Upravljanje uspešnosti je ena od sedmih razsežnosti, s katerimi hybridresourcing meri zrelost organizacije, ko gre za AI. Ta razsežnost se nanaša na nekaj specifičnega: ali lahko ugotovite, ali delo, ki ga AI podpira ali prevzema, res postane boljše, hitrejše ali cenejše? Veliko organizacij začne s pilotnimi projekti, ne da bi lahko odgovorile na to vprašanje, in zato obtičijo v fazi preizkušanja, ne da bi lahko dokazale, kaj je to prineslo.
Upravljanje uspešnosti lahko postane zrelo šele, ko druge razsežnosti že postavijo nekaj, na čemer je mogoče graditi. Brez zanesljivih podatkov iz upravljanja podatkov je meritev uspešnosti le ocena. Brez jasnih pristojnosti iz organizacijske razsežnosti, kot je razloženo na strani o tem, koliko stane, da organizacija naraste za eno raven, ni nikogar, ki bi bil odgovoren za izid. In brez IT-infrastrukture, ki lahko meritve zapiše in ponovi, kot je razloženo na strani o tem, koliko stane, da IT-infrastruktura naraste za eno raven, ostane vsaka meritev enkratna. To je razlog, da se ta razsežnost v meritvi lahko premakne na višjo raven šele, ko temeljne razsežnosti že nekaj nosijo.
Baseline. Ni ustaljenega načina za presojo, ali delo, podprto z AI, dosega boljše rezultate kot stari način dela. Presoje so priložnostne in vezane na posameznika. Ko nekdo odide, izgine tudi edini vpogled, ki je obstajal.
Foundation. Obstajajo ločene meritve, običajno po projektu ali pilotu. Redko se jih primerja, in ni ustaljenega trenutka, ko bi nekdo pogledal nazaj, ali je nameravani učinek res nastopil. Meritev obstaja, vendar ne deluje kot učni proces.
Activation. Obstaja ponavljajoč se ritem: meritve se ob ustaljenih trenutkih ponavljajo in sporočajo ljudem, ki opravljajo delo. Organizacija začenja opažati vzorce, čeprav se ti še ne zapisujejo sistematično in se ne primerjajo med oddelki.
Insight. Meritve se uporabljajo za usmerjanje, ne le za poročanje. Obstaja skupna slika o tem, kaj deluje in kaj ne, in ta slika vodi do prilagoditev v tem, kako se AI uporablja. Različne ekipe lahko primerjajo svoje izide, ker je način merjenja enak.
Intelligence. Upravljanje uspešnosti je vgrajeno v način, kako se sprejemajo odločitve o AI. Izidi prejšnje uporabe neposredno vplivajo na odločitve za nove aplikacije. Organizacija lahko utemelji, zakaj se nekaj širi ali ne, namesto da bi to temeljilo na občutku ali na tem, kdo se najbolj glasno zavzema za naslednji pilot.
Raven te razsežnosti ni le v orodju ali nadzorni plošči. Je v vedenju okoli tega: ali se po pilotu pogleda nazaj, ali se takoj nadaljuje na naslednjega? Ali lahko nekdo v vaši organizaciji na zahtevo pokaže, kaj je aplikacija AI dejansko prinesla, ločeno od predhodne predpostavke? Ali se o slabšem rezultatu razpravlja, ali se ga tiho pozabi? To niso tehnična vprašanja. Gre za to, ali je nastala navada opazovanja, ne le izvajanja.
Znotraj te razsežnosti pogosto nastane velika razpršenost med tistimi, ki izpolnjujejo krog plot. Operativni vodja vsak dan vidi ločene meritve iz faze activation in oceni organizacijo višje, kot to upravičuje dejanska raven, ker so mu te meritve konkretne. Finančni direktor, ki vidi le četrtletno poročilo, oceni nižje, ker nima stalnega vpogleda v to, kaj je bilo vmes merjeno. Obe sliki sta resnični za tistega, ki ju posreduje. Sama razpršenost je informacija: kaže, da ni skupnega, organizacijsko širokega vpogleda v uspešnost, kar samo po sebi že pove nekaj o ravni.
Korak od baseline na foundation zahteva predvsem disciplino: izbrati ustaljen trenutek za pogled nazaj in ga ne izgubiti pod pritiskom naslednjega pilota. Korak na activation zahteva ponovljiv proces, kar se spet povezuje s tem, kako zrela je temeljna infrastruktura. Korak na insight ali intelligence zahteva, da so meritve dovolj zanesljive, da se na njih lahko opremo, kar vodi nazaj do kakovosti podatkov in do tega, kdo v organizaciji ima pooblastilo za usmerjanje na podlagi teh meritev. Tudi razsežnosti, kot sta etika in zasebnost in varnost, igrajo pri tem vlogo: meritev uspešnosti, ki ne upošteva, ali je izid nastal na odgovoren način, je nepopolna meritev. Kaj natančno stane korak, v času, pozornosti ali sredstvih, se razlikuje po organizaciji in je odvisno od tega, kje stojijo druge razsežnosti. Zato hybridresourcing dela s krogom plot namesto z ustaljenim korakovnim načrtom: najprej narediti vidno, kje stojite in kje se mnenja razhajajo, preden se kaj zapiše o tem, kaj je potrebno.
Ta stran obravnava, ali lahko vaša organizacija ugotovi, kaj AI prinaša, ne glede na to, katero delo natančno zadeva. To je drugo vprašanje kot to, katere naloge se lahko prevzamejo in v kolikšni meri. Kdor želi to vedeti, po nalogah in na podlagi tega, kaj delo samo vsebuje, to najde v delovnem skenu FTE TO AI. Upravljanje uspešnosti in delovni sken se dopolnjujeta: eden meri, ali lahko presodite izid, drugi izračuna, kateri del dela je na voljo za presojo.
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.