Ne: imamo veliko podatkov. Ne: imamo podatkovno strategijo na papirju. Vprašanje, ki šteje, je ožje in bolj neprijetno: so podatki, ki spadajo k določeni nalogi, dovolj popolni, aktualni in dostopni, da to nalogo predate AI, v celoti ali z nadzorom.
To je za vsako nalogo drugačno vprašanje. Naloga, pri kateri AI povzema besedilo iz dobro strukturirane podatkovne baze, zahteva nekaj drugega kot naloga, pri kateri AI pripravlja odločitev na podlagi podatkov, ki so v treh sistemih zapisani različno. Ambicija pogosto glasno omenja le prvi primer in tiho predpostavlja drugega.
AI prevzema delo. Pri delu nalog to lahko poteka v celoti, pri delu le z človeškim nadzorom, ki z razlogom potrdi ali zavrne, in pri delu ostaja delo v rokah ljudi. Ta razdelitev poteka skozi vsak oddelek in se ne spreminja, ker se spremeni leto, temveč ker se spremenijo osnovni podatki.
Razlika med podjetji, ki to že dobro preverjajo, in podjetji, ki tega še ne počnejo, redko leži v količini podatkov. Leži v vprašanju, ali lahko nekdo pokaže, kateri podatki spadajo h kateri nalogi, kdo je njihov lastnik in kako bi opazili, da ti podatki niso pravilni. Podjetja, kjer je to vprašanje že navada, razmeroma hitro vidijo, ali je prevzem s strani AI pri posamezni nalogi realen pogovor. Podjetja, kjer je to vprašanje novo, odkrijejo podatkovne vrzeli šele v trenutku, ko je AI že nekaj napačno izdelal.
Preizkus ne zahteva dokumenta o razvrstitvi podatkov. Zahteva tri stvari, ki jih lahko pokažete, ne le opišete:
Dokaz, ki šteje: vzorec, pri katerem trije ljudje neodvisno drug od drugega preverijo isti podatkovni vir in pridejo do enakega izida. Dokaz, ki ne šteje: ocena zadovoljstva o "naši podatkovni infrastrukturi" na izletu vodstva.
Naloga, ki na podatkovni razsežnosti nizko oceni, po definiciji ni naloga, ki ne sprosti kapacitete. Pomeni, da se vrstni red spremeni: najprej urediti podatke, nato prenos. To je časovnica, ne zavrnitev.
To tudi ne pomeni, da je nekaj narobe z ljudmi, ki podatke zdaj upravljajo. Preizkus merí pripravljenost dela, ne kakovosti zaposlenih, in ne pove nič o funkcijah ali številu delovnih mest. Če izid vpliva na kadrovske odločitve, veljajo zanje lastne zakonske zahteve; te presojate ločeno, ne na podlagi preizkusa pripravljenosti.
Kar pa je uporabno: izid pokaže, ali težava leži v samih podatkih, pri ljudeh, ki z njimi delajo, ali pri ponudnikih, ki dostavljajo sisteme. To razlikovanje določa naslednji korak. Če gre za način, kako zaposleni ravnajo s podatki, se to navezuje na kako preverite, ali vaši ljudje to zmorejo. Če gre za sisteme tretjih strani, ki podatke dostavljajo ali odpirajo, pride v poštev kako preverite, ali vaši dobavitelji zmorejo slediti. In če sama ambicija ni opredelila podatkovne potrebe, vzrok pogosto ni v podatkih, temveč v formulaciji: takrat pomaga kako nejasno vizijo naredite konkretno.
Za "so naši podatki dovolj dobri" se skriva večje vprašanje: katero delo v tem podjetju je, glede na podatke, ki so zdaj na voljo, resnično mogoče prepustiti AI, in katero ni. Na to vprašanje se odgovarja za posamezno nalogo z delovnim skenom podjetja FTE TO AI, ne s presojo o organizaciji kot celoti.
Podatkovno razsežnost lahko preverite samostojno, vendar ne stoji sama. Pripravljenost za prevzem s strani AI sestavlja osem razsežnosti, in podatki so ena od njih, poleg na primer ljudi, dobaviteljev in ostrine same ambicije. Izid na eni razsežnosti pove malo brez ostalih sedmih.
Brezplačni preizkus pripravljenosti ta pregled poda v osmih kratkih vprašanjih, enem na razsežnost, s slikoo, kje ste najdlje in kje najmanj daleč. Brez poročila, brez obveznosti, a z iskrenim izhodiščem. Popolni preizkus ambicije, s štirimi plastmi od vizije do ciljnega stanja in prevodom v vloge in pravice odločanja, je v izdelavi.
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.