Organizațiile din educație diferă de majoritatea celorlalte sectoare prin faptul că activitatea de bază – predarea, îndrumarea, evaluarea – nu se poate separa cu ușurință de oamenii care o desfășoară. În timp ce o fabrică sau un magazin poate rescrie procese fără a afecta identitatea muncii, orice schimbare într-o școală sau într-o instituție de învățământ superior afectează rapid relația dintre profesor și student. Acest lucru nu face sectorul mai lent în privința tehnologiei, dar îl face mai prudent în privința întrebării ce poate face AI de fapt, înainte de a se vorbi despre „preluare”.
La aceasta se adaugă faptul că instituțiile de învățământ constau frecvent din mai multe niveluri care nu au aceeași viteză: o conducere, un număr de locații sau facultăți, și un grup mare de profesori cu propriile metode de lucru. Cea mai mare parte a inițiativelor AI pe care le întâlnim începe la unul dintre aceste niveluri fără ca celelalte niveluri să fie implicate. Un profesor experimentează cu un model de limbaj pentru feedback, în timp ce departamentul IT nu are o imagine clară despre ce date ies din clădire în acest proces. O conducere formulează o viziune privind AI, în timp ce managementul datelor din sistemele de urmărire a elevilor se bazează încă pe hârtie sau pe foi de calcul separate. Această nepotrivire nu este o chestiune de rea-voință, ci de ordine.
Un membru al consiliului de conducere, un director de operațiuni sau un șef IT care vede pilotările AI blocându-se recunoaște frecvent același model: pilotarea funcționează în sine, dar nu se poate extinde. Acest lucru se datorează rareori faptului că tehnologia este insuficientă. Mai des lipsește unul dintre nivelurile fundamentale necesare pentru a susține o pilotare: o structură organizațională care poate lua și atribui decizii privind AI, o infrastructură IT care poate integra în siguranță aplicații noi, și un management al datelor care este în ordine înainte ca un model să poată face ceva sensibil cu acestea. Doar când aceste trei sunt în picioare, are sens să se analizeze nivelurile dependente: modul în care oamenii lucrează cu acestea, ce perspective oferă și cât de inteligent gestionează organizația acest lucru în cele din urmă.
În educație, această problemă este mai pronunțată decât în alte domenii, pentru că nivelurile fundamentale s-au dezvoltat de-a lungul timpului în jurul unor alegeri pedagogice, nu tehnice. Administrația unei școli este orientată spre raportarea către inspectorat, nu spre date reutilizabile pentru aplicații AI. Un departament IT este frecvent mic și orientat spre gestionare, nu spre integrarea unor sisteme noi. Aceasta nu este o deficiență, ci o prioritate diferită stabilită acum decenii, care influențează astăzi cât de rapid se implementează cu adevărat AI.
Măsurarea realizată de hybridresourcing analizează șapte dimensiuni, împărțite pe cinci niveluri, de la baseline la intelligence. Pentru instituțiile de învățământ este vizibil că scorul privind organizarea și managementul datelor rămâne frecvent în urma scorului privind ambiția sau aplicațiile individuale. Există periodic cineva care lucrează deja cu AI, câteodată chiar la un nivel avansat, în timp ce organizația în ansamblu se află încă la primul nivel în privința luării deciziilor și a structurării datelor. Această dispersie devine vizibilă în runda de plotare, în care mai multe persoane din aceeași instituție obțin scoruri separate. La organizațiile din educație, această dispersie este frecvent mai mare decât media, exact pentru că conducerea, IT-ul și personalul didactic lucrează rareori pe baza aceleiași imagini.
Această dispersie nu este în sine o problemă. Este informație. Un conducător care crede că organizația este pregătită pentru AI la scară largă, și un manager IT care știe că infrastructura încă nu poate face față acestui lucru, au amândoi dreptate din poziția lor proprie. Măsurarea face această diferență explicită, astfel încât discuția se poate purta despre ce trebuie să existe mai întâi, în loc de cine are dreptate.
Cele șapte dimensiuni nu sunt echivalente în timp. Organizarea, infrastructura IT și managementul datelor sunt dimensiunile pe care se sprijină celelalte patru. O școală care dorește să lucreze la perspective sau inteligență fără ca datele să fie în ordine construiește pe nisip mișcător. Acest lucru este valabil pentru instituțiile de învățământ la fel de mult ca pentru companiile din comerțul cu amănuntul care se confruntă cu întârzieri similare în managementul datelor sau pentru sectorul HoReCa, unde structurile organizaționale sunt frecvent la fel de fragmentate pe locații. Sectorul diferă, ordinea nu.
Acest lucru face ca întrebarea „cât de avansați suntem” să fie mai puțin o întrebare despre un scor și mai mult o întrebare despre unde lipsește fundația. O instituție care, pe hârtie, obține scoruri ambițioase privind utilizarea AI, dar nu are o imagine clară asupra propriei infrastructuri IT, nu va putea realiza această ambiție fără a se întoarce mai întâi la bază. Acest lucru este demonstrat și de instituțiile din sectorul IT și din serviciile financiare: o ambiție ridicată pe dimensiunile dependente nu compensează o fundație slabă.
Măsurarea maturității realizată de hybridresourcing este în curs de dezvoltare. Cei care doresc să știe cum se clasifică propria instituție pe cele șapte dimensiuni, și cum se raportează acest scor la cel al colegilor din cadrul aceleiași organizații, se pot înscrie pe lista de așteptare. Nu există încă un instrument utilizabil astăzi; există însă o imagine clară asupra a ceea ce va oferi măsurarea odată disponibilă.
Această pagină abordează întrebarea dacă o organizație din educație poate susține AI: dacă fundația există înainte de a construi ceva pe ea. O altă întrebare, care devine relevantă doar după aceea, este ce poate prelua AI în mod concret în cadrul educației. Pentru aceasta este destinat scanul de lucru al FTE TO AI: acesta calculează, pe sarcină, ce parte din muncă se pretează a fi preluată de AI, independent de întrebarea dacă organizația în ansamblu este deja pregătită pentru acest lucru. Cei care combină ambele întrebări obțin nu doar o imagine asupra posibilităților, ci și asupra ordinii în care acestea pot deveni realitate.
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.