Din cele șapte dimensiuni ale măsurării maturității, oameni și competențe este motivul cel mai frecvent menționat pentru care un proiect pilot de AI nu se dezvoltă în continuare. Nu pentru că oamenii nu ar vrea, ci pentru că a fi competent este altceva decât a avea cunoștințe. Cineva poate să știe ce este un model de limbaj și totuși să nu știe când poate avea încredere în rezultat. Această prăpastie dintre a ști și a putea aplica este exact ceea ce măsoară această dimensiune.
Dimensiunea este legată de alte dimensiuni fundamentale. Competențele se dezvoltă cu dificultate dacă organizația însăși nu este pregătită pentru a învăța cu AI, iar exersarea cu aplicații de AI funcționează prost dacă infrastructura IT nu oferă un mediu în care se poate experimenta în siguranță. Cei care se gândesc doar la bugetul de training pierd din vedere această ordine.
La nivelul de bază, un număr mic de persoane lucrează cu instrumente de AI din proprie inițiativă, în afara vederii organizației. Nu există o imagine comună despre ce funcționează și ce nu, iar ceea ce învață o persoană rămâne la acea persoană. Ce înseamnă nivelul de bază în practică nu este, prin urmare, lipsă de interes, ci absența structurii pentru a valorifica acel interes.
La nivelul foundation există o primă bază comună: un număr de persoane au dezvoltat competențe similare, a apărut un vocabular comun, iar experiențele izolate sunt împărtășite din când în când. Ce înseamnă nivelul foundation în practică este pasul de la utilizarea individuală către ceva care începe să se asemene cu o echipă care înțelege la fel.
La nivelul activation, oamenii aplică AI în mod structural în cadrul propriilor sarcini și recunosc unde este potrivit și unde nu. La nivelul insight, centrul de greutate se schimbă: oamenii nu pot doar să folosească AI, ci și să evalueze dacă un rezultat este corect și de ce. La nivelul intelligence, această evaluare nu mai este un pas separat, ci face parte din modul normal în care se desfășoară munca, răspândită în toată organizația, nu doar la câțiva pionieri.
La această dimensiune apare adesea cea mai mare diferență între ce notează un CIO și ce notează un lider de echipă. Un CIO vede training-urile care au fost organizate și consideră asta un progres. Un lider de echipă vede că acel training a schimbat puțin în modul în care se desfășoară efectiv munca și notează mai jos. Ambele observații sunt corecte; ele măsoară doar o parte diferită a aceleiași dimensiuni. Oferta și aplicarea nu sunt același lucru, iar runda de plotare scoate exact la iveală acest decalaj, în loc să-l estompeze prin mediere.
Avansarea cu un nivel la oameni și competențe nu depinde în primul rând de bugetul pentru cursuri. Depinde de repetiție: oameni care continuă să aplice AI pe muncă reală, nu pe exemple exersate. Depinde de timpul care este efectiv disponibil în plus față de sarcinile obișnuite, și nu doar alocat pe hârtie. Și depinde de un mediu în care a face greșeli în timpul învățării nu este un motiv pentru a reveni la vechiul mod de lucru.
În plus, acest pas depinde de faptul dacă competența este făcută vizibilă și partajată. Cineva care învață bine să verifice un rezultat de AI ajută organizația să avanseze doar dacă acel mod de lucru ajunge undeva de unde alții îl pot prelua. Fără acest mecanism, orice progres rămâne legat de o singură persoană și dispare de îndată ce acea persoană își schimbă funcția.
Acest lucru arată imediat de ce această dimensiune poate fi rareori remediată de una singură. Modul în care oamenii învață dacă cineva a performat bine, și dacă acea învățare este recunoscută și recompensată, este direct legat de cât de matur este managementul performanței. Iar competența se dezvoltă și mai lent dacă datele cu care exersează oamenii sunt nesigure, motiv pentru care această dimensiune este rareori independentă de cât de matur este managementul datelor.
Această dimensiune arată dacă oamenii dintr-o organizație sunt pregătiți să lucreze cu AI la un nivel adecvat ambiției. Ea nu arată ce parte dintr-o funcție specifică poate fi preluată de AI și ce parte trebuie să rămână la un om. Aceasta este o altă întrebare, care se răspunde per sarcină, nu per organizație. Scanarea de lucru de la FTE TO AI calculează ce parte din munca dintr-un rol este potrivită pentru a fi transferată către AI, sarcină cu sarcină. În timp ce această pagină descrie dacă oamenii sunt pregătiți să ghideze acel transfer, scanarea de lucru arată exact ce poate fi transferat — și aceasta devine o întrebare relevantă doar atunci când partea care primește, așa cum este descrisă aici, este la locul ei.
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.