En ledning vill ha en siffra. Sjuttio procent redo, eller fyrtio, eller nittio. En siffra jämför, rangordnar, motiverar ett beslut på ett möte som varar en timme. Problemet är att beredskap för AI-arbete inte existerar på det sättet. Beredskap är inte en egenskap hos en organisation på samma sätt som omsättning eller antal anställda är en egenskap. Det är svaret på en rad frågor som faller olika ut per dimension, och det utfallet skiljer sig i sin tur per ambition.
Anledningen ligger i vad som faktiskt sker när AI tar över arbete. Det sker inte på en gång och inte överallt samtidigt. Vissa uppgifter kan AI utföra självständigt. Andra uppgifter kan AI förbereda, varefter en människa godkänner eller avslår med motivering. Ytterligare andra uppgifter förblir mänskligt arbete, inte därför att AI inte klarar det, utan därför att organisationen inte har ordnat förutsättningarna för det. Dessa tre kategorier går tvärs igenom varje avdelning, varje process och varje ambition. En siffra som sammanfattar denna mångfald till en enskild procentsats döljer just den information en ledning behöver: var skillnaden ligger, och varför.
Antag att ett beredskapsresultat på sjuttio procent presenteras. Vad betyder det? Sjuttio procent av processerna är klara? Sjuttio procent av medarbetarna är utbildade? Sjuttio procent av data är användbar? En poäng utan underliggande fråga lämnar läsaren att gissa, och gissningen sker oftast till förmån för ambitionen, inte till förmån för sanningen. En ledning som vill ha en ambition läser gärna en hög siffra som en bekräftelse. En siffra bjuder in till den läsningen, även när underbyggnaden inte bär den.
De åtta dimensionerna som tillsammans avgör beredskap — från data och system till beslutsrätter och juridiska ramar — hänger inte samman lika mycket med varje ambition. En ambition som kräver snabbare kundkontakt lutar tungt mot andra dimensioner än en ambition som kräver automatiserad rapportering. Ett enskilt beredskapstal jämnar ut dessa skillnader. Svaret på frågan "är vi redo" blir därför nästan alltid: det beror på vilken del av arbetet ni menar, och vilket lager av ambitionen ni prövar.
I det ena företaget är frågan om AI kan ta över en uppgift redan länge besvarad: tillsynen är ordnad, beslutsrätterna är tilldelade, någon vet vem som godkänner ett resultat och på vilken grund. I det andra företaget vilar samma uppgift fortfarande helt på en människa, inte därför att uppgiften kräver det, utan därför att ingen har fastställt vem som får avslå om AI gör ett fel. Skillnaden ligger sällan i tekniken. Den ligger i frågan om organisationen i förväg har bestämt vad som måste stämma innan arbete förflyttas: vilken data som är fullständig nog, vilken roll som bär kontrollen, vilket mandat som krävs för att låta ett resultat stå.
Dessa frågor är precis varför en ambitionsprövning består av fyra lager — vision, vision state, target, target state — och varför varje lager hålls upp separat mot de åtta dimensionerna. En vision som anger att AI tar över den största delen av rapporteringen kräver något annat av organisationen än en target som vill ha det operativt inom ett år. Frågorna per lager och per dimension ger inte en poäng, utan en karta: var organisationen redan har kommit långt, och var inte.
Även inom den kartan är inte varje svar lika säkert. En confidence gate markerar var underbyggnaden är stabil och var den vilar på antaganden. En dimension kan se "redo" ut därför att ingen har ställt frågan kritiskt, inte därför att svaret håller vid prövning. Fem sådana gates löper genom hela prövningen, just för att förhindra att en skensäkerhet tas för en verklig. Där en gate ger låg poäng betyder det inte att ambitionen är ogenomförbar. Det betyder att resultatet på den punkten inte säger något förrän man har tittat närmare.
Det är obekvämt i en styrelsesal som vill ha ett svar, men det är den mest ärliga beskrivningen av vad prövning för närvarande kan ge. Ett resultat som ger fem stjärnor överallt är mer misstänkt än ett resultat som på tre dimensioner säger: okänt, vidare undersökning krävs.
De åtta dimensionerna och fem gates är inget mål i sig. De översätts tillbaka till capabilities: vad måste en roll kunna, vem beslutar, vem avslår. Det är även där många ambitioner i praktiken kör fast — inte på tekniken, utan på frågan hur förhindrar ni att ett AI-projekt fastnar hos IT-avdelningen i stället för hos de roller som faktiskt utför arbetet. Även en ambition som är tekniskt genomförbar kan fastna på en fråga som inte har något med teknik att göra, till exempel vad gör ni när ambitionen kan men compliance inte tillåter det. Och inte varje ambition hör hemma under det första året: ibland är svaret på beredskapsfrågorna att man bättre kan titta på vilken ambition ni hellre bör skjuta upp ett år än på vad som måste ske detta kvartal.
Den underliggande frågan — vilket arbete i detta företag verkligen kan tas över av AI, uppgift för uppgift — besvaras med arbetsanalysen från FTE TO AI, skild från själva ambitionsprövningen.
Att ge en siffra på beredskap är alltså inte poängen. Poängen är att känna frågorna och veta var svaret ännu vilar på ett antagande. Den som vill se var den egna organisationen har kommit längst och minst långt kan göra den kostnadsfria beredskapskontrollen: åtta korta frågor, en per dimension, med en bild av var ambitionen redan har stöd och var inte. Den fullständiga ambitionsprövningen, med de fyra lagren och de fem confidence gates, är under uppbyggnad.
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.