Начните с честной оценки
Любая трансформация с применением ИИ должна начинаться с честной оценки того, где организация находится сегодня. Не там, где, по мнению руководства, она находится. Не там, где надеется ИТ-департамент. А там, где она действительно находится.
Это неприятно. Честная оценка выявляет пробелы — в качестве данных, зрелости процессов, кадрах, понимании ситуации руководством, инфраструктуре и культуре. Эти пробелы — не провалы. Они являются исходными условиями, которые определяют, какой план трансформации действительно сработает.
Организации, которые пропускают этот шаг или проводят поверхностную оценку, призванную подтвердить желаемый вывод, неизменно обнаруживают пробелы на этапе внедрения, когда их устранение обходится дорого, нарушает устоявшиеся процессы и сопряжено с политическими сложностями.
Шесть измерений готовности к ИИ
В Remolda мы оцениваем готовность к ИИ по шести измерениям. Каждое измерение оценивается по шкале зрелости, а совокупная оценка показывает как общую готовность организации, так и конкретные области, которым необходимо уделить внимание, прежде чем внедрение ИИ сможет быть успешным.
Измерение 1: Данные
Системы ИИ настолько же эффективны, насколько качественны данные, которые они потребляют. Измерение «Данные» оценивает:
Доступность. Существуют ли данные, необходимые для сценариев использования ИИ? Фиксируются ли они в цифровом виде? Можно ли получить к ним программный доступ, или они «заперты» в PDF-файлах, электронных письмах и картотеках?
Качество. Достоверны, полны и согласованы ли данные? Есть ли систематические пробелы, дубликаты или ошибки? Проверял ли кто-либо качество данных по конкретным полям, которые потребуются системам ИИ?
Управление данными. Кто является владельцем данных? Кто контролирует доступ? Существуют ли задокументированные политики в отношении данных, регламенты хранения и стандарты качества? Для регулируемых отраслей: соответствует ли обработка данных действующему законодательству о конфиденциальности?
Интеграция. Можно ли объединить данные из разных систем? Есть ли общие идентификаторы в базах данных? Существует ли хранилище данных или озеро данных, или данные разбросаны по разрозненным департаментальным хранилищам?
Типичный вывод: Большинство организаций переоценивают свою готовность в части данных. У них есть данные, но они разрозненны, не согласованы, частично оцифрованы и не задокументированы. Устранение пробелов в готовности данных часто становится первым и самым важным шагом трансформации с применением ИИ.
Измерение 2: Процессы
ИИ автоматизирует и дополняет процессы. Если процессы не определены, не задокументированы или неэффективны, ИИ лишь усиливает дисфункцию.
Документирование. Задокументированы ли ключевые процессы? Соответствуют ли документы действительности, или это устаревшие описания того, как работа должна была выполняться три года назад?
Стандартизация. Следуют ли разные команды одному процессу при выполнении одной и той же работы, или у каждой команды есть своя вариация? Системам ИИ нужны согласованные процессы, чтобы автоматизация была эффективной.
Измерение. Измеряются ли результаты процессов? Известно ли, сколько занимает каждый этап, где находятся узкие места и каковы уровни ошибок? Без базовых измерений невозможно оценить влияние ИИ.
Готовность к перепроектированию. Готовы ли заинтересованные стороны изменять процессы, или существующие процессы воспринимаются как неизменные? Трансформация с применением ИИ требует перепроектирования процессов, а не только их автоматизации.
Измерение 3: Кадры
Компетенции в области ИИ по всей организации — а не только в ИТ.
Технические компетенции. Есть ли в организации сотрудники, понимающие возможности и ограничения ИИ? Это не обязательно data scientist'ы — нужны люди, способные оценивать инструменты ИИ, управлять внедрением и эксплуатировать системы ИИ.
Экспертиза в предметной области. Достаточно ли экспертам понятны свои рабочие процессы, чтобы чётко сформулировать, что должен делать ИИ? Могут ли они определить «правильные» результаты для обучения и валидации?
Цифровая грамотность. Комфортно ли персоналу в целом работать с цифровыми инструментами? В организациях, где сотрудники испытывают трудности даже с электронной почтой и электронными таблицами