Johtoryhmä, joka sanoo "aiomme ottaa AI:n käyttöön", ei useinkaan tarkoita sillä samaa asiaa. Toinen puoli ajattelee kielimallia, joka tiivistää raportteja, toinen järjestelmiä, jotka hoitavat osan asiakaskontaktista itsenäisesti. Molemmat vaativat teknologiaa, joka pystyy käsittelemään sitä, ja kapasiteettia, joka pystyy ohjaamaan sitä. Nämä ovat kaksi eri valmiuden lajia, ja niitä testataan harvoin toisistaan erillään.
AI-valmiuden kustannukset eivät ole ensisijaisesti lisensseissä. Ne ovat siinä, mitä täytyy tapahtua ennen kuin tehtävä voi turvallisesti siirtyä järjestelmältä AI:lle: data, joka on löydettävissä ja ajantasaista, liittymät, jotka joko ovat olemassa tai täytyy rakentaa, ja ihmiset, jotka tietävät milloin hyväksyä tulos ja milloin ei. Mitä se maksaa, riippuu siitä, kuinka moni näistä osista on jo kunnossa ja kuinka moni vielä puuttuu.
Jokaisen AI-työtä edellyttävän tavoitteen sisällä taustalla oleva työ jakautuu kolmeen luokkaan. AI voi ottaa tehtävän kokonaan hoitaakseen ilman, että ihminen enää katsoo sitä. Ihminen valvoo ja hyväksyy tai hylkää, perustellusti. Tai työ pysyy ihmistyönä, koska harkinta, konteksti tai vastuu sitä vaativat.
Tarvittava teknologia vaihtelee luokittain. Täysi siirto vaatii luotettavaa, hyvin jäsenneltyä dataa ja järjestelmän, joka tunnistaa virheilmoitukset ennen kuin ne aiheuttavat vahinkoa. Valvonta hyväksynnällä vaatii käyttöliittymän, jossa ihminen näkee nopeasti, miksi järjestelmä päätyi tiettyyn tulokseen. Ihmistyö ei usein vaadi uutta teknologiaa, mutta vaatii selkeyttä siitä, kuka mistäkin vastaa jatkossa — tämä liittyy päätösoikeuksiin, jotka on määriteltävä uudelleen muutoksen yhteydessä.
Yritykset, jotka tekevät tämän erottelun jo nyt, huomaavat eron siinä, kuinka nopeasti pilotti etenee kokeilusta tuotantoon. Yritykset, jotka eivät tee tätä erottelua, jatkavat testaamista ilman että käy selväksi, mikä osa työstä todella siirtyy.
Ero yritysten välillä, jotka jo nyt saavat tämän sujumaan, ja yritysten välillä, jotka eivät vielä ole valmiita, ei useimmiten ole teknologiavalinnassa. Se on kolmessa asiassa, jotka edeltävät sitä.
Ensinnäkin: tietääkö organisaatio, mistä tehtävistä mikäkin prosessi koostuu, irrallaan siihen liittyvästä tehtävänimikkeestä. Ilman tätä kartoitusta jokainen väite "AI-valmiudesta" on arvio.
Toiseksi: tuottavatko nykyiset järjestelmät dataa, jota AI-sovellus voi käyttää. Monilla organisaatioilla on dataa, joka on oikeaa ihmiselle, joka sen lukee, mutta ei riittävän jäsenneltyä järjestelmälle, jonka pitää laskea sillä.
Kolmanneksi: onko olemassa kapasiteettia — tunteina, ei hyvinä aikomuksina — ohjata siirtymää. Jonkun on tarkistettava ensimmäiset sata tulosta ennen kuin järjestelmä saa toimia ilman valvontaa. Nämä tunnit eivät useimmiten ole kenenkään suunnitelmassa.
Ensimmäinen näkyvä merkki ei ole kustannussäästö, vaan siirtymä siinä, mihin aika käytetään. Työ, joka aiemmin koostui suorittamisesta, muuttuu työksi, joka koostuu arvioinnista. Se vaatii erilaisia taitoja ja joskus erilaisen roolin, ei automaattisesti vähemmän ihmisiä.
Toinen merkki on, että kysymykset, jotka aiemmin kuuluivat IT:lle, kuuluvat nyt johdolle. Minkä päätöksen järjestelmä saa tehdä itse, ja minkä on aina ihmisen vahvistettava? Tämä on päätösoikeus, ei tekninen asetus, ja se on kirjattava jonnekin ennen kuin poikkeustilanne tapahtuu.
Kolmas merkki näkyy budjetissa. Yhdessä paikassa vapautuneet tunnit eivät automaattisesti ilmesty säästönä; ne ilmestyvät usein lisäkapasiteettina toisaalla, esimerkiksi valvonnassa, asiakaskontaktissa tilanteissa, joissa AI ei riitä, tai järjestelmien ylläpidossa itsessään. Se, mitä tämä lopulta merkitsee budjetille, liittyy siihen, miten taloudellinen joustavuus on rakennettu ja kuinka paljon liikkumavaraa on ottaa tämä siirtymä vastaan ennen kuin se tuottaa tulosta.
Tämä tarkastelu ei kerro mitään siitä, kenet organisaatio pitää palveluksessaan tai kenestä luopuu. Se on päätös, jolla on omat lakisääteiset vaatimuksensa, tämän kuvauksen ulkopuolella. Tässä kuvataan kapasiteettia: mitkä tunnit vapautuvat, mitä tunteja tarvitaan lisää, ja mitä teknologiaa sitä varten tarvitaan. Sama koskee yhteistyötä muiden osapuolten kanssa — mikä tekee kumppanuudesta AI-valmiin vaikuttaa osaltaan siihen, toimiiko oman talon sisäinen siirtymä myös ketjussa.
Se koskettaa myös compliancea. Järjestelmä, joka ottaa hoitaakseen osan prosessista, muuttaa sitä, kuka mistäkin on todistettavasti vastuussa, ja tämä ansaitsee oman tarkastelunsa liittyen compliance- ja riskitekijöihin, jotka on tehtävä AI-valmiiksi.
Mitään yleispätevää prosenttilukua ei voi antaa, joka koskisi jokaista organisaatiota. Se riippuu siitä, kuinka paljon dataa on jo käyttökelpoista, kuinka moni prosessi on jo dokumentoitu, ja kuinka paljon kapasiteettia on käytettävissä ensimmäisen jakson ohjaamiseen. Yritykset, joilla on paljon jäsentämätöntä dataa ja vähän dokumentaatiota, aloittavat enemmällä työllä kuin yritykset, joilla tämä on jo kunnossa. Juuri tämä ero on syy, miksi ennakkoarvio kertoo vähän ilman että ensin katsotaan itse työtä, tehtävä tehtävältä — tätä [FTE TO AI:n työskannaus](/) kartoittaa tehtäväkohtaisesti.
Nähdäksenne, missä organisaationne on pisimmällä ja missä vähiten pitkällä, on tarjolla maksuton valmiustarkastus: kahdeksan lyhyttä kysymystä, yksi per ulottuvuus, joka antaa kuvan siitä, missä valmius jo on ja missä työtä vielä on. Täydellinen tavoitetarkastus, jossa on neljä kerrosta ja viisi luottamusporttia (confidence gates), on rakenteilla.
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.