Egy igazgatóság számot akar. Hetven százalék felkészült, vagy negyven, vagy kilencven. Egy szám összehasonlít, rangsorol, igazol egy döntést egy egyórás megbeszélésen. A probléma az, hogy a felkészültség az AI-munkára nem így létezik. A felkészültség nem egy szervezet tulajdonsága úgy, ahogy az árbevétel vagy a létszám az. Ez a válasz egy kérdéssorozatra, amely dimenziónként másképp alakul, és ez a kimenet ambíciónként ismét eltér.
Az ok abban rejlik, ami ténylegesen történik, amikor az AI átveszi a munkát. Ez nem egyszerre és nem mindenhol egyenlően történik. Bizonyos feladatokat az AI önállóan el tud végezni. Más feladatokat az AI elő tud készíteni, amelyeket aztán egy ember jóváhagy vagy elutasít indoklással. Ismét más feladatok emberi munka maradnak, nem azért, mert az AI nem képes rá, hanem mert a szervezet nem alakította ki ehhez a feltételeket. Ez a három kategória keresztülhúzódik minden osztályon, minden folyamaton és minden ambíción. Egy szám, amely ezt a sokféleséget egyetlen százalékba sűríti, éppen azt az információt rejti el, amelyre egy igazgatóságnak szüksége van: hol van a különbség, és miért.
Tegyük fel, hogy egy hetven százalékos felkészültségi pontszámot mutatnak be. Mit jelent ez? A folyamatok hetven százaléka kész? A munkatársak hetven százaléka képzett? Az adatok hetven százaléka használható? Egy pontszám az alátámasztó kérdés nélkül a kitalálásra hagyja az olvasót, és a kitalálás rendszerint az ambíció javára történik, nem az igazság javára. Egy igazgatóság, amely egy ambíciót akar, szívesen olvassa a magas számot megerősítésként. Egy szám erre a olvasatra hívogat, még akkor is, ha az alátámasztás ezt nem tartja fenn.
A nyolc dimenzió, amely együttesen meghatározza a felkészültséget — az adatoktól és rendszerektől a döntési jogokig és jogi keretekig — nem függ össze egyenlő mértékben minden ambícióval. Egy ambíció, amely gyorsabb ügyfélkapcsolatot kíván, erősen más dimenziókra támaszkodik, mint egy ambíció, amely automatizált jelentéskészítést kíván. Egyetlen felkészültségi szám elmossa ezeket a különbségeket. A kérdésre, hogy „felkészültek vagyunk-e”, a válasz emiatt szinte mindig ez: attól függ, a munka melyik részére gondol, és az ambíció melyik rétegét vizsgálja.
Az egyik vállalatnál a kérdés, hogy az AI át tud-e venni egy feladatot, már régen megválaszolt: a felügyelet kialakítva, a döntési jogok kiosztva, valaki tudja, ki hagyja jóvá az eredményt és milyen alapon. A másik vállalatnál ugyanez a feladat még teljesen egy embernél van, nem azért, mert a feladat ezt megköveteli, hanem mert senki nem rögzítette, ki utasíthatja el, ha az AI hibázik. A különbség ritkán a technikában rejlik. Abban rejlik, hogy a szervezet előre meghatározta-e, minek kell helyesnek lennie, mielőtt a munka átkerül: mely adat elég teljes, mely szerep viseli az ellenőrzést, milyen felhatalmazás kell ahhoz, hogy egy eredmény érvényben maradjon.
Ezek a kérdések pontosan azért fontosak, mert egy ambíciópróba négy rétegből áll — vízió, vision state, cél, target state —, és mindegyik réteget külön veti össze a nyolc dimenzióval. Egy vízió, amely azt állítja, hogy az AI átveszi a jelentéskészítés nagy részét, mást kíván a szervezettől, mint egy cél, amely ezt egy éven belül működőképessé akarja tenni. A rétegenkénti és dimenziónkénti kérdések nem pontszámot eredményeznek, hanem egy térképet: hol tart már messzire a szervezet, és hol még nem.
Ezen a térképen belül sem minden válasz egyformán biztos. Egy confidence gate megjelöli, hol szilárd az alátámasztás, és hol nyugszik feltételezéseken. Egy dimenzió tűnhet „felkészültnek”, mert senki nem tette fel kritikusan a kérdést, nem azért, mert a válasz megállja a helyét vizsgálat esetén. A próbán öt ilyen gate húzódik végig, pontosan azért, hogy megelőzze, hogy egy látszólagos bizonyosságot valódinak nézzenek. Ahol egy gate alacsonyan pontoz, az nem azt jelenti, hogy az ambíció megvalósíthatatlan. Azt jelenti, hogy az eredmény azon a ponton semmit nem mond, amíg jobban meg nem vizsgálják.
Ez kényelmetlen egy igazgatói tárgyalóban, amely választ akar, de ez a legőszintébb leírás arról, mit tud jelenleg nyújtani egy vizsgálat. Egy eredmény, amely mindenhol öt csillagot ad, gyanúsabb, mint egy eredmény, amely három dimenzión azt mondja: ismeretlen, további vizsgálat szükséges.
A nyolc dimenzió és öt gate nem öncélú. Visszafordíthatók capability-kre: mit kell tudnia egy szerepnek, ki dönt, ki hagy jóvá vagy utasít el. Itt akad el sok ambíció a gyakorlatban is — nem a technikán, hanem azon a kérdésen, hogyan előzhető meg, hogy egy AI-projekt megrekedjen az informatikai osztálynál ahelyett, hogy azoknál a szerepeknél maradna, amelyek ténylegesen elvégzik a munkát. Egy technikailag megvalósítható ambíció is elakadhat egy olyan kérdésen, amelynek semmi köze a technikához, mint például mit tegyen, ha az ambíció megvalósítható, de a megfelelőség nem engedi meg. És nem minden ambíció való az első évbe: néha a felkészültségi kérdésekre adott válasz az, hogy jobb inkább azt megnézni, melyik ambíciót érdemesebb egy évvel elhalasztani, mint azt, hogy mit kell elvégezni ebben a negyedévben.
Az alapkérdésre — mely munkát lehet ebben a vállalatban ténylegesen átvenni AI-val, feladatról feladatra — a FTE TO AI munkaszkenje ad választ, függetlenül magától az ambíciópróbától.
A felkészültségről szám megadása tehát nem a lényeg. A lényeg az, hogy ismerjük a kérdéseket, és tudjuk, hol nyugszik a válasz még mindig feltételezésen. Aki látni akarja, hol áll a saját szervezete a legmesszebb és hol a legkevésbé, elvégezheti az ingyenes felkészültségi ellenőrzést: nyolc rövid kérdés, egy dimenziónként, képet adva arról, hol van már alátámasztva az ambíció és hol nincs. A teljes ambíciópróba, a négy réteggel és az öt confidence gate-tel, épülőben van.
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.