W niemal każdej organizacji eksperymentującej z AI w pewnym momencie powstaje ta sama grupa: dwie, może trzy osoby, które to rozumieją, które same zaczęły próbować, które z entuzjazmem opowiadają o tym, co jest możliwe. Budują prototyp, testują narzędzie, dzielą się wynikami na wewnętrznym czacie. Reszta organizacji patrzy, kiwa głową i kontynuuje pracę tak, jak zawsze.
Po kilku miesiącach jest lista interesujących eksperymentów i żadnej zmiany w tym, jak praca jest faktycznie wykonywana. Dwoje entuzjastów wciąż jest pełnych entuzjazmu. Wszyscy wokół nich się nie poruszyli.
Rozumowanie stojące za tym podejściem brzmi rozsądnie: zacznij od małej grupy, od ludzi, którzy są zmotywowani, i pozwól, żeby sukces sam się rozprzestrzenił. W przypadku niektórych zmian to faktycznie działa. Nowy sposób pracy, który wyraźnie oszczędza czas, czasami rozprzestrzenia się organicznie, ponieważ koledzy go przejmują.
W przypadku AI ten mechanizm zazwyczaj nie działa, a przyczyna nie leży w ludziach, lecz w organizacji wokół nich. Entuzjaści często mają dostęp do systemów, czasu i mandatu, którego inni nie mają. To, co dla nich jest kwestią wypróbowania czegoś w jedno popołudnie, dla kolegi bez takiego dostępu wymaga wniosku, zgody, zgłoszenia do IT. Entuzjazm nie jest problemem. Brak ścieżki, którą inni mogliby pójść, jest problemem.
Kolejność, w jakiej budowana jest gotowość na AI, nie zaczyna się od ludzi, którzy chcą. Zaczyna się od struktury, która to umożliwia: jak zorganizowana jest organizacja, jaka infrastruktura IT jest wdrożona, jak zarządzane są dane. Dwoje entuzjastów może pracować wokół tej struktury, z własnym dostępem, własnymi sztuczkami, własnymi obejściami. Reszta organizacji nie może tego zrobić, i nie powinna tego chcieć — obejścia nie są podstawą dla czegoś, co musi trwale działać.
To wyjaśnia, czemu ten wzorzec często powtarza się wraz z innymi znanymi pułapkami. Kto czyta o tym, co musi się okazać, zanim pilot do czegokolwiek doprowadzi, widzi podobny mechanizm: aktywność bez ustalenia, co znaczy sukces, pozostaje jedynie aktywnością. Przy dwóch entuzjastach takiego ustalenia również nie ma — ani co do tego, co musi się okazać, ani co do tego, kto po nich pójdzie dalej.
Jest kilka charakterystycznych sygnałów. Pierwszy to fakt, że te same dwa lub trzy nazwiska stale powracają, gdy mówi się o AI, na każdym spotkaniu, w każdej aktualizacji. Drugi to fakt, że pytania z innych działów zaczynają się od „jak oni to zrobili” zamiast od własnej drogi. Trzeci, i najbardziej niedoceniany, to fakt, że nikt nie umie wyjaśnić, co powinno się stać, gdyby jedna z tych dwóch osób odeszła jutro.
Czwarty sygnał jest bardziej subtelny: eksperyment pozostaje działać w swoim własnym kącie, oddzielony od resztki procesu. To wiąże się z tym, co dzieje się, gdy pilot poza własnym zespołem nie znajduje połączenia — entuzjazm bez połączenia z resztą organizacji pozostaje wyspą, jakkolwiek dobrze ta wyspa funkcjonuje.
Piąty sygnał, na koniec, to fakt, że skalowanie jest proponowane jako następny krok, podczas gdy nikt nie sprawdził, czy podstawa pod tym już stoi. To ryzyko opisane jest w tym, co dzieje się, gdy próbuje się skalować, zanim podstawa jest gotowa: dwoje entuzjastów, którzy chcą pomnożyć swój własny sukces na dziesięć zespołów, grzęźnie w miejscu na dokładnie tej strukturze, którą sami obeszli.
Łatwo jest dojść do wniosku, że potrzeba więcej entuzjastów, lepszego szkolenia albo programu kulturowego. To mija się z sednem. Pytanie nie brzmi, czy jest wystarczająco dużo zaangażowanych ludzi — często już są dwoje, i to jest właśnie problem, bo dwoje to nie struktura. Pytanie brzmi, czy organizacja jako całość — w tym, jak jest zorganizowana, jak systemy się ze sobą komunikują, jak dane są dostępne i wiarygodne — może udźwignąć sytuację, w której nie dwoje, a wiele więcej ludzi może pracować z AI. To inne pytanie niż to, kto jest entuzjastą, i to jest pytanie, na które trzeba odpowiedzieć najpierw.
Dla kogoś, kto na kierowniczej pozycji napotyka ten wzorzec, przydatne jest wiedzieć, na co zwróciłaby uwagę osoba na porównywalnej pozycji: na co zwróciłby uwagę CEO przy ocenie gotowości do AI opisuje kilka takich punktów uwagi, podobnie jak spojrzenie na co zwróciłby uwagę COO przy gotowości do AI z innej perspektywy na tę samą organizację.
Jeśli dwoje entuzjastów wykaże, że coś jest możliwe, pytanie o to, jaka część pracy faktycznie może zostać przejęta i przez kogo, pozostaje bez odpowiedzi. To pytanie nie leży w obszarze gotowości, lecz w samej pracy: które zadania nadają się do przejęcia przez AI i jaką część to obejmuje. To właśnie do tego służy skan pracy FTE TO AI — który dla każdego zadania oblicza, jaką część pracy można przejąć, niezależnie od tego, kto już z entuzjazmem z tym eksperymentuje.
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.