Na poziomie insight zmieniło się coś, co wykracza poza pojedyncze eksperymenty. Organizacja rozumie nie tylko, że AI coś robi, ale również dlaczego działa w jednym miejscu, a w innym nie. Powstał język, w którym można prowadzić tę rozmowę: ludzie mówią o jakości danych, o odpowiedzialności za błędy, o tym, które procesy nadają się do automatyzacji, a które nie. To inna rozmowa niż rok wcześniej, gdy pytanie brzmiało głównie, czy pilotaż przynosi jakiś efekt.
Co charakteryzuje ten poziom: wgląd jest obecny, ale nie jest jeszcze zakotwiczony wszędzie w sposobie podejmowania decyzji. Jeden dział ma jasny obraz tego, jakich danych potrzebuje i jakich mu brakuje. Inny dział wciąż w dobrej wierze idzie za pilotażem, bez ustalenia, czy infrastruktura, na której się on opiera, wytrzyma. Insight nie jest więc równomierną warstwą rozłożoną na całą organizację. To raczej zbiór miejsc, w których zapaliło się światło, a między nimi wciąż są obszary pozostające w ciemności.
Krok do następnego poziomu, intelligence, wymaga, aby ten wgląd przełożył się na sterowanie. Nie incydentalnie — jako reakcja na problem, który się pojawia — lecz strukturalnie, jako część normalnego funkcjonowania organizacji. To dotyka tych samych fundamentalnych wymiarów, które były decydującym czynnikiem już na wcześniejszych poziomach: czy zarządzanie danymi jest tak zorganizowane, że decyzje oparte na wynikach AI można uzasadnić? Czy infrastruktura IT jest tak skonstruowana, że nowe zastosowania nie zaczynają wciąż od zera? Czy sama organizacja jest tak ukształtowana, że odpowiedzialność za procesy oparte na AI leży w konkretnym miejscu, a nie jest rozproszona po trochu wszędzie?
Na poziomie insight często widać, że te pytania zostały już postawione, ale odpowiedź różni się w zależności od wymiaru. Jeden wymiar jest już na tyle rozwinięty, że sterowanie jest możliwe; inny wciąż podąża za pojedynczymi inicjatywami. Ta różnica w tempie jest właśnie tym, co staje się widoczne w rozproszeniu podczas rundy plot: gdy kilka osób ocenia osobno, widać, że jeden respondent uznaje, że organizacja jest już daleko w zakresie zarządzania danymi, podczas gdy inny umieszcza ten sam wymiar wciąż na poziomie foundation. To rozproszenie nie jest szumem. Pokazuje, który wymiar zniesie uwagę najpierw, a który musi jeszcze poczekać.
Pokusa na tym poziomie polega na skierowaniu uwagi na wymiary najbardziej widoczne — często wymiary zależne, bliskie codziennej pracy. Ale wymiary fundamentalne mają pierwszeństwo. Jeśli zarządzanie danymi nie jest uporządkowane, każde sterowanie oparte na wynikach AI pozostaje niestabilne, niezależnie od tego, jak wiele wglądu już zbudowano. Jeśli infrastruktura IT jest rozdrobniona, każde zastosowanie pozostaje wyspą, nawet jeśli organizacja umie już dobrze o tym rozmawiać wewnętrznie.
To nie jest inna kolejność niż ta obowiązująca na wcześniejszych poziomach. To ta sama kolejność, ale w punkcie, w którym koszty jej pominięcia stają się bardziej widoczne. Na poziomach baseline i foundation brak fundamentu można było jeszcze ukryć za faktem, że działo się niewiele. Na poziomie insight dzieje się już więcej, co sprawia, że słaby fundamentalny wymiar szybciej daje się odczuć: sterowanie, które nie wytrzymuje, decyzje, których później nie można odtworzyć, zastosowania, które się zatrzymują, gdy przekraczają granicę jednego działu.
Przejście do intelligence nie jest kwestią stosowania większej ilości AI. Jest kwestią uporządkowania fundamentalnych wymiarów na tyle, aby wymiary zależne mogły na nich strukturalnie budować. To różni się znacznie w zależności od organizacji: jedna organizacja musi przede wszystkim skonsolidować swoje zarządzanie danymi, inna ma infrastrukturę IT, którą trzeba najpierw zintegrować, zanim będzie można sterować szerzej. To, co się okaże potrzebne, zależy od tego, gdzie rozproszenie w rundzie plot jest największe — to jest miejsce, na które czeka kolejny poziom.
Kto chce zajrzeć poza intelligence, znajdzie na stronie o poziomie następującym po intelligence opis tego, co powstaje, gdy sterowanie nie jest już tylko strukturalne, lecz samouczące się. Kto szuka rozpoznania na wcześniejszym etapie procesu, może przy activation przeczytać, jak wyglądała faza przed powstaniem wglądu, lub sprawdzić, co oznacza, gdy agenci wykonujący pracę zaczynają odgrywać rolę obok warstwy sterującej, którą buduje się na tym poziomie.
Insight mówi Panu/Pani, gdzie organizacja stoi w swojej zdolności do niesienia AI: które wymiary są solidne, a które wciąż są niepewne. To inne pytanie niż to, jaka część samej pracy jest faktycznie przekazywalna AI. Gdy strona nośna staje się wyraźniejsza, drugie pytanie staje się istotne: jaka część zadań w ramach procesu naprawdę daje się przejąć. Właśnie do tego służy skan pracy FTE TO AI — metoda obliczeniowa, która dla każdego zadania określa, jaka część pracy kwalifikuje się do przejęcia, tak aby rozmowa o intelligence nie dotyczyła tylko gotowości, ale również tego, co — gdy ta gotowość już istnieje — faktycznie można zyskać.
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.