Είναι τα δεδομένα σας έτοιμα για το έργο που πρέπει να αναλάβει η AI

Η ερώτηση που θέτει αυτή η πύλη

Όχι: έχουμε πολλά δεδομένα. Όχι: έχουμε μια στρατηγική δεδομένων στα χαρτιά. Η ερώτηση που μετράει είναι πιο στενή και πιο δυσάρεστη: είναι τα δεδομένα που ανήκουν σε μια συγκεκριμένη εργασία πλήρη, επίκαιρα και αρκετά προσβάσιμα ώστε αυτή η εργασία να μεταβιβαστεί στην AI, εξ ολοκλήρου ή υπό επίβλεψη.

Αυτό είναι διαφορετική ερώτηση ανά εργασία. Μια εργασία όπου η AI συνοψίζει κείμενο από μια καλά δομημένη βάση δεδομένων απαιτεί κάτι διαφορετικό από μια εργασία όπου η AI προετοιμάζει μια απόφαση με βάση δεδομένα που καταγράφονται διαφορετικά σε τρία συστήματα. Η φιλοδοξία αναφέρει συχνά μόνο την πρώτη περίπτωση φωναχτά και προϋποθέτει τη δεύτερη.

Γιατί αυτό αλλάζει τώρα

Η AI αναλαμβάνει εργασίες. Σε ένα μέρος των εργασιών αυτό μπορεί να γίνει πλήρως, σε ένα μέρος μόνο με ανθρώπινο έλεγχο που εγκρίνει ή απορρίπτει με αιτιολογία, και σε ένα μέρος παραμένει ανθρώπινη δουλειά. Αυτή η κατανομή διατρέχει κάθε τμήμα και δεν αλλάζει επειδή αλλάζει το έτος, αλλά επειδή αλλάζουν τα υποκείμενα δεδομένα.

Η διαφορά μεταξύ εταιρειών που εξετάζουν ήδη καλά αυτό το ζήτημα και εταιρειών που δεν το κάνουν ακόμη σπάνια βρίσκεται στην ποσότητα δεδομένων. Βρίσκεται στο αν κάποιος μπορεί να υποδείξει ποια δεδομένα ανήκουν σε ποια εργασία, ποιος είναι ο ιδιοκτήτης τους, και πώς θα αντιλαμβανόσασταν ότι αυτά τα δεδομένα δεν είναι σωστά. Εταιρείες όπου αυτή η ερώτηση είναι συνήθεια, βλέπουν αρκετά γρήγορα ανά εργασία αν η μεταβίβαση στην AI είναι μια ρεαλιστική συζήτηση. Εταιρείες όπου αυτή η ερώτηση είναι καινούργια, ανακαλύπτουν τα κενά δεδομένων μόνο τη στιγμή που η AI έχει ήδη παραδώσει κάτι λάθος.

Ποιο αποδεικτικό στοιχείο είναι αρκετό

Το τεστ δεν ζητά ένα έγγραφο ταξινόμησης δεδομένων. Ζητά τρία πράγματα που μπορείτε να υποδείξετε, όχι να περιγράψετε:

Προέλευση. Για κάθε πηγή δεδομένων που χρειάζεται η εργασία, γνωρίζετε από πού προέρχεται και ποιος την τηρεί. Αν η απάντηση είναι "κάπου από μια εξαγωγή του περασμένου έτους", αυτή είναι η απάντηση.
Επικαιρότητα. Γνωρίζετε πόσο συχνά αλλάζουν τα δεδομένα και αν η συχνότητα ενημέρωσης ταιριάζει με την ταχύτητα με την οποία εκτελείται η εργασία. Δεδομένα που ενημερώνονται μία φορά το τρίμηνο δεν είναι κατάλληλα για μια εργασία που τροφοδοτεί καθημερινά μια απόφαση.
Προσβασιμότητα για το σύστημα. Τα δεδομένα βρίσκονται σε μια μορφή που ένα σύστημα AI μπορεί να διαβάσει χωρίς παρέμβαση κάποιου που πληκτρολογεί εκ νέου, συγχωνεύει ή ερμηνεύει με το χέρι. Αν αυτή η παρέμβαση είναι απαραίτητη, αυτό είναι ήδη από μόνο του μια μορφή ανθρώπινου ελέγχου που πρέπει να συνυπολογίσετε, όχι να αγνοήσετε.

