Lēmumu atbalsts ir punkts, kurā AI nevis tikai ģenerē tekstu, bet iesaistās izvēlē, ko kāds gatavojas pieņemt. Kredītriska novērtējums, potenciālo klientu prioritizēšana, ieteikums par personāla nodrošinājumu, signāls par to, ka līgums atšķiras no normas. Zem tērzēšanas loga tad vairs nav sarunas, bet gan aprēķina, kas ir balstīts uz kaut ko, un tieši šis pamats ir izšķirošais.
Tērzēšanas logs, kas atbild uz jautājumiem, strādā ar to, kas ir pašā sarunā. Lēmumu atbalsts strādā ar to, kas atrodas organizācijā: dati no sistēmām, iepriekšējo lēmumu vēsture, noteikumi, kas dažkārt ir skaidri fiksēti un dažkārt pastāv vien pieredzējušu darbinieku galvās. Modelim jāspēj sasniegt šos avotus, tos kombinēt un tos izvērtēt. Tas prasa citu infrastruktūru nekā atsevišķs teksta rīks. Tas arī prasa, lai kāds organizācijā spētu paskaidrot, kāpēc rezultāts izveidojies tā, kā izveidojies, ne tikai kāds šis rezultāts ir.
Lēmumu atbalsts balstās uz trim lietām, kas bieži vien vēl nav pilnībā izveidotas. Pirmkārt, datu vide, kurā nepieciešamie dati ir uzticami un aktuāli pieejami — nevis izkaisīti pa izklājlapām, kas atšķiras katrā nodaļā. Otrkārt, organizācija, kas zina, kurš par ko turpina atbildēt: modeļa ieteikums neaizstāj lēmumu pieņēmēju, bet uz jautājumu, kurš ieteikumu neievēro un kāpēc, kādam jāspēj atbildēt. Treškārt, IT infrastruktūra, kas var nodrošināt, ka sensitīvi dati nesniedzas tālāk, nekā paredzēts.
Šie trīs punkti nav priekšnoteikumi, ko sakārto pēc tam. Tie nosaka, vai lēmumu atbalsts nes rezultātu vai kļūst vien par jaunu nenoteiktības avotu. Organizācija, kurai dati nav sakārtoti, no modeļa nesaņem labākus lēmumus — tā ātrāk saņem kļūdainus.
Lēmumu atbalsts bieži tiek veidots, papildinot darbu, kas jau notiek citur. Monitorings un signalizēšana parāda, kad kaut kas atšķiras no parauga; lēmumu atbalsts sper soli tālāk un izsver, ko šī atšķirība nozīmē izvēlei, kas ir jāpieņem. Arī dokumentu lasīšana un apkopošana var nodrošināt ievadu lēmumam, bet pati par sevi nesniedz ieteikumu — tā sniedz pārskatu. Lēmumu atbalsts tam pievieno izvērtējuma slāni, un šis slānis no organizācijas prasa vairāk nekā vien piekļuvi tekstam.
Lēmumu atbalsts reti skar tikai vienu nodaļu. Ieteikums par krājumu līmeņiem skar iepirkumu un logistiku; ieteikums par personāla izvietojumu skar personāla nodaļu un tiešo vadītāju. Tas nozīmē, ka koordinācijai starp nodaļām jāaugtu līdzi ambīcijām: kam ieteikums nonāk, tam jāzina, pie kā tas nonāks tālāk, ja ieteikums tiks ignorēts vai, tieši pretēji, ievērots. Bez šādas saskaņošanas rodas situācija, kurā modelis gan sniedz rezultātu, bet neviens nezina, kam ar to jāstrādā tālāk.
Lēmumu atbalsts nav orākuls un nav atbildības aizstājējs. Modelis sniedz novērtējumu, kas balstīts uz pieejamo datu paraugiem; tam nav pieejama konteksta, kas dažkārt ir pieredzējušam darbiniekam, un tas var kļūdainus vai novecojušus datus pasniegt tikpat pārliecinoši kā korektus. Kas ievieš lēmumu atbalstu, neparedzot veidu, kā uzraudzīt pamatā esošo datu kvalitāti, būvē uz kūdras, kas izskatās stabila.
Tas arī nav galapunkts. Lēmumu atbalsts, kas pastāv pats par sevi, sniedz ieteikumu, ko kādam vēl manuāli jāpārceļ uz nākamo sistēmu. Tiklīdz šī pārcelšana pati kļūst automatizēta, rodas soļu ķēde, kas seko cita citai, un tas savukārt prasa citus drošības mehānismus — kas attiecas uz kļūdu apstrādi, uz to, kurš iejaucas, ja kāds solis noiet greizi. Ko tas prasa no organizācijas, ir aprakstīts pie ķēdēm, kurās soļi seko cits citam. Arī jautājums par to, vai AI ieteikumu ne tikai sniedz, bet arī izpilda, ietilpst šajā sarakstā; tā ir aģentu, kas veic darbu, joma, ar savu prasību kopumu attiecībā uz kontroli un uzraudzību.
Tas, vai organizācija ir gatava lēmumu atbalstam, ir atkarīgs no tā, cik tālu ir attīstītas fundamentālās dimensijas: vai datu infrastruktūra ir pietiekami nobriedusi, vai lēmumu pieņemšanas pārvaldība ir skaidra, vai ir noteikts, kurš par ko atbild. Tieši šos jautājumus apzina hybridresourcing.com brieduma mērījums, vairākos līmeņos un ar vairākiem vērtētājiem vienlaicīgi, tā parādot, kur organizācija to redz tā, kā tas ir, un kur priekšstati atšķiras.
Jautājums, vai organizācija spēj uzņemt AI, ir cits jautājums nekā tas, kuru darba daļu AI var pārņemt. Kas vēlas zināt, kuru daļu no konkrēta uzdevuma — ieteikuma sagatavošanas, scenāriju izrēķināšanas, lēmuma sagatavošanas — var apsvērt pārņemšanai, to atradīs FTE TO AI darba skenējumā. Tas katram uzdevumam aprēķina, kuru darba daļu AI spēj paveikt, neatkarīgi no tā, vai organizācija tam jau ir sagatavota. Šie divi jautājumi ir saistīti, bet tie nav viens un tas pats jautājums.
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.