Managementul performanței este dimensiunea care măsoară dacă o organizație vede ce randament oferă AI, și dacă acea informație ajunge undeva. Nu dacă există un tablou de bord, ci dacă cineva se uită la ceea ce schimbă o aplicație AI în ceea ce privește timpul de execuție, calitatea sau marja de eroare, și dacă acel rezultat influențează următoarea decizie. Un nivel mai sus nu costă o sumă fixă, pentru că distanța dintre niveluri diferă de la o organizație la alta. O organizație care încă nu măsoară nimic trebuie să pună la punct altceva decât o organizație care măsoară deja, dar nu folosește rezultatele nicăieri. Ce este sigur: costurile se află rareori în software. Ele se află în timp, repetiție și disponibilitatea de a lua rezultatele în serios, chiar și atunci când sunt sub expectații.
Dimensiunea urmărește trei lucruri. În primul rând, dacă este definit un rezultat înainte ca o aplicație AI să înceapă — ce trebuie să se îmbunătățească și cum se poate observa asta. În al doilea rând, dacă acel rezultat este efectiv măsurat după un timp, în loc să fie presupus. În al treilea rând, dacă măsurarea are o consecință: este o aplicație ajustată, extinsă sau întreruptă pe baza a ceea ce s-a măsurat, sau rezultatul rămâne o cifră într-un raport pe care nimeni nu îl mai deschide. Multe organizații obțin un scor scăzut nu pentru că nu măsoară, ci pentru că măsurarea nu are un loc într-o decizie.
La nivelul baseline nu există o descriere a ceea ce înseamnă succesul înainte ca o aplicație AI să înceapă. Se verifică ulterior dacă ceva „s-a simțit mai bine”, fără un etalon fix. Ce înseamnă asta în practică pentru o organizație aflată la acest nivel este descris pe pagina despre ce înseamnă nivelul baseline în practică.
La nivelul foundation există un rezultat definit, dar măsurarea se face o singură dată sau întâmplător. Cineva verifică după câteva săptămâni dacă funcționează, dar nu există repetiție și nici o formă fixă. Pagina despre ce înseamnă nivelul foundation în practică arată cum se distinge această situație de baseline și de nivelul următor.
Începând cu activation, măsurarea devine un obicei în loc de o excepție: același etalon este reexaminat la momente fixe. La insight, acest rezultat este legat de o decizie — o aplicație care nu livrează ceea ce s-a preconizat este ajustată sau întreruptă. La intelligence, măsurarea este integrată într-un ritm mai larg: performanțele aplicațiilor AI sunt puse una lângă alta și comparate, astfel încât organizația învață ce tip de aplicație funcționează și ce tip nu.
Managementul performanței depinde de dimensiunile care sunt anterioare în ordine. Fără o organizație care știe cine este responsabil pentru un rezultat, o măsurare rămâne o cifră fără proprietar — asta începe cu întrebarea cât de matură este organizația în privința AI, la care se răspunde prin dimensiunea organizației. Fără o infrastructură care face posibilă înregistrarea datelor despre utilizare și rezultat, nu există nimic de măsurat — vezi dimensiunea infrastructurii IT. Și fără un management al datelor care determină care date sunt suficient de fiabile pentru a te baza pe ele, o măsurare poate produce o cifră, dar niciun reper — vezi dimensiunea managementului datelor. Cine dorește să facă managementul performanței să crească fără să aibă aceste fundamente în ordine măsoară ceva, dar nu ceva pe care se poate construi.
Pasul de la baseline la foundation cere mai ales un acord: definiți, înainte ca o aplicație să înceapă, ce înseamnă succesul, și consemnați asta undeva unde poate fi găsit mai târziu. Aceasta nu este o investiție în tehnologie, ci în obicei.
Pasul de la foundation la activation cere repetiție: aceeași măsură revenind la momente fixe, în loc de o privire unică. Asta necesită timpul unei persoane care pune acest lucru pe agendă și continuă să întrebe despre el.
Pasul către insight cere ceva mai dificil: disponibilitatea de a retrage sau ajusta o aplicație dacă măsurarea este sub expectații, chiar și atunci când s-a investit deja în ea. Aceasta este mai puțin o chestiune de cost, cât una de cultură.
Pasul către intelligence cere, în final, o comparație între aplicații, astfel încât organizația nu învață de la caz la caz, ci vede tipare. Asta necesită un loc fix unde se face această comparație, și persoane care primesc timp pentru asta.
Măsurarea maturității de la hybridresourcing arată dacă o organizație este capabilă să susțină ceea ce randament oferă AI — dacă fundamentele sunt puse, și dacă managementul performanței poate construi pe ele. Nu spune nimic despre care sarcini din cadrul muncii înseși sunt potrivite pentru a fi transferate către AI, și în ce măsură. Acea întrebare este răspunsă de scanul de muncă al FTE TO AI, care calculează pentru fiecare sarcină ce parte din ea poate fi transferată către AI. Cine știe deja unde se situează organizația pe această dimensiune are astfel și un indiciu dacă rezultatele unui astfel de scan de muncă vor ajunge undeva, sau vor disparea într-un raport pe care nimeni nu îl mai deschide.
Măsurarea maturității, cu runda plot în care mai multe persoane notează separat și se face vizibilă dispersia dintre răspunsurile lor, este încă în dezvoltare. Cine dorește să folosească măsurarea de imediat ce va fi disponibilă se poate înscrie pe lista de așteptare.
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.