Egy vezetői csapat, amely azt mondja "AI-t fogunk bevetni", ezzel gyakran nem ugyanazt érti. Az egyik fele nyelvi modellre gondol, amely jelentéseket foglal össze, a másik olyan rendszerekre, amelyek részben maguk kezelik az ügyfélkapcsolatot. Mindkettő olyan technológiát igényel, amely ezt tudja kezelni, és olyan kapacitást, amely ezt tudja kísérni. Ez két különböző fajta készenlét, és ritkán tesztelik őket egymástól elválasztva.
Az AI-készenlét költségei nem elsősorban a licencekben rejlenek. Abban rejlenek, hogy minek kell megtörténnie, mielőtt egy feladat biztonságosan áthelyezhető egy rendszerről az AI-ra: adat, amely megtalálható és aktuális, kapcsolatok, amelyek léteznek vagy megépítendők, és emberek, akik tudják, mikor hagyjanak jóvá egy eredményt és mikor nem. Ez mennyibe kerül, attól függ, hány ilyen elem áll már fenn, és mennyi hiányzik még.
Minden ambíción belül, amely AI-munkát feltételez, az alapul szolgáló munka három kategóriába sorolható. Az AI átveheti a feladatot, anélkül hogy egy ember még belenézne. Egy ember felügyeletet tart és jóváhagy vagy elutasít, indokkal. Vagy a munka embermunka marad, mert az ítélet, a kontextus vagy a felelősség ezt megkívánja.
A szükséges technológia kategóriánként eltér. A teljes átvétel megbízható, jól strukturált adatot és olyan rendszert igényel, amely a hibaüzeneteket felismeri, mielőtt kárt okoznának. A jóváhagyással járó felügyelet olyan felületet igényel, amelyben egy ember gyorsan láthatja, miért jutott egy rendszer egy adott eredményre. Az embermunka gyakran nem igényel új technológiát, de igényel egyértelműséget arról, ki miért marad felelős — ez összefügg a döntési jogokkal, amelyeket egy változás során újra kell osztani.
A vállalatok, amelyek ezt a megkülönböztetést már megteszik, észlelik a különbséget abban, mennyire gyorsan halad egy próba a kísérlettől a produkcióig. A vállalatok, amelyek ezt nem teszik meg, tovább tesztelnek anélkül, hogy világossá válna, a munka melyik része tolódik el valójában.
A különbség a vállalatok között, amelyek ezt ma már gördülékenyen kezelik, és azok között, amelyek erre még nincsenek felkészülve, ritkán a technológia megválasztásában rejlik. Három dologban rejlik, amely ezt megelőzi.
Elsőként: hogy az organizáció tudja-e, milyen feladatokból áll egy folyamat, függetlenül a hozzá tartozó munkakör megnevezésétől. Ezen leltár nélkül minden állítás az "AI-készenlétről" csak becslés.
Másodikként: hogy a jelenleg létező rendszerek olyan adatot szolgáltatnak-e, amelyet egy AI-alkalmazás használhat. Sok organizáció rendelkezik adattal, amely helyes egy embernek, aki elolvassa, de nem eléggé strukturált egy rendszernek, amelynek azzal kalkulálnia kell.
Harmadikként: hogy van-e kapacitás — órákban, nem jó szándékban mérve — az átmenet kísérésére. Valakinek az első száz eredményt ellenőriznie kell, mielőtt egy rendszer felügyelet nélkül működhet. Ezek az órák a legtöbbször senkinek a tervezésében nem szerepelnek.
Az első látható jel nem a költségmegtakarítás, hanem az elmozdulás abban, hová megy az idő. A munka, amely korábban kivitelezésből állt, olyan munkává válik, amely megítélésből áll. Ez más képességeket igényel, és néha más szerepet, nem automatikusan kevesebb embert.
A második jel az, hogy a kérdések, amelyek korábban az IT-nél voltak, most a vezetésnél vannak. Melyik döntést hozhatja meg egy rendszer önmaga, és melyiket kell mindig egy embernek megerősítenie? Ez döntési jog, nem technikai beállítás, és valahol rögzítve kell lennie, mielőtt az incidens bekövetkezik.
A harmadik jel a költségvetésben rejlik. A felszabadult órák egy helyen nem jelennek meg automatikusan megtakarításként; gyakran extra kapacitásként jelennek meg egy másik helyen, például az ellenőrzésben, az ügyfélkapcsolatban azokban a pillanatokban, ahol az AI nem elégséges, vagy magának a rendszernek a fenntartásában. Mit jelent ez összességében a költségvetésre nézve, összefügg azzal, hogyan épült fel a pénzügyi ellenállóképesség, és mennyi mozgástér van ezen elmozdulás felfogására, mielőtt megtérülést hoz.
Ez a teszt semmit nem mond arról, kit tart alkalmazásban vagy kit bocsát el egy organizáció. Ez olyan döntés, amelynek saját jogi követelményei vannak, azon kívül, amit itt leírunk. Amit itt leírunk, az a kapacitás: mely órák szabadulnak fel, mely órákra van szükség hozzá, és milyen technológiának kell ehhez rendelkezésre állnia. Ez ugyanúgy vonatkozik más felekkel való együttműködésekre is — mi tesz egy partnerséget AI-készenné részben meghatározza, hogy egy házon belüli elmozdulás működik-e az ellátási láncban.
Ez a compliance-t is érinti. Egy rendszer, amely egy folyamat egy részét átveszi, megváltoztatja, ki miért felelős kimutathatóan, és ez saját tesztet érdemel a compliance-ra és kockázatra, amelyeket AI-készenné kell tenni.
Nincs olyan százalék, amely minden organizációra érvényes lenne. Attól függ, mennyi adat már használható, mennyi folyamat van már dokumentálva, és mennyi kapacitás van az első időszak kísérésére. A vállalatok, amelyeknek sok strukturálatlan adatuk és kevés dokumentációjuk van, több munkával indulnak, mint azok a vállalatok, amelyeknél ez már rendben van. Ez a különbség pontosan az, amiért egy előzetes becslés kevéssé mond valamit anélkül, hogy előbb magát a munkát megvizsgálnánk, feladatról feladatra — ezt méri fel feladatonként a [FTE TO AI munkascanje](/).
Hogy lássa, organizációja hol áll a legelőrébb és hol a legkevésbé előrébb, van egy ingyenes készenléti ellenőrzés: nyolc rövid kérdés, egy-egy dimenziónként, amely képet ad arról, hol áll már a készenlét, és hol van még munka. A teljes ambíciótesz, a négy réteggel és öt confidence gate-tel, jelenleg fejlesztés alatt áll.
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.