75% Zarządów Przyznaje, że Ich Strategia AI Jest Bardziej dla Pokazu Niż Rzeczywistego Zarządzania

Zazwyczaj są zbudowane na niezmienionym modelu operacyjnym, technologia jest dodawana na starych strukturach, i nic naprawdę strukturalnie się nie porusza, co oznacza, że projekt pilotażowy działa tylko tak dobrze jak zepsuty proces, do którego został po cichu dodany. Projekt pilotażowy, który udaje się w kontrolowanym teście, ale nigdy nie skaluje, rzadko jest awarią technologiczną; niemal zawsze jest oznaką, że podstawowe prawa decyzyjne i przepływy pracy nigdy nie zostały przeprojektowane, by naprawdę wykorzystać to, co technologia może zrobić.

Najpierw przeprojektujcie model operacyjny i prawa decyzyjne, i wybierzcie projekty pilotażowe specjalnie dlatego, że demonstrują coś, na czym może budować następny krok, zamiast wybierać projekt pilotażowy, który najbardziej zaimponował na demo. Projekt pilotażowy wybrany ze względu na wartość demonstracyjną zazwyczaj niewiele mówi o gotowości produkcyjnej; projekt pilotażowy wybrany, ponieważ testuje konkretne założenie modelu operacyjnego, dokładnie mówi, co musi być prawdą, zanim skalowanie będzie kontynuowane.

Większość organizacji wykorzystuje jedynie poziom powierzchniowy, generowanie tekstu i podsumowania, podczas gdy aplikacje o wyższej wartości, takie jak agenci, pełna automatyzacja i wsparcie decyzyjne, pozostają niesprawdzone, głównie dlatego, że nikt nie przeprojektował przepływów pracy, w które te aplikacje powinny się wpasować. Technologia zdolna do rzeczywistego zwrotu jest często dostępna od dawna; brakuje pracy nad modelem operacyjnym potrzebnej do jej wykorzystania.

Rozdzielcie każde zadanie między cztery typy zdolności, stali pracownicy, elastyczny talent, maszyny, agenci, w zależności od tego, czy wymaga ludzkiego osądu, czy można je standaryzować lub automatyzować, zamiast ogólnej decyzji o tym, jakich ról AI powinna czy nie powinna dotykać. To rozdzielenie zadanie po zadaniu jest bardziej szczegółowe, niż próbuje większość organizacji, ale to ono ujawnia, gdzie automatyzacja dodaje wartość względem tego, gdzie po prostu szybciej sformalizowałaby zły proces.

Wieloetapowi agenci wykonujący sekwencje zadań, pełna automatyzacja procesów, wsparcie decyzyjne oparte na scenariuszach, nadzór eksponujący nieprzeczytane sygnały już obecne w istniejących danych, oraz koordynacja między działami są wszystkie realistyczne dzisiaj, nie eksperymentalne, a mimo to większość organizacji nigdy nie wychodzi poza okno czatu do tekstu i podsumowań. Luka między tym, co jest technicznie dostępne, a tym, co jest faktycznie wdrożone, jest często luką modelu operacyjnego, nie zdolności.

Zbudujcie zintegrowany widok łączący planowanie siły roboczej i strategię AI, zamiast osobnych spotkań, gdzie HR planuje kadry dla pracy, którą równoległa inicjatywa AI po cichu zamierza zmienić lub usunąć. Trzymanie tych dwóch rozmów osobno oznacza, że organizacja kończy planowanie dla dwóch różnych przyszłości jednocześnie i odkrywa niedopasowanie dopiero, gdy oba plany są już w toku.

Model operacyjny wyraźnie rozdzielający pracę między pracowników, elastyczny talent, maszyny i agentów, przeprojektowany przed zastosowaniem automatyzacji, zamiast automatyzowany w ramach już istniejącej struktury. Krok przeprojektowania ma znaczenie, ponieważ samo dodanie AI do niezmienionej struktury zazwyczaj po prostu wstawia nowe narzędzie do starych przepływów pracy, nie wychwytując faktycznie efektywności, którą narzędzie mogłoby przynieść.

