Vadības komanda, kas saka "mēs izmantosim AI", ar to bieži nedomā vienu un to pašu. Viena puse domā par valodas modeli, kas apkopo pārskatus, otra — par sistēmām, kas daļēji pašas apkalpo klientu kontaktus. Abos gadījumos nepieciešama tehnoloģija, kas to spēj apstrādāt, un kapacitāte, kas to spēj pavadīt. Tās ir divi atšķirīgi gatavības veidi, un tos reti pārbauda atsevišķi viens no otra.
AI gatavības izmaksas nav galvenokārt licencēs. Tās ir tajā, kam jānotiek, pirms uzdevums var droši pāriet no sistēmas uz AI: dati, kas ir atrodami un aktuāli, savienojumi, kas eksistē vai jāizveido, un cilvēki, kas zina, kad rezultātu apstiprināt un kad nē. Cik tas maksā, ir atkarīgs no tā, cik daudz šo elementu jau ir vietā un cik daudz vēl trūkst.
Iekšienē katras ambīcijas, kas paredz AI darbu, pamatā esošais darbs iedalās trīs kategorijās. AI var pilnībā uzņemties uzdevumu, bez tā, ka cilvēks vēl to pārbauda. Cilvēks saglabā uzraudzību un apstiprina vai atsaka, ar pamatojumu. Vai darbs paliek cilvēka darbs, jo to prasa spriedums, konteksts vai atbildība.
Nepieciešamā tehnoloģija atšķiras katrā kategorijā. Pilnīga uzņemšanās prasa uzticamus, labi strukturētus datus un sistēmu, kas atpazīst kļūdu paziņojumus, pirms tie rada kaitējumu. Uzraudzība ar apstiprinājumu prasa saskarni, kurā cilvēks var ātri redzēt, kāpēc sistēma nonāca pie konkrēta rezultāta. Cilvēka darbs bieži neprasa jaunu tehnoloģiju, bet prasa skaidrību par to, kurš par ko turpina būt atbildīgs — tas saistās ar lēmumu tiesībām, kuras pārmaiņu gadījumā jānoteic no jauna.
Uzņēmumi, kas šo atšķirību jau veic, jūt to atšķirībā, cik ātri izmēģinājums pāriet no pilotprojekta uz produkciju. Uzņēmumi, kas to nedara, turpina testēt, bez tā, ka top skaidrs, kura darba daļa faktiski pāriet.
Atšķirība starp uzņēmumiem, kuriem tas šodien jau norit vienmērīgi, un uzņēmumiem, kas vēl nav tam gatavi, parasti nav tehnoloģijas izvēlē. Tā ir trīs faktoros, kas to nosaka iepriekš.
Pirmkārt: vai organizācija zina, kādi uzdevumi veido kādu procesu, atsevišķi no attiecīgā amata nosaukuma. Bez šīs inventarizācijas jeb apzināšanas jeb izvērtēšanas jebkurš apgalvojums par "AI gatavību" ir tikai novērtējums.
Otrkārt: vai sistēmas, kas pastāv tagad, sniedz datus, kurus AI risinājums var izmantot. Daudzām organizācijām ir dati, kas ir korekti cilvēkam, kurš tos lasa, bet nav pietiekami strukturēti sistēmai, kurai ar tiem jāstrādā.
Treškārt: vai ir kapacitāte — stundās, nevis labos nodomos — lai pavadītu pāreju. Kādam jāpārbauda pirmie simts rezultāti, pirms sistēma var darboties bez uzraudzības. Šīs stundas parasti nav nevienā plānā.
Pirmā redzamā zīme nav izmaksu ietaupījums, bet gan pārmaiņas tajā, kur laiks tiek pavadīts. Darbs, kas iepriekš sastāvēja no izpildes, kļūst par darbu, kas sastāv no vērtēšanas. Tas prasa citas prasmes un dažkārt citu lomu, ne automātiski mazāk cilvēku.
Otrā zīme ir, ka jautājumi, kas iepriekš bija IT pārziņā, tagad ir valdes pārziņā. Kuru lēmumu sistēma var pieņemt pati, un kuru vienmēr jāapstiprina cilvēkam? Tas ir lēmumu tiesību jautājums, nevis tehniskais iestatījums, un tam kaut kur jābūt fiksētam, pirms notiek incidents.
Trešā zīme ir budžetā. Atbrīvotās stundas vienā vietā automātiski nepārvēršas par ietaupījumu; tās bieži parādās kā papildu kapacitāte citā vietā, piemēram, kontrolē, klientu kontaktos brīžos, kad AI nav pietiekams, vai pašu sistēmu uzturēšanā. Ko tas kopumā nozīmē budžetam, ir saistīts ar to, kā ir izveidota finansiālā noturība un kāda ir rezerve, lai šo pāreju absorbētu, pirms tā sniedz atdevi.
Šī pārbaude nesaka nekā par to, kuru organizācija paturēs darbā vai atlaidīs. Tas ir lēmums ar savām juridiskajām prasībām, ārpus tā, kas šeit tiek aprakstīts. Šeit tiek aprakstīta kapacitāte: kuras stundas atbrīvojas, kuras stundas nepieciešamas papildus, un kāda tehnoloģija tam jābūt gatavai. Tas tikpat lielā mērā attiecas uz sadarbību ar citām pusēm — kas sagatavo partnerību AI izmantošanai daļēji nosaka, vai pārmaiņas pašu organizācijā darbosies visā ķēdē.
Tas ietekmē arī atbilstību (compliance). Sistēma, kas pārņem daļu procesa, maina to, kurš par ko ir pierādāmi atbildīgs, un tas ir pelnījis savu pārbaudi par atbilstību un riskiem, kas jāsagatavo AI izmantošanai.
Nav procenta, kas attiektos uz katru organizāciju. Tas ir atkarīgs no tā, cik daudz datu jau ir izmantojami, cik daudz procesu jau ir dokumentēti, un cik kapacitātes ir, lai pavadītu pirmo periodu. Uzņēmumi ar daudz nestrukturētu datu un mazu dokumentāciju sāk ar vairāk darba nekā uzņēmumi, kam tas jau ir sakārtots. Šī atšķirība ir tieši tas, kāpēc novērtējums iepriekš nedaudz pasaka, ja pirms tam nav paskatīts uz pašu darbu, uzdevumu pēc uzdevuma — tas ir tas, ko [FTE TO AI darba skenēšana](/) apzina pa uzdevumiem.
Lai redzētu, kur jūsu organizācija ir tikusi vistālāk un kur vismazāk, ir bezmaksas gatavības pārbaude: astoņi īsi jautājumi, viens par katru dimensiju, ar priekšstatu par to, kur gatavība jau ir un kur vēl ir darbs. Pilna ambīciju pārbaude, ar četriem slāņiem un pieciem confidence gates, tiek izstrādāta.
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.