Kennisbank

Kako priti od activation do naslednje ravni

Kaj je activation

Na ravni activation AI ni več zgolj na risalni deski. Obstajajo pilotni projekti, orodja se uporabljajo, nabralo se je izkušenj o tem, kaj deluje in kaj ne. To je raven, na kateri se večina organizacij zadrži dlje, kot je bilo načrtovano. Ne zato, ker se nič ne dogaja, ampak ker to, kar se dogaja, ostaja razdrobljeno. Ena ekipa dela z agenti, ki opravljajo delo, druga ekipa neodvisno od tega eksperimentira z jezikovnim modelom za besedilo, in nihče nima celovite slike o tem, kje se AI v organizaciji trenutno pravzaprav nahaja.

Activation je raven posamezne uporabe. Obstaja dokaz, da lahko deluje. Še ni strukture, ki bi ta dokaz naredila ponovljiv zunaj mesta, kjer je nastal.

Po čem prepoznate activation

Na tej ravni se pogosto pojavlja nekaj znakov skupaj. Obstaja vsaj ena uporaba, ki dokazljivo prinaša nekaj koristi, vendar vprašanje, zakaj se ne uporablja širše, ostaja neodgovorjeno. Obstaja proračun za eksperimente, a ni ustaljenega procesa za določanje, kateri eksperiment dobi nadaljevanje in kateri ne. Različni oddelki imajo vsak svojega ponudnika, svoj pristop, svojo definicijo uspeha. In ljudje, ki izvajajo pilotne projekte, pogosto niso isti ljudje, ki bi morali odločati o razširitvi.

Slednje je morda najbolj razvidna značilnost. Na ravni activation je znanje o tem, kaj deluje, pri izvajalcih. Odločitev o tem, kaj sledi, je na višji ravni. Med tema dvema pogosto ni stalne povezave.

V krogu izrisovanja meritve zrelosti je to raven, na kateri je razpon med ocenami največji. Vodja IT vidi napredek, ker sistemi delujejo. Direktor kadrovske službe vidi zastoj, ker ni politike o tem, kdo lahko dela s katerim orodjem. Obe opažanji sta pravilni. Le opisujeta drugo razsežnost.

Kaj mora biti vzpostavljeno za nadaljnji napredek

Korak od activation do insight ne zahteva več pilotnih projektov. Teh je običajno že dovolj. Korak zahteva nekaj, česar activation sam po sebi ne prinaša: način, kako pogledati preko posameznih uporab, jih medsebojno primerjati in na podlagi tega sprejeti odločitev.

To se začne pri temeljnih razsežnostih. Če organizacija nima skupne slike o tem, kdo o čem odloča, vsaka uporaba ostane osamljen otok. Če upravljanje podatkov ni urejeno, tega, kar deluje v enem pilotnem projektu, ni mogoče kar tako prenesti na drug oddelek, ker so osnovni podatki tam drugačni. In če se IT infrastruktura razlikuje po ekipah, združevanje posameznih pobud stane več, kot bi stalo, če bi začeli povsem na novo.

To je razlog, zakaj vrstni red sedmih razsežnosti ni naključen. Organizacija lahko doseže visoko oceno pri odvisni razsežnosti — na primer ekipa, ki je spretna z določenim orodjem — medtem ko temeljne razsežnosti pod njo še ne nosijo teže. Ta razlika je prav to, kar se na ravni activation pogosto spregleda: napredek, ki je viden, ne stoji vedno na temelju, ki omogoča nadaljnjo rast.

Insight je raven, na kateri te temeljne razsežnosti dejansko začnejo šteti. Ne ker se takrat nenadoma uporablja več AI, ampak ker takrat obstaja način za razpoznavanje, katero uporabo je mogoče ponoviti drugje in katera ostaja vezana na okoliščine ene ekipe. Kaj to v praksi zahteva, od merljivosti do skupnega preglega nad uporabami, je opisano na strani o tem, kako priti od insight do naslednje ravni.

Zakaj se activation ne razreši sam od sebe

Obstaja predpostavka, da več časa ali več proračuna samodejno razreši activation. To ne velja vedno. Organizacija lahko leta ostaja na ravni activation, z vedno novimi pilotnimi projekti, ki puščajo ista vprašanja neodgovorjena. Težava takrat ni pomanjkanje pobud. Je pomanjkanje strukture, ki pobude povezuje med seboj.

Ta struktura je na ravni activation drugačna kot na prejšnjih ravneh. Kdor želi izvedeti, kako je izgledala osnova, preden so obstajali eksperimenti, to najde na straneh o tem, kaj raven baseline pomeni v praksi in kaj raven foundation pomeni v praksi. Ta primerjava razkriva, da skok na activation zahteva predvsem pogum — nekaj preizkusiti — medtem ko naslednji skok zahteva nekaj drugega: preglед.

Pregled ne izhaja iz enega pilotnega projekta. Izhaja iz primerjave vsega, kar poteka vzporedno, in iz načina, kako videti, kje se to združuje v verige, v katerih si korake sledijo, namesto da bi ostajali ločeni drug ob drugem.

Kje se to prekriva z werkscan

Meritev zrelosti pokaže, ali je organizacija kot celota pripravljena nositi AI: ali temeljne razsežnosti stojijo pod posameznimi uporabami, ki že obstajajo. To vprašanje se razlikuje od vprašanja, kateri del dela je sam po sebi primeren za prevzem. Kdor na ravni activation predvsem obtiči pri vprašanju, katere naloge znotraj ekipe ali procesa so primerne za prenos na AI in v kolikšni meri, ta odgovor najde v werkscan podjetja FTE TO AI. Ta za vsako nalogo izračuna, kateri del dela lahko prevzame AI, in tako ponuja dopolnilno sliko poleg pripravljenosti, ki se ugotavlja tukaj.