Kennisbank

Jak daleko jest edukacja z dojrzałością AI

Organizacje edukacyjne różnią się od większości innych sektorów tym, że sama kluczowa działalność – nauczanie, prowadzenie, ocenianie – trudno oddzielić od ludzi, którzy ją wykonują. Tam gdzie fabryka czy sklep może przepisać procesy bez naruszenia tożsamości pracy, każda zmiana w szkole czy szkole wyższej szybko dotyka relacji między nauczycielem a uczniem. To nie sprawia, że sektor jest wolniejszy w technice, ale sprawia, że jest ostrożniejszy w pytaniu, co AI właściwie może robić, zanim mówi się o „przejmowaniu”.

Dodatkowo instytucje edukacyjne często składają się z wielu warstw, które nie mają tego samego tempa: zarząd, kilka lokalizacji lub wydziałów, oraz duża grupa nauczycieli z własnymi metodami pracy. Większość inicjatyw AI, które napotykamy, zaczyna się na jednej z tych warstw, bez uwzględnienia innych. Nauczyciel eksperymentuje z modelem językowym do udzielania informacji zwrotnej, podczas gdy dział IT nie ma wyobrażenia, jakie dane przy tym opuszczają budynek. Zarząd formułuje wizję AI, podczas gdy zarządzanie danymi systemów monitorowania uczniów wciąż opiera się na papierze lub osobnych arkuszach kalkulacyjnych. Ta niedopasowanie to nie kwestia niechęci, lecz kolejności.

Czemu piloty się zatrzymują

Członek zarządu, dyrektor operacyjny lub kierownik IT, który widzi, że piloty AI się zatrzymują, często rozpoznaje ten sam wzorzec: pilot działa sam w sobie, ale się nie skaluje. Rzadko wynika to z niedostatków technologii. Częściej brakuje jednej z fundamentalnych warstw potrzebnych do wsparcia pilota: struktury organizacyjnej, która może podejmować i przypisywać decyzje dotyczące AI, infrastruktury IT, która może bezpiecznie wdrażać nowe zastosowania, oraz zarządzania danymi, które jest w porządku, zanim model może z nimi zrobić coś sensownego. Tylko gdy te trzy elementy są na miejscu, ma sens patrzenie na warstwy zależne: jak ludzie z tym pracują, jaki wgląd to daje i jak inteligentnie organizacja z tym w końcu postępuje.

W edukacji odgrywa to silniejszą rolę niż gdzie indziej, ponieważ fundamentalne warstwy często wyrosły historycznie wokół wyborów pedagogicznych, nie technicznych. Administracja szkolna jest ukierunkowana na rozliczanie się przed inspekcją, nie na dane wielokrotnego użytku do zastosowań AI. Dział IT jest często mały i skoncentrowany na zarządzaniu, nie na integracji nowych systemów. To nie jest niedociągnięcie, to inny priorytet ustalony dekady temu, który teraz wpływa na to, jak szybko AI faktycznie się przyjmuje.

Co pokazuje pomiar dojrzałości

Pomiar hybridresourcing.com patrzy na siedem wymiarów, podzielonych na pięć poziomów od baseline do intelligence. Dla instytucji edukacyjnych zauważalne jest, że wynik w zakresie organizacji i zarządzania danymi często pozostaje w tyle za wynikiem w zakresie ambicji lub indywidualnych zastosowań. Regularnie jest już ktoś, kto pracuje z AI, czasem już na zaawansowanym poziomie, podczas gdy organizacja jako całość wciąż znajduje się na pierwszym poziomie pod względem podejmowania decyzji i organizacji danych. Ta rozpiętość staje się widoczna w rundzie wykresu, w której kilka osób w ramach tej samej instytucji ocenia się odrębnie. W organizacjach edukacyjnych ta rozpiętość jest często większa niż średnia, właśnie dlatego, że zarząd, IT i personel dydaktyczny rzadko pracują z tego samego obrazu.

Ta rozpiętość sama w sobie nie jest problemem. To informacja. Członek zarządu, który myśli, że organizacja jest gotowa na AI w dużej skali, oraz menedżer IT, który wie, że infrastruktura jeszcze tego nie wytrzyma, mają rację, każdy z własnej pozycji. Pomiar czyni tę różnicę wyraźną, tak aby rozmowa mogła dotyczyć tego, co musi być na miejscu najpierw, a nie tego, kto ma rację.

Kolejność, której nie da się obejść

Siedem wymiarów nie jest równoważnych w czasie. Organizacja, infrastruktura IT i zarządzanie danymi to wymiary, na których opierają się cztery pozostałe. Szkoła, która chce pracować nad wglądem lub inteligencją, gdy dane nie są w porządku, buduje na piasku. To dotyczy instytucji edukacyjnych tak samo, jak firm z handlu detalicznego, które borykają się z podobnymi zaległościami w zarządzaniu danymi lub branży gastronomicznej, gdzie struktury organizacyjne są często równie rozproszone między lokalami. Sektor się różni, kolejność nie.

To sprawia, że pytanie „jak daleko jesteśmy” staje się mniej pytaniem o wynik, a bardziej pytaniem o to, gdzie brakuje fundamentu. Instytucja, która na papierze ambitnie punktuje w zakresie użycia AI, ale nie ma wglądu we własną infrastrukturę IT, nie będzie w stanie zrealizować tej ambicji bez najpierw powrotu do podstaw. To pokazują również instytucje w sektorze ICT oraz w usługach finansowych: wysoka ambicja w wymiarach zależnych nie kompensuje słabego fundamentu.

Co następuje po pomiarze

Pomiar dojrzałości hybridresourcing.com jest w budowie. Kto chce wiedzieć, jak własna instytucja punktuje w siedmiu wymiarach i jak ten wynik odnosi się do wyników kolegów w tej samej organizacji, może zapisać się na listę oczekujących. Nie ma jeszcze narzędzia do użycia dzisiaj; jest natomiast wyraźny obraz tego, co pomiar przyniesie, gdy będzie dostępny.

Ta strona dotyczy pytania, czy organizacja edukacyjna może unieść AI: czy fundament jest na miejscu, zanim coś na nim zostanie zbudowane. Inne pytanie, które ma sens tylko po tym, to co AI może konkretnie przejąć w edukacji. Do tego służy skan pracy FTE TO AI: który dla każdego zadania wylicza, jaka część pracy nadaje się do przejęcia przez AI, niezależnie od tego, czy organizacja jako całość jest już na to gotowa. Kto łączy oba pytania, otrzymuje nie tylko wgląd w możliwości, ale również w kolejność, w jakiej mogą się one urzeczywistnić.