Poziom bazowy to poziom, na którym zaczyna większość organizacji. Korzystanie z AI już istnieje, ale opiera się na indywidualnych osobach: kimś z działu IT, kto eksperymentuje z modelem językowym, marketerze, który generuje teksty, jednym menedżerze, który pyta, czy proces może przebiegać szybciej. Nie istnieje wspólne podejście, wspólny obraz tego, co działa, ani struktura, która utrzymuje to, co zostało poznane. Jeśli ta osoba odchodzi lub trafia do innego projektu, wiedza znika wraz z nią.
Na poziomie bazowym nie brakuje chęci, lecz fundamentu. Siedem wymiarów, które wyróżnia pomiar dojrzałości — w tym organizacja, infrastruktura IT i zarządzanie danymi — na tym poziomie są jeszcze rozłączne albo niemal nie zostały wypełnione. To nie jest niedociągnięcie; to stan, w jakim znajduje się organizacja, zanim zaczęła budować w sposób świadomy.
Kilka sygnałów powraca na poziomie bazowym niezmiennie. Nie istnieje przegląd tego, gdzie AI jest już wykorzystywana w organizacji, nie mówiąc już o wspólnym obrazie tego, co to wykorzystanie przynosi. Decyzje dotyczące AI podejmowane są tam, gdzie przypadkowo powstaje pytanie, a nie na podstawie rozważań dotyczących całej organizacji. Dane są rozproszone w systemach, które nie komunikują się ze sobą, co spowalnia każdy krok w stronę czegoś strukturalnego. I nie istnieje wspólny język: to, co jeden dział nazywa AI, dla drugiego jest czymś innym.
Runda ustalania pozycji w ramach pomiaru dojrzałości często ukazuje to, zanim istnieją na to słowa. Kiedy kilka osób z tej samej organizacji ocenia sytuację niezależnie od siebie, na poziomie bazowym często widać duże rozproszenie: jeden respondent widzi postęp, którego drugi nie zauważa. To rozproszenie samo w sobie jest sygnałem. Pokazuje, że nie istnieje jeszcze wspólny obraz tego, gdzie organizacja się znajduje, i to jest właśnie to, co charakteryzuje poziom bazowy.
Droga od poziomu bazowego do następnego poziomu nie zaczyna się od nowego zastosowania, lecz od fundamentalnych wymiarów. Organizacja, infrastruktura IT i zarządzanie danymi mają pierwszeństwo przed wymiarami, które od nich zależą. To nie jest preferencja, to jest kolejność, w jakiej to działa: organizacja, która chce coś zbudować na AI, bez uporządkowanych danych lub bez jasności co do tego, kto o czym decyduje, buduje na piasku.
Konkretnie oznacza to, że najpierw musi powstać przegląd. Kto w organizacji już robi coś z AI i na podstawie jakich danych? Gdzie znajdują się dane istotne dla tych zastosowań i są one wystarczająco dostępne i wiarygodne, aby na nich budować? Czy istnieje osoba lub grupa, która ponosi odpowiedzialność za decyzje dotyczące AI, czy dzieje się to jeszcze przypadkowo? Te pytania wydają się skromne, ale są właśnie tym, na czym koncentrują się fundamentalne wymiary.
Wymiary zależne — te, które dotyczą tego, jak AI wpływa na samą pracę — pojawiają się później. Na poziomie bazowym jest jeszcze za wcześnie, aby powiedzieć na ten temat coś rozsądnego, ponieważ brakuje fundamentu, na którym te wymiary mogłyby się opierać.
Przejście do foundation nie wymaga, aby wszystko było uporządkowane jednocześnie. Wymaga, aby organizacja przestała traktować korzystanie z AI jako coś, co powstaje przypadkowo u poszczególnych osób, i zaczęła ustalać to, co istnieje: jakie dane istnieją, kto o czym decyduje, jakie systemy muszą móc się ze sobą komunikować. To jest w mniejszym stopniu ścieżka techniczna, a bardziej ścieżka organizacyjna. Technika zwykle następuje, gdy struktura już istnieje.
Jest to również ścieżka wymagająca czasu, a jej długość zależy od tego, ile już nieformalnie istnieje. Organizacja, w której jeden dział już od pewnego czasu świadomie pracuje z danymi, ma krótszą drogę do przejścia niż organizacja, w której to nigdzie nie ma miejsca. To, co jest dokładnie potrzebne, aby przejść dalej od foundation, i które wymiary wymagają w tym pierwszej uwagi, opisane jest na stronie, która wyjaśnia jak przejść od foundation do następnego poziomu. Dalej w tej serii, dla organizacji, które są już bardziej zaawansowane, opisane jest również jak activation odnosi się do następnego poziomu oraz czego wymaga insight, aby rozwinąć się do intelligence.
Poziom bazowy nie mówi nic o ambicji organizacji ani nic o jakości ludzi, którzy w niej pracują. Mówi coś o stanie fundamentu w danym momencie. Organizacje, które poważnie mapują ten poziom, często odkrywają, że jest już obecne więcej, niż myślano — pojedyncze inicjatywy, dane, które są gdzieś jednak prowadzone, ludzie, którzy myślą już dalej niż wymaga tego ich funkcja. Pomiar dojrzałości łączy to w obraz, na którym można zbudować następny krok, bez wypełniania tego obrazu radą, która nie odpowiada organizacji.
Ta strona dotyczy gotowości: tego, co musi być na miejscu, zanim AI może otrzymać strukturalne miejsce. To jest inne pytanie niż to, jaką część pracy AI może faktycznie wykonać. Gdy fundament zaczyna nabierać formy, to drugie pytanie staje się istotne, i to jest właśnie to, do czego odnosi się skan pracy FTE TO AI: oblicza on dla każdego zadania, jaką część pracy można przejąć przez AI, na podstawie zadań tak, jak są obecnie wykonywane. Kto chce wiedzieć, co AI może przejąć, gdy organizacja jest na to gotowa, znajdzie to tam — w tym jak to się różni, gdy chodzi o agentów wykonujących pracę samodzielnie lub o łańcuchy, w których poszczególne kroki następują po sobie.
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.