Ne: imamo li mnogo podataka. Ne: imamo li strategiju podataka na papiru. Pitanje koje se broji je uže i neugodnije: jesu li podaci koji pripadaju određenom zadatku dovoljno potpuni, aktualni i pristupačni da se taj zadatak prenese AI-ju, u cijelosti ili s nadzorom.
To je za svaki zadatak drugo pitanje. Zadatak kod kojeg AI sažima tekst iz dobro strukturirane baze podataka traži nešto drugo nego zadatak kod kojeg AI priprema odluku na temelju podataka koji su u tri sustava zabilježeni na različite načine. Ambicija često glasno spominje samo prvi slučaj i pretpostavlja drugi.
AI preuzima poslove. Kod dijela zadataka to može u cijelosti, kod dijela samo s ljudskim nadzorom koji odobrava ili odbija s razlogom, a kod dijela to ostaje ljudski posao. Ta podjela prolazi kroz svaki odjel i ne mijenja se zato što se mijenja godina, nego zato što se mijenjaju podaci na kojima se temelji.
Razlika između tvrtki koje to već dobro testiraju i tvrtki koje to još ne rade rijetko je u količini podataka. Ona je u pitanju može li netko pokazati koji podaci pripadaju kojem zadatku, tko je za njih vlasnik, i kako biste primijetili da ti podaci nisu točni. Tvrtke u kojima je to pitanje uobičajeno prilično brzo vide, po zadatku, je li preuzimanje od strane AI-ja realan razgovor. Tvrtke kojima je to pitanje novo otkrivaju rupe u podacima tek u trenutku kad AI već isporuči nešto pogrešno.
Test ne traži dokument o klasifikaciji podataka. Traži tri stvari koje možete pokazati, ne opisati:
Dokaz koji vrijedi: uzorak kod kojeg tri osobe neovisno jedna od druge pregledaju isti izvor podataka i dođu do istog ishoda. Dokaz koji ne vrijedi: ocjena zadovoljstva o "našoj podatkovnoj infrastrukturi" na izletu upravnog odbora.
Zadatak koji na dimenziji podataka postiže nisku ocjenu nije po definiciji zadatak koji ne oslobađa kapacitet. To znači da se redoslijed mijenja: prvo podaci u red, zatim prijenos. To je vremenski okvir, a ne odbijanje.
To također ne znači da nešto nije u redu s ljudima koji trenutno upravljaju podacima. Test mjeri spremnost posla, ne kvalitetu zaposlenika, i ne kaže ništa o funkcijama ili brojevima. Ako ishod dodiruje kadrovske odluke, za to vrijede posebni zakonski zahtjevi; te procjenjujete odvojeno, ne na temelju testa spremnosti.
Što je korisno: ishod pokazuje leži li problem u samim podacima, u ljudima koji s njima rade, ili u dobavljačima koji isporučuju sustave. Ta razlika određuje sljedeći korak. Ako je stvar u tome kako zaposlenici postupaju s podacima, to se veže na kako testirate mogu li vaši ljudi to podnijeti. Ako je stvar u sustavima trećih strana koji isporučuju ili otvaraju podatke, tu se postavlja kako testirate mogu li vaši dobavljači ići u korak. A ako sama ambicija nije imenovala potrebu za podacima, uzrok je često prije u formulaciji nego u podacima: tada pomaže kako konkretizirate nejasnu viziju.
Iza "jesu li naši podaci dovoljno dobri" krije se veće pitanje: koji posao u ovoj tvrtki je, s obzirom na podatke koji trenutno postoje, stvarno moguće prenijeti AI-ju, a koji nije. Na to se pitanje odgovara po zadatku pomoću skena posla FTE TO AI, ne prosudbom o organizaciji kao cjelini.
Dimenziju podataka možete testirati zasebno, ali ona ne stoji sama. Spremnost za preuzimanje od strane AI-ja sastoji se od osam dimenzija, a podaci su jedna od njih, uz na primjer ljude, dobavljače i oštrinu same ambicije. Ishod na jednoj dimenziji govori malo bez ostalih sedam.
Besplatna provjera spremnosti daje taj pregled u osam kratkih pitanja, jedno po dimenziji, s uvidom u to gdje ste najdalje a gdje najmanje daleko. Nema izvještaja, nema obveze, ali ima poštenu početnu točku. Potpuni test ambicije, sa četiri slojeva od vizije do ciljanog stanja i prijevodom u uloge i prava odlučivanja, u izradi je.
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.