Av de sju dimensionerna i mognadsmätningen är människor och färdigheter den mest nämnda anledningen till att en AI-pilot inte växer vidare. Inte för att människor inte vill, utan för att färdighet är något annat än kunskap. Någon kan veta vad en språkmodell är och ändå inte veta när utfallet kan lita på. Den klyftan mellan att veta och att kunna tillämpa är precis det denna dimension mäter.
Dimensionen hänger samman med andra grundläggande dimensioner. Färdigheter utvecklas trögt om organisationen själv inte är inrättad för att lära med AI, och att öva med AI-tillämpningar fungerar dåligt om IT-infrastrukturen inte erbjuder en miljö för att experimentera säkert. Den som bara tänker i utbildningsbudget missar den ordningen.
På baseline arbetar ett litet antal personer på eget initiativ med AI-verktyg, utom synhåll för organisationen. Det finns ingen delad bild av vad som fungerar och inte fungerar, och det någon lär sig stannar hos den personen. Vad baseline innebär i praktiken är alltså inte brist på intresse, utan avsaknad av struktur för att utnyttja det intresset.
På foundation finns en första delad grund: ett antal personer har byggt upp jämförbara färdigheter, ett gemensamt vokabulär har uppstått, och enskilda erfarenheter delas ibland. Vad foundation innebär i praktiken är steget från individuellt bruk till något som börjar likna ett team som förstår samma sak.
På activation tillämpar människor AI strukturerat inom sina egna uppgifter och känner igen var det passar och inte passar. På insight förskjuts tyngdpunkten: människor kan inte bara använda AI, utan även bedöma om ett utfall är korrekt och varför. På intelligence är den bedömningen inte längre ett separat steg, utan en del av hur arbetet normalt utförs, spritt över organisationen i stället för hos ett fåtal early adopters.
Vid denna dimension uppstår ofta den största skillnaden mellan vad en CIO poängsätter och vad en teamledare poängsätter. En CIO ser de utbildningar som har organiserats och räknar det som framsteg. En teamledare ser att den utbildningen har förändrat ganska lite i hur arbetet faktiskt utförs, och sätter en lägre poäng. Båda observationerna är korrekta; de mäter bara en annan del av samma dimension. Utbud och tillämpning är inte samma sak, och plot-rundan avslöjar precis det gapet i stället för att jämna det ut.
Att stiga en nivå inom människor och färdigheter beror inte främst på budget för kurser. Det beror på upprepning: människor som fortsätter tillämpa AI på verkligt arbete, inte på inövade exempel. Det beror på tid som faktiskt är tillgänglig utöver de ordinarie uppgifterna, och inte bara är avsatt på papper. Och det beror på en miljö där det att göra misstag under lärandet inte är ett skäl att falla tillbaka på det gamla sättet att arbeta.
Dessutom beror steget på om färdighet görs synlig och delas. Någon som lär sig att kontrollera ett AI-utfall väl, hjälper organisationen framåt endast om det arbetssättet hamnar någonstans där andra kan ta över det. Utan den mekanismen förblir varje framsteg bundet till en person, och försvinner så snart den personen byter befattning.
Detta gör direkt synligt varför denna dimension sällan går att åtgärda på egen hand. Hur man lär sig och om någon har presterat bra, och om det lärandet erkänns och belönas, hänger direkt samman med hur mogen prestationsledningen är. Och färdighet utvecklas också långsammare om uppgifterna som människor övar med är opålitliga, vilket är anledningen till att denna dimension sällan står fristående från hur mogen datahanteringen är.
Denna dimension visar om människorna i en organisation är redo att arbeta med AI på en nivå som passar ambitionen. Den visar inte vilken del av en specifik befattning AI kan ta över, och vilken del som måste förbli hos en människa. Det är en annan fråga, som besvaras per uppgift i stället för per organisation. Arbetsskanen från FTE TO AI räknar ut vilken del av arbetet i en roll som är lämplig att överföra till AI, uppgift för uppgift. Där denna sida beskriver om människor är redo att vägleda den överföringen, visar arbetsskanen exakt vad som kan överföras — och det är först en meningsfull fråga när mottagarsidan, som beskrivet här, står på egna ben.
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.