Kennisbank

Insight: razumete AI, a še ne usmerjate povsod na njegovi podlagi

Po čem prepoznate insight

Na ravni insight se je spremenilo nekaj, kar presega posamezne eksperimente. Organizacija ne razume le, da AI nekaj počne, temveč tudi, zakaj deluje na enem mestu in ne na drugem. Nastal je jezik za ta pogovor: ljudje govorijo o kakovosti podatkov, o odgovornosti pri napakah, o tem, kateri procesi se ponujajo za avtomatizacijo in kateri ne. To je drugačen pogovor kot leto prej, ko je bilo vprašanje predvsem, ali je pilot prinesel kaj koristnega.

Za to raven je značilno: uvid je prisoten, vendar še ni povsod zasidran v tem, kako se sprejemajo odločitve. En oddelek natančno ve, katere podatke potrebuje in katerih mu manjka. Drug oddelek še v dobri veri sledi pilotu, ne da bi kdo ugotovil, ali osnovna infrastruktura to zdrži. Insight torej ni enakomerna plast čez celotno organizacijo. Gre bolj za zbirko mest, kjer se je prižgala luč, med katerimi so še odseki, ki stojijo v temi.

Kaj še manjka

Korak k naslednji ravni, intelligence, zahteva, da se ta uvid prevede v usmerjanje. Ne zgolj priložnostno — kot odziv na težavo, ki se pojavi — temveč strukturno, kot del tega, kako organizacija običajno deluje. To se dotika istih temeljnih razsežnosti, ki so bile odločilne že na prejšnjih ravneh: je upravljanje podatkov urejeno tako, da so odločitve na podlagi rezultatov AI mogoče utemeljiti? Je IT-infrastruktura zasnovana tako, da nove aplikacije ne začenjajo vsakič znova od nič? Je organizacija sama zasnovana tako, da odgovornost za procese, ki jih poganja AI, leži nekje, namesto malo povsod?

Na ravni insight pogosto vidite, da so ta vprašanja že zastavljena, vendar se odgovor razlikuje po razsežnostih. Ena razsežnost je že tako daleč, da je usmerjanje mogoče; druga še vedno sledi posameznim pobudam. Ta razlika v tempu se natančno pokaže v razpršenosti kroga ocenjevanja: če več ljudi oceni ločeno, je vidno, da en anketiranec meni, da je organizacija na področju upravljanja podatkov že daleč, medtem ko drugi isto razsežnost še uvršča na foundation. Ta razpršenost ni šum. Pokaže, katera razsežnost prva prenese pozornost in katera mora še slediti.

Vrstni red, ki odloča

Skušnjava na tej ravni je usmeriti pozornost na razsežnosti, ki so najbolj vidne — pogosto odvisne razsežnosti, blizu vsakdanjega dela. Vendar imajo prednost temeljne razsežnosti. Če upravljanje podatkov ni urejeno, ostane vsako usmerjanje na podlagi rezultatov AI negotovo, ne glede na to, koliko uvida je bilo zbranega. Če je IT-infrastruktura razdrobljena, ostane vsaka aplikacija osamljen otok, tudi če se organizacija o njej znotraj že dobro pogovarja.

To ni drugačen vrstni red od tistega, ki je veljal na prejšnjih ravneh. Gre za isti vrstni red, le da so na tej točki stroški njegovega preskoka bolj opazni. Pri baseline in foundation je bilo mogoče odsotnost temeljev še skriti za dejstvom, da se je dogajalo malo. Pri insight je že več v gibanju, kar bolj otipljivo pokaže šibko temeljno razsežnost: usmerjanje, ki ne zdrži, odločitve, ki jih naknadno ni mogoče izsledit, aplikacije, ki obtičijo takoj, ko presežejo meje enega oddelka.

Kaj zahteva korak k intelligence

Prehod k intelligence ni stvar uporabe več AI. Gre za to, da temeljne razsežnosti uredite do te mere, da lahko odvisne razsežnosti na njih strukturno gradijo. To se med organizacijami močno razlikuje: ena organizacija mora predvsem konsolidirati svoje upravljanje podatkov, druga ima IT-infrastrukturo, ki jo je treba najprej združiti, preden je mogoče širše usmerjati. Kaj bo to konkretno, je odvisno od tega, kje je razpršenost v krogu ocenjevanja največja — to je mesto, na katerem čaka naslednja raven.

Kdor želi pogledati onkraj intelligence, na strani o ravni po intelligence najde opis tega, kaj nastane, ko usmerjanje ni več le strukturno, temveč samoučeče. Kdor išče prepoznavanje na zgodnejši točki poti, lahko pri activation prebere, kako je izgledala faza, preden je nastal uvid, ali ugotovi, kaj pomeni, ko agenti, ki opravljajo delo začnejo igrati vlogo poleg usmerjevalne plasti, ki se vzpostavlja na tej ravni.

Naslednje vprašanje

Insight vam pove, kje organizacija stoji glede svoje zmožnosti nositi AI: katere razsežnosti so trdne in katere so še razrahljane. To je drugačno vprašanje od tega, kateri del samega dela je dejansko prenosljiv na AI. Ko je nosilna stran natančneje razvidna, postane relevantno drugo vprašanje: kateri del nalog znotraj procesa se dejansko lahko prevzame. Prav za to je narejen delovni sken podjetja FTE TO AI — metoda računanja, ki za vsako nalogo ugotovi, kateri del dela prihaja v poštev za prevzem, tako da pogovor o intelligence ne govori le o pripravljenosti, temveč tudi o tem, kaj je, ko je ta pripravljenost dosežena, dejansko mogoče pridobiti.