Αποδεικτικό στοιχείο που μετράει: ένα δείγμα όπου τρία άτομα ανεξάρτητα το ένα από το άλλο συμβουλεύονται την ίδια πηγή δεδομένων και καταλήγουν στο ίδιο αποτέλεσμα. Αποδεικτικό στοιχείο που δεν μετράει: μια βαθμολογία ικανοποίησης για "την υποδομή δεδομένων μας" σε μια εκδήλωση της διοίκησης εκτός γραφείου.

Τι σημαίνει ένα αποτέλεσμα που απογοητεύει

Μια εργασία που βαθμολογείται χαμηλά στη διάσταση των δεδομένων δεν είναι εξ ορισμού μια εργασία που δεν απελευθερώνει καμία δυναμικότητα. Σημαίνει ότι η σειρά αλλάζει: πρώτα τα δεδομένα σε τάξη, μετά η μεταβίβαση. Αυτό είναι ένα χρονοδιάγραμμα, όχι ένα κατηγορηματικό όχι.

Δεν σημαίνει επίσης ότι κάτι δεν πάει καλά με τους ανθρώπους που διαχειρίζονται τώρα τα δεδομένα. Το τεστ μετρά την ετοιμότητα του έργου, όχι την ποιότητα των εργαζομένων, και δεν λέει τίποτα για θέσεις εργασίας ή αριθμούς. Αν ένα αποτέλεσμα αγγίζει αποφάσεις προσωπικού, ισχύουν γι' αυτές δικές τους νομικές απαιτήσεις· αυτές τις αξιολογείτε ξεχωριστά, όχι με βάση ένα τεστ ετοιμότητας.

Αυτό που είναι όμως χρήσιμο: το αποτέλεσμα δείχνει αν το πρόβλημα βρίσκεται στα ίδια τα δεδομένα, στους ανθρώπους που εργάζονται μαζί τους, ή στους προμηθευτές που παρέχουν τα συστήματα. Αυτή η διάκριση καθορίζει το επόμενο βήμα. Αν οφείλεται στον τρόπο που οι εργαζόμενοι χειρίζονται τα δεδομένα, αυτό αγγίζει πώς εξετάζετε αν οι άνθρωποί σας μπορούν να ανταποκριθούν. Αν οφείλεται σε συστήματα τρίτων που παρέχουν ή διαθέτουν τα δεδομένα, τότε παίζει ρόλο πώς εξετάζετε αν οι προμηθευτές σας μπορούν να ακολουθήσουν. Και αν η ίδια η φιλοδοξία δεν είχε ονομάσει την ανάγκη δεδομένων, η αιτία βρίσκεται συχνά μάλλον στη διατύπωση παρά στα δεδομένα: τότε βοηθά πώς κάνετε ένα ασαφές όραμα συγκεκριμένο.

Η ερώτηση κάτω από την ερώτηση

Πίσω από το "είναι τα δεδομένα μας αρκετά καλά" κρύβεται μια μεγαλύτερη ερώτηση: ποιο έργο σε αυτή την εταιρεία μπορεί, δεδομένων των στοιχείων που υπάρχουν τώρα, να αναληφθεί πραγματικά από την AI, και ποιο όχι. Αυτή η ερώτηση απαντάται ανά εργασία με τη σάρωση εργασίας του FTE TO AI, όχι με μια κρίση για τον οργανισμό στο σύνολό του.

Τι μπορείτε να κάνετε τώρα

Μπορείτε να εξετάσετε τη διάσταση των δεδομένων ξεχωριστά, αλλά δεν στέκεται μόνη της. Η ετοιμότητα για μεταβίβαση στην AI αποτελείται από οκτώ διαστάσεις, και τα δεδομένα είναι μία από αυτές, δίπλα σε, για παράδειγμα, τους ανθρώπους, τους προμηθευτές και την ευκρίνεια της ίδιας της φιλοδοξίας. Ένα αποτέλεσμα σε μία διάσταση λέει λίγα χωρίς τις άλλες επτά.

Ο δωρεάν έλεγχος ετοιμότητας δίνει αυτή την επισκόπηση σε οκτώ σύντομες ερωτήσεις, μία ανά διάσταση, με μια εικόνα του πού βρίσκεστε πιο μπροστά και πού λιγότερο. Καμία αναφορά, καμία υποχρέωση, αλλά ένα ειλικρινές σημείο εκκίνησης. Το πλήρες τεστ φιλοδοξίας, με τα τέσσερα επίπεδα από το όραμα έως την επιθυμητή κατάσταση και τη μετάφραση σε ρόλους και δικαιώματα απόφασης, βρίσκεται υπό κατασκευή.