Egy projekt kap egy kezdő dátumot, egy költségvetést, és rendszerint egy előadást egy felfelé mutató görbével. Amit egy projekt majdnem soha nem kap, az egy pillanat, amikor valaki megállapítja, hogy megtörtént, amit meg kellett tennie. Nem: leszállították. Megtörtént. A munka elmozdult, a viselkedés megváltozott, a régi munkamódra már nincs szükség.
Ez a megkülönböztetés mindig is nehéz volt. Most még élesebbé válik, mivel a javulás egy része abból áll, hogy az AI vesz át feladatokat. Egy új rendszer vagy új eljárás esetén még feltételezheti, hogy az emberek használni fogják, mert az kötelező. AI-munka esetén ez a feltételezés nem magától értetődő: valakinek folyamatosan ellenőriznie kell az eredményt, valakinek merészelnie kell bízni egy olyan eredményben, amit nem maga írt, és valakinek meg kell kapnia a jogosultságot, hogy azt az eredményt jóváhagyja vagy elutasítsa. Ha ezek a dolgok nincsenek megszervezve, a rendszer működik, de semmi nem gyökeresedik meg.
Vannak olyan mérések, amelyek megbízhatóak, mert tényszerűek. Hány óra munka mozdul el egy feladatról az arra a feladatra irányuló felügyeletre. Az eredmények mekkora hányadát hagyja jóvá egy ember módosítás nélkül, mennyit utasít el, és milyen indokkal. Hogy a leadás és a döntés közötti idő rövidebb lesz-e. Hogy csökken-e a szenior munkatárshoz eszkalált ügyek száma, mert az első értékelés megáll.
Ez kapacitás, nem ígéret. A felszabadult órák tény, amint megszámolja őket; mit tesz egy szervezet a felszabadult kapacitással, az egy külön kérdés, saját jogi kerettel, amint személyzeti következményeket érint. E két kérdés szétválasztása feltétele a hiteles mérésnek, nem mellékes ügy.
Egy használati arány azt mondja meg, hogy az emberek megnyomnak egy gombot. Semmit nem mond el arról, hogy hisznek-e is az eredményben. Egy csapat formálisan jóváhagyhat egy AI-eredményt, és a gyakorlatban semmit nem tesz vele, vagy éppen minden nélkül átveszi, hogy megnézné — mindkét viselkedés egy irányítópulton azonosnak néz ki: „elfogadottság 80%”. Ez az oka annak, hogy egy egyetlen szám magyarázat nélkül nem használható: egy cselekvést ír le, nem a munka elvégzésének módjában bekövetkezett változást.
Van egy időbeli probléma is. Egy javulás, amely az első hónapban jól mér, a negyedik hónapban visszaeshet, mert a kivételek felhalmozódnak, és senki nem tervezte be azokat. Fordítva, egy lassan induló javulás fél év után éppen stabillá válhat, amint a jóváhagyásra kötelezett emberek megbíztak benne. Egy egyetlen időpontban végzett mérés tehát definíció szerint hiányos; ami szükséges, az egy mérési sorozat, amely megmutatja, hogy a görbe megismétlődik-e, vagy ellaposodik.
Az egyik vállalat egy negyedéven belül látja meggyökeresedni az AI-munkát, a másik egy év után is még csak tesztel. Ez a különbség ritkán a technikában rejlik. Abban rejlik, hogy ki van kiképezve egy AI-eredmény megítélésére, kinek van döntési joga arra, hogy azt az eredményt tovább engedje, és hogy az a döntési jog rögzítve van-e, vagy még egyetlen személynél van, aki azt „mellékesen is elvégzi”. Arról, hogy ki kell valójában ezt a szerepet betöltse, bővebben ír a kire van szükség, hogy az AI-val végzett munka sikeres legyen.
Egy másik gyakori okozó: a projekt technikailag sikeres marad, de szervezetileg elszigetelt. Az AI működik, a pilot fut, de senki az IT-részlegen kívül nem használja az eredményt strukturálisan. Hogy ez miért történik, és hogyan ismeri fel ezt a mintát, azt a hogyan kerüli el, hogy egy AI-projekt az IT-részlegnél maradjon írja le.
És néha a késés nem szervezeti probléma, hanem jogi vagy megfelelőségi kérdés, amelyet nem vettek figyelembe a tervezésnél; ezt a helyzetet külön leírja a mit tegyen, ha az ambíció megvalósítható, de a megfelelőség nem.
Az oka, hogy egyetlen KPI soha nem elegendő, az, hogy a felkészültség maga nem fér el egyetlen számban. Valami csak akkor gyökeresedik meg, ha egyszerre több dimenzión is megáll: az embereket, akiknek meg kell ítélniük, kiképezték, az adat használható, a folyamat elismeri a kivételt, és a döntési jog explicit módon kiosztott. Ha egy elbukik, a másik hét dimenzión mérhet előrehaladást, és mégsem lesz meggyökeresedés. Ezt fejti ki a miért nem egy szám a felkészültség, hanem egy sor kérdés.
Az alapkérdésre — melyik munka vehető ebben a vállalatban valóban át az AI által, és melyik része marad emberi munka — feladatonként ad választ az FTE TO AI munkascanje.
Semmilyen mérés nem teljes egy időbeli dimenzió, egy okvizsgálat és a használat és a bizalom közötti szétválasztás nélkül. Ez konkrétan azt jelenti: ne csak azt mérje, hogy valamit használnak-e, hanem azt, hogy az eredmény korrekció nélkül megáll-e. Ne egyszer mérjen, hanem rögzített időpontokban az indulás után. És minden elutasításnál kérdezzen az indokra, mert az indok többet mond el Önnek, mint a pontszám maga.
Ha az ambíció túl nagy ahhoz, hogy egyszerre próbára tegye, egy fázisokra bontott megközelítés gyakran realisztikusabb, mint egy éves terv; hogy ez a fázisokra bontás hogyan működik, azt a hogyan bont fázisokra egy ambíciót, amely túl nagy egy évhez írja le. És arra a kérdésre, mennyi tempót képes egy szervezet valóban elviselni anélkül, hogy a mérés maga okozná a késést, ott van a milyen gyorsan tud egy szervezet valójában változni.
Egy megbízható mérés nem egy irányítópultnál kezdődik, hanem annál a kérdésnél, hogy hol áll valójában jelenleg a szervezete. Az ingyenes felkészültségi teszt nyolc rövid kérdést tesz fel, egyet minden dimenzióra, és képet ad arról, hol jutott a legelőrébb, és hol még nem. A teljes ambíciótesztet, a négy réteggel és öt bizalmi kapuval, jelenleg fejlesztik.
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.