kāpēc kāds pilotprojekts izdevās vai neizdevās, kāpēc viena komanda virzījās ātrāk nekā otra. Kā vēl nav, ir struktūra, kas iepriekš jau norāda, kur nākamais lietojums nostrādāsies vai ne. Tas atšķir insight no intelligence — līmeņa, kurā šī prognozējošā kārta jau ir klāt. Ko šis līmenis nozīmē praksē, ir aprakstīts lapā par intelligence līmeni.
Otrs risks šajā līmenī ir tas, ka izpratne palīek pie ierobežotas cilvēku grupas. Dati ir, infrastruktūra ir, bet, ja izpratne par to, ko šie dati nozīmē, netiek koplietota visā organizācijā, insight paliek trausls. Tiklīdz šī persona pamet organizāciju vai šī nodaļa tiek reorganizēta, līmenis krītas atpakaļ. Tas ir viens no iemesliem, kāpēc hybridresourcing mērījums nedarbojas ar vienu sarunu, bet ar plot-kārtu: vairāki cilvēki katrs atsevišķi vērtē septiņas dimensijas, un izkliede starp viņu atbildēm precīzi parāda, vai izpratne tiek koplietota visā organizācijā, vai tā balstās uz nelielu cilvēku pulciņu.
Insight līmenī izkliede starp vērtējumiem bieži ir interesantāka nekā vidējais līmenis pats par sevi. Organizācija var vidēji nokļūt insight līmenī, kamēr IT nodaļa uztver izpratni kā pamatīgu, bet operatīvās komandas to gandrīz nemaz nejūt. Šī plaisa ir tieši tas signāls, kas parāda, kur jāsākas nākamajam solim: nevis vairāk tehnoloģijās, bet koplietojot to, kas jau tiek saprasts. Tā kā fundamentālās dimensijas — organizācija, IT infrastruktūra, datu pārvaldība — nes atkarīgās dimensijas, nav jēgas sākt ar prognozējošiem lietojumiem, ja izpratne joprojām nav sasniegusi visas daļas.
Pāreja no insight uz intelligence neprasa jaunu datu apkopošanu, bet esošo izpratni pārvērst kaut kur, kas skatās uz priekšu, nevis atskatās atpakaļ. Tas ir citāds uzdevums nekā iepriekšējās pārejas: no baseline uz nākamo līmeni galvenokārt bija par struktūras izveidi, kur tās trūka, un no activation uz nākamo līmeni — par atsevišķu panākumu savienošanu. Insight gadījumā uzdevums ir citur: koplietotā izpratne, kas jau ir klāt, jāpārvērš sistēmā, kas iepriekš jau nosaka virzienu. Ko šī pāreja konkrēti prasa, ir aprakstīts lapā par soli no insight uz nākamo līmeni.
Hybridresourcing brieduma mērījums atbild uz citu jautājumu nekā tas, kas skar uzdevumus un stundas. Tas mēra, vai organizācija spēj nest AI: vai dati, infrastruktūra un organizācijas struktūra ir sagatavoti tam, kas nāk virsū. Organizācijai insight līmenī šis pamats lielākoties ir izveidots. Tas automātiski nenozīmē, ka ir skaidrs, kuru daļu no faktiskā darba AI patiešām var pārņemt — tas ir cits mērījums, ar citu skalu. Kas vēlas zināt, cik daudz no pašreizējā darba konkrēti var pārņemt, pa uzdevumiem un lomām, to atradīs FTE TO AI darba skenēšanā. Šī skenēšana aprēķina, kuru daļu no darba var pārņemt, ņemot vērā, cik lielā mērā organizācija tam saskaņā ar šo mērījumu jau ir sagatavota.
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.