Okno czatu, w którym ktoś zadaje pytanie i otrzymuje odpowiedź, wygląda prosto. To, co musi się dziać pod spodem, nie jest proste. Wsparcie decyzyjne z AI oznacza, że system łączy dane z wielu źródeł, umieszcza je w odpowiednim kontekście i formułuje odpowiedź, na podstawie której ktoś odważy się działać. Każdy krok w tym łańcuchu stawia organizacji wymaganie, które wyprzedza pytanie, jaki model lub jaka platforma zostanie wybrana.
Model wspierający decyzje jest tak dobry, jak dane, które otrzymuje do wglądu. To oznacza, że liczby z różnych systemów muszą stosować tę samą definicję, że dane historyczne muszą być dostępne bez konieczności ich wcześniejszego ręcznego eksportowania, oraz że musi być jasne, które źródło jest rozstrzygające, gdy dwa systemy zaprzeczają sobie nawzajem. Organizacje, które nie mają tego jeszcze na porządku, zauważają to dopiero w momencie, gdy odpowiedź systemu nie zgadza się z tym, co ludzie na hali produkcyjnej już wiedzieli.
Wsparcie decyzyjne znajduje się często na styku wielu działów: w momencie, gdy informacja musi przejść z jednego miejsca do drugiego, aby wynikła z tego dobra decyzja. To sprawia, że istotne jest, jak koordynacja między działami działa w Państwa organizacji, ponieważ system, który wydaje rekomendację, która następnie zalega między dwoma działami, niczego nie przyniósł. Ta sama logika dotyczy źródeł, z których zasilana jest rekomendacja: jeśli te źródła składają się z dokumentów, które trzeba najpierw przeczytać i podsumować, zanim można z nimi coś zrobić, to pytanie czego wymaga czytanie i podsumowywanie dokumentów od organizacji ma bezpośredni wpływ na szybkość i wiarygodność rekomendacji, która z tego wynika.
Część wsparcia decyzyjnego nie polega na odpowiadaniu na pytanie, które ktoś aktywnie zadaje, lecz na sygnalizowaniu czegoś, co zasługuje na uwagę, zanim ktoś o to zapyta. To stawia inne wymagania niż okno czatu: musi istnieć coś, co nieustannie obserwuje, rozpoznaje wartości progowe i odróżnia szum od sygnału, który naprawdę ma znaczenie. To, czego to wymaga od monitorowania i sygnalizowania, jest pytaniem, na które trzeba odpowiedzieć osobno, a kto chce wiedzieć, czego wymaga monitorowanie i sygnalizowanie od organizacji, zauważa, że nie chodzi tylko o technologię, ale też o to, kto odbiera sygnały i co się z nimi dzieje.
Wiele decyzji jest przygotowywanych w rozmowach: z klientami, z dostawcami, między współpracownikami. Jeśli te rozmowy nie są rejestrowane w sposób, który umożliwia ich ponowne wykorzystanie, system, który ma wspierać decyzję, traci dokładnie ten materiał, który stanowił jej podłoże. To ukazuje, czego rejestrowanie i śledzenie rozmów wymaga od organizacji, temat, który bezpośrednio dotyka pytania, czy wsparcie decyzyjne może budować na czymś, czy na niczym. Kto chce dowiedzieć się więcej o tym, czego wymaga rejestrowanie i śledzenie rozmów, widzi związek z jakością każdej rekomendacji, która później zostanie wywiedziona z tych rozmów.
Nie jest niczym niezwykłym, że jeden zespół, z jednym zbiorem danych i jednym przypadkiem użycia, prezentuje działającą wersję wsparcia decyzyjnego. To dowodzi, że jest to możliwe, nie że jest to możliwe w skali całej organizacji. Gdy drugi dział, z innymi systemami, innymi właścicielami danych i innymi definicjami, chce się przyłączyć, często okazuje się, że pierwsza wersja była skrojona na miarę dokładnie dla tego jednego zespołu. Dlaczego pilotaż, który działa jedynie w swoim zakątku, niczego nie przynosi, nie jest więc kwestią zawodzącej techniki, lecz fundamentu, który nigdy nie został zaplanowany szerzej. Dla kogo chce przeczytać więcej na ten temat: dlaczego pilotaż, który działa jedynie w swoim zakątku, niczego nie przynosi wyjaśnia, czego brakuje między demonstracją a zastosowaniem w skali całej organizacji.
System może wydać najlepiej uzasadnioną rekomendację i mimo to niczego nie zmienić, jeśli nikt nie nosi odpowiedzialności za pracę z nią. To punkt organizacyjny, nie techniczny: kto jest właścicielem rekomendacji, kto ocenia, czy jest ona realizowana, i kto wyjaśnia, dlaczego raz nie została zrealizowana. Bez tego właściciela wsparcie decyzyjne wpada do kategorii interesujących eksperymentów. Dlaczego demonstracja bez właściciela niczego nie przynosi, wiąże się z tym samym punktem, a kto chce śledzić precyzyjne rozumowanie, może je znaleźć na dlaczego demonstracja bez właściciela niczego nie przynosi.
Wymagania, jakie stawia wsparcie decyzyjne, dotyczą w dużej mierze tego, co musi już być na miejscu, zanim okno czatu może zrobić coś sensownego: czyste i dostępne dane, działające przekazywanie informacji między działami, ustrukturyzowane rejestrowanie rozmów i dokumentów oraz jasny właściciel tego, co system dostarcza. To jest właśnie powód, dla którego pomiar zaawansowania hybridresourcing przygląda się najpierw fundamentalnym wymiarom, zanim zajmie się zależnymi: organizacja, infrastruktura IT i zarządzanie danymi decydują o tym, czy istnieje na czym budować wsparcie decyzyjne.
Pytanie, czy organizacja jest w stanie to unieść, jest oddzielone od pytania, jaka część pracy może faktycznie zostać przejęta przez AI. To drugie wylicza skan pracy FTE TO AI dla każdego zadania: jaka część pracy może zostać przejęta i pod jakimi warunkami. Tam, gdzie ta strona opisuje, co musi być na miejscu, aby wsparcie decyzyjne mogło funkcjonować, skan pracy opisuje, co, gdy ta podstawa już istnieje, konkretnie się zmienia w samej pracy.
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.