Kennisbank

Insight: ni genomskådar AI, men styr ännu inte överallt på den

Vad som kännetecknar insight

På nivån insight har något förändrats som går längre än enstaka experiment. Organisationen förstår inte bara att AI gör något, utan även varför det fungerar på ett ställe och inte på ett annat. Det har uppstått ett språk för att föra det samtalet: människor pratar om datakvalitet, om ansvar vid fel, om vilka processer som lämpar sig för automatisering och vilka som inte gör det. Det är ett annat samtal än ett år tidigare, då frågan främst var om en pilot gav något resultat.

Vad som är kännetecknande för denna nivå: insikt finns, men den är ännu inte förankrad överallt i hur beslut fattas. En avdelning har klart för sig vilken data den behöver och vilken som saknas. En annan avdelning följer fortfarande i god tro efter en pilot utan att någon har fastställt om den underliggande infrastrukturen håller. Insight är alltså inget jämnt lager över organisationen. Det är snarare en samling platser där ljuset har tänts, med bitar mellan dem som fortfarande ligger i mörker.

Vad som fortfarande saknas

Steget till nästa nivå, intelligence, kräver att denna insikt översätts till styrning. Inte tillfälligt — som en reaktion på ett problem som uppstår — utan strukturellt, som en del av hur organisationen normalt fungerar. Det berör samma fundamentala dimensioner som redan var avgörande på tidigare nivåer: är datahanteringen upplagd så att beslut baserade på AI-resultat kan motiveras? Är IT-infrastrukturen utformad så att nya tillämpningar inte varje gång börjar från noll? Är organisationen själv utformad så att ansvaret för AI-drivna processer ligger någonstans, i stället för lite överallt?

På nivån insight ser man ofta att dessa frågor visserligen har ställts, men att svaret skiljer sig per dimension. En dimension har redan kommit så långt att styrning är möjlig; en annan hänger fortfarande efter lösa initiativ. Denna skillnad i tempo är precis det som syns i spridningen under en plot-runda: när flera personer poängsätter separat kan man se att en respondent bedömer att organisationen redan står långt fram vad gäller datahantering, medan en annan placerar samma dimension fortfarande vid foundation. Den spridningen är inte brus. Den visar vilken dimension som först tål uppmärksamhet, och vilken dimension som ännu måste följa efter.

Ordningen som avgör

Frestelsen på denna nivå är att rikta uppmärksamheten mot de dimensioner som är mest synliga — ofta de beroende dimensionerna, nära det dagliga arbetet. Men de fundamentala dimensionerna går först. Om datahanteringen inte är i ordning förblir all styrning baserad på AI-resultat vansklig, hur mycket insikt som än har byggts upp. Om IT-infrastrukturen är fragmenterad förblir varje tillämpning en isolerad ö, även om organisationen internt redan kan föra ett gott samtal om den.

Detta är inte en annan ordning än den som gällde på tidigare nivåer. Det är samma ordning, men vid en punkt där kostnaden för att hoppa över den blir mer synlig. Vid baseline och foundation kunde bristen på fundament fortfarande döljas bakom det faktum att så lite hände. Vid insight är redan mer i rörelse, och det gör en svag fundamental dimension mer märkbar tidigare: styrning som inte håller, beslut som efteråt inte kan spåras, tillämpningar som kärvar så snart de korsar gränsen för en enskild avdelning.

Vad steget till intelligence kräver

Övergången till intelligence är inte en fråga om att tillämpa mer AI. Det är en fråga om att få de fundamentala dimensionerna så mycket i ordning att de beroende dimensionerna strukturellt kan bygga på dem. Detta skiljer sig starkt mellan organisationer: en organisation måste framför allt konsolidera sin datahantering, en annan har en IT-infrastruktur som först måste samlas ihop innan bredare styrning kan ske. Vad det blir beror på var spridningen i plot-rundan är störst — det är platsen som nästa nivå väntar på.

Den som vill blicka bortom intelligence hittar på sidan om nivån efter intelligence en beskrivning av vad som uppstår när styrning inte längre bara är strukturell, utan självlärande. Den som tidigare i förloppet söker igenkänning kan läsa tillbaka på activation om hur fasen såg ut innan insikt uppstod, eller undersöka vad det innebär när agenter som utför arbete börjar spela en roll vid sidan av det styrande lager som byggs upp på denna nivå.

Nästa fråga

Insight berättar var organisationen står i sin förmåga att bära AI: vilka dimensioner som är stabila och vilka som fortfarande ligger lösa. Det är en annan fråga än vilken del av arbetet som själv kan överföras till AI. Så snart den bärande sidan blir tydligare i bild, blir den andra frågan relevant: vilken del av uppgifterna inom en process som faktiskt kan tas över. Det är precis det som FTE TO AI:s werkscan är gjord för — en beräkningsmetod som per uppgift fastställer vilken del av arbetet som kvalificerar för övertagande, så att samtalet om intelligence inte bara handlar om beredskap, utan även om vad det, så snart den beredskapen finns, faktiskt finns att vinna.