Ne: máme hodně dat. Ne: máme datovou strategii na papíře. Otázka, která se počítá, je užší a nepříjemnější: jsou data patřící ke konkrétnímu úkolu dostatečně úplná, aktuální a přístupná na to, aby se tento úkol předal AI, zcela nebo s dohledem.
To je pro každý úkol jiná otázka. Úkol, kdy AI shrnuje text z dobře strukturované databáze, vyžaduje něco jiného než úkol, kdy AI připravuje rozhodnutí na základě údajů, které jsou ve třech systémech zaznamenány odlišně. Ambice nahlas pojmenovává často jen první případ a druhý předpokládá.
AI přebírá pracovní činnosti. U části úkolů to jde zcela, u části pouze s lidským dohledem, který schvaluje nebo zamítá s odůvodněním, a u části zůstává práce lidskou. Toto rozdělení prochází napříč každým oddělením a nemění se proto, že se změní rok, ale proto, že se mění podkladová data.
Rozdíl mezi firmami, které toto již dobře testují, a firmami, které to ještě nedělají, zřídkakdy spočívá v množství dat. Spočívá v otázce, zda někdo dokáže ukázat, jaká data patří ke kterému úkolu, kdo je jejich vlastníkem, a jak byste poznali, že tato data nejsou v pořádku. Firmy, kde je tato otázka zvykem, poměrně rychle vidí u jednotlivých úkolů, zda je převzetí AI reálnou možností k diskusi. Firmy, kde je tato otázka nová, objevují datové mezery až ve chvíli, kdy AI už něco dodala špatně.
Test nežádá dokument o klasifikaci dat. Žádá tři věci, které dokážete ukázat, ne popsat:
Důkaz, který se počítá: vzorek, kdy tři lidé nezávisle na sobě nahlédnou do stejného zdroje dat a dojdou ke stejnému výsledku. Důkaz, který se nepočítá: skóre spokojenosti s „naší datovou infrastrukturou“ na výjezdním zasedání vedení.
Úkol, který v datové dimenzi skóruje nízko, není automaticky úkolem, který neuvolní žádnou kapacitu. Znamená to, že se mění pořadí: nejprve dát data do pořádku, pak předání. To je časová osa, ne odmítnutí.
Znamená to také, že s lidmi, kteří data nyní spravují, není nic v nepořádku. Test měří připravenost práce, ne kvalitu zaměstnanců, a nic neříká o funkcích ani počtech. Pokud se výsledek dotýká personálních rozhodnutí, platí pro ně vlastní zákonné požadavky; ty posuzujete zvlášť, ne na základě testu připravenosti.
Co je použitelné: výsledek ukazuje, zda problém spočívá v samotných datech, v lidech, kteří s nimi pracují, nebo u dodavatelů, kteří systémy dodávají. Toto rozlišení určuje další krok. Pokud jde o to, jak zaměstnanci s daty zacházejí, dotýká se to toho, jak testujete, zda to vaši lidé zvládnou. Pokud jde o systémy třetích stran, které data dodávají nebo zpřístupňují, hraje roli, jak testujete, zda to vaši dodavatelé zvládnou. A pokud sama ambice datovou potřebu nepojmenovala, příčina často spočívá spíše ve formulaci než v datech: pak pomůže jak nejasnou vizi uděláte konkrétní.
Za otázkou „jsou naše data dost dobrá“ se skrývá větší otázka: kterou práci v této firmě je, vzhledem k datům, která jsou nyní k dispozici, skutečně možné převést na AI, a kterou ne. Tato otázka se zodpovídá po jednotlivých úkolech pomocí pracovního skenu FTE TO AI, ne posouzením organizace jako celku.
Datovou dimenzi můžete testovat samostatně, ale nestojí osamoceně. Připravenost na převzetí AI se skládá z osmi dimenzí a data jsou jednou z nich vedle například lidí, dodavatelů a ostrosti samotné ambice. Výsledek u jedné dimenze říká málo bez ostatních sedmi.
Bezplatná kontrola připravenosti poskytuje tento přehled v osmi krátkých otázkách, jedné na dimenzi, s obrazem toho, kde jste nejdál a kde nejméně daleko. Žádná zpráva, žádný závazek, ale poctivý výchozí bod. Kompletní test ambice, se čtyřmi vrstvami od vize po cílový stav a převodem do rolí a rozhodovacích pravomocí, se připravuje.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.