Zmapujcie każde zadanie i zdecydujcie, co wymaga ludzkiego osądu, co można standaryzować, a co AI może w pełni obsłużyć, automatyzacja źle zaprojektowanego procesu po prostu doprowadza go do szybszej, większej skali awarii, niż gdy ludzie ręcznie naprawiali błędy. To ćwiczenie mapowania często ujawnia, że znaczna część zadań w danym przepływie pracy nie musi być wykonywana tak, jak jest wykonywana teraz, zautomatyzowana czy nie.

Mierzone oceną dojrzałości na 7 wymiarach i 5 poziomach obejmujących organizację, infrastrukturę IT, zarządzanie danymi, etykę, prywatność i bezpieczeństwo, ludzi i kompetencje oraz zarządzanie wydajnością, zamiast ogólnego wrażenia opartego na liczbie narzędzi AI już używanych gdzieś w biznesie. Przyjęcie narzędzi i rzeczywista gotowość organizacyjna to często dość różne rzeczy, a ocena jest specjalnie zaprojektowana, by je rozróżnić.

Oceńcie każdy wymiar podczas sesji roboczej z klientem, zweryfikowany względem szczegółowych opisów poziomów, tak by ocena faktycznie coś znaczyła, zamiast ankiety samooceny wypełnianej niezależnie przez kogokolwiek, kto akurat jest dostępny. Szczegółowe opisy poziomów mają znaczenie, ponieważ ocena dojrzałości bez jasnej, wspólnej definicji tego, jak faktycznie wygląda każdy poziom, ma tendencję do dryfowania w kierunku najwygodniejszej liczby do zaraportowania.

Uczyńcie własność decyzji wyraźną jako część przeprojektowania modelu operacyjnego, odpowiedzialność bez autorytetu jest głównym powodem utkniętych wdrożeń AI, gdzie od kogoś oczekuje się dostarczenia wyników z systemu, nad którym nie ma rzeczywistej mocy zmiany czy zarządzania. Wyznaczenie konkretnej osoby odpowiedzialnej z rzeczywistymi prawami decyzyjnymi nad daną aplikacją AI jest często jedyną zmianą, która odblokowuje utknięte wdrożenie z pozornie niezwiązanych powodów.

Zdefiniujcie, co agent może zdecydować, jakich źródeł może użyć, jak uzasadnia swoje odpowiedzi, kiedy eskaluje do osoby i jak jest rejestrowane i monitorowane użycie, traktując to jako ćwiczenie projektowania zarządzania zamiast technicznej konfiguracji w ostatniej chwili. Agent z rzeczywistą przestrzenią decyzyjną bez tych wyraźnie zdefiniowanych granic ma tendencję do nieprzewidywalnego zachowania dokładnie w przypadkach granicznych, gdzie przewidywalność ma największe znaczenie.

Uczyńcie zdolność realizacji widoczną poprzez ocenę dojrzałości zamiast abstrakcyjnie debatować o tempie, co zamienia rozmowę w coś konkretnego, zastępując subiektywną niezgodę co do ambicji konkretnym, opartym na dowodach obrazem tego, co organizacja faktycznie może dostarczyć i do kiedy. Zarządy zazwyczaj lepiej reagują na wiarygodne ograniczenie zdolności niż na ogólne poczucie, że kierunek posuwa się zbyt wolno.

Uporządkujcie najpierw fundamentalne wymiary dojrzałości, następnie dodajcie projekty pilotażowe wybrane specjalnie, by demonstrować to, czego potrzebuje następna faza, zamiast zaczynać od najbardziej atrakcyjnego czy ekscytującego zastosowania bez rozważenia, czy podstawowa zdolność już istnieje, by je wspierać. Harmonogram zbudowany w ten sposób zazwyczaj wygląda mniej imponująco w pierwszym roku i znacznie bardziej trwale w drugim.

Użyjcie platformy rozwojowej, gdzie wyniki uczenia się należą do jednostki i jej towarzyszą, z prywatnością wbudowaną od projektu, zamiast korporacyjnego programu szkoleniowego, którego zapisy znikają, gdy tylko ktoś zmieni rolę lub odejdzie z firmy. Indywidualnie posiadane zapisy nauki mają też tendencję do generowania bardziej uczciwego zaangażowania, ponieważ pracownicy nie budują profilu kompetencji, który przynosi korzyść tylko ich obecnemu pracodawcy.