Baseline je nivo, na katerem začne večina organizacij. Uporaba AI obstaja, vendar temelji na posameznikih: nekdo na IT-oddelku, ki eksperimentira z jezikovnim modelom, tržnik, ki ustvarja besedilo, posamezen vodja, ki vpraša, ali je proces mogoče izvesti hitreje. Ni skupnega pristopa, ni skupne slike o tem, kaj deluje, in ni strukture, ki bi ohranila naučeno. Če ta oseba odide ali dobi drug projekt, znanje izgine z njo.
Na nivoju baseline ne manjka volja, temveč temelj. Sedem dimenzij, ki jih razlikuje meritev zrelosti — med drugim organizacija, IT-infrastruktura in upravljanje podatkov — je na tem nivoju še ločenih ali komaj izpolnjenih. To ni pomanjkljivost; to je stanje, v katerem se organizacija znajde, preden začne zavestno graditi.
Nekaj znakov se na nivoju baseline vedno znova ponavlja. Ni pregleda, kje se AI znotraj organizacije že uporablja, kaj šele skupne slike o tem, kaj ta uporaba prinaša. Odločitve o AI se sprejemajo tam, kjer se vprašanje naključno pojavi, ne na podlagi presoje, ki zadeva celotno organizacijo. Podatki so razdrobljeni po sistemih, ki ne komunicirajo med seboj, kar upočasnjuje vsak korak proti nekaj strukturiranemu. In ni skupnega jezika: kar en oddelek imenuje AI, je za drugega nekaj drugega.
Krog izrisovanja znotraj meritve zrelosti to pogosto naredi vidno, še preden zanj obstajajo besede. Ko več ljudi znotraj iste organizacije oceni ločeno, na nivoju baseline pogosto izstopa velika razpršenost: eden vidi napredek, ki ga drug ne prepozna. Ta razpršenost je sama znak. Kaže, da še ne obstaja skupna slika o tem, kje organizacija stoji, in prav to je značilno za baseline.
Pot od baseline do naslednjega nivoja se ne začne z novo aplikacijo, temveč s temeljnimi dimenzijami. Organizacija, IT-infrastruktura in upravljanje podatkov imajo prednost pred dimenzijami, ki so od njih odvisne. To ni vprašanje preference, temveč vrstni red, v katerem stvari delujejo: organizacija, ki želi nekaj zgraditi na AI, ne da bi imela podatke urejene ali brez jasnosti o tem, kdo o čem odloča, gradi na majavih tleh.
Konkretno to pomeni, da mora najprej nastati pregled. Kdo znotraj organizacije že počne kaj z AI in na podlagi katerih podatkov? Kje se nahajajo podatki, relevantni za te aplikacije, in so dostopni ter zanesljivi dovolj, da se lahko na njih gradi? Ali obstaja oseba ali skupina, ki nosi odgovornost za odločitve o AI, ali se to še dogaja naključno? Ta vprašanja se zdijo skromna, vendar so ravno to, na kar se osredotočajo temeljne dimenzije.
Odvisne dimenzije — tiste, ki se nanašajo na to, kako AI vpliva na samo delo — sledijo pozneje. Na nivoju baseline je še prezgodaj, da bi o tem povedali kaj smiselnega, ker manjka temelj, na katerem bi te dimenzije lahko slonele.
Prehod na foundation ne zahteva, da je vse hkrati urejeno. Zahteva, da organizacija preneha z uporabo AI kot nečim, kar naključno nastane pri posameznikih, in začne zapisovati, kaj obstaja: kateri podatki obstajajo, kdo o čem odloča, kateri sistemi morajo biti med seboj povezani. To je manj tehnična pot kot organizacijska pot. Tehnika običajno sledi, ko je struktura enkrat vzpostavljena.
Gre tudi za pot, ki zahteva čas, in katere trajanje je odvisno od tega, koliko je že neformalno prisotno. Organizacija, kjer en oddelek že nekaj časa zavestno dela s podatki, ima krajšo pot kot organizacija, kjer to ni nikjer primer. Kaj je natančno potrebno za nadaljnji premik od foundation, in katere dimenzije pri tem najprej zahtevajo pozornost, je opisano na strani, ki razlaga kako preidete od foundation na naslednji nivo. Naprej v tej vrsti, za organizacije, ki so že dlje, je opisano tudi kako se activation povezuje z naslednjim nivojem in kaj insight zahteva za rast proti intelligence.
Baseline ne pove nič o ambiciji organizacije in nič o kakovosti ljudi, ki tam delajo. Pove nekaj o stanju temelja v določenem trenutku. Organizacije, ki ta nivo resno kartirajo, pogosto odkrijejo, da je že prisotnega več, kot so mislile — posamezne pobude, podatki, ki se nekje vseeno vodijo, ljudje, ki že razmišljajo dlje, kot to zahteva njihova funkcija. Meritev zrelosti to združi v sliko, na kateri se lahko zgradi naslednji korak, brez da bi to sliko izpolnjevala s nasvetom, ki organizaciji ne ustreza.
Ta stran govori o pripravljenosti: o tem, kaj mora biti vzpostavljeno, preden lahko AI dobi strukturno mesto. To je drugačno vprašanje od tega, kateri del dela AI dejansko lahko izvede. Ko temelj dobi obliko, postane to drugo vprašanje relevantno, in prav na to se navezuje delovni scan podjetja FTE TO AI: ta po posamezni nalogi izračuna, kateri del dela je mogoče prevzeti z AI, na podlagi nalog, kot se trenutno izvajajo. Kdor želi vedeti, kaj lahko AI prevzame, ko bo organizacija za to pripravljena, to najde tam — vključno s tem, kako se to razlikuje, ko gre za agente, ki samostojno izvajajo delo ali za verige, v katerih si različni koraki sledijo.
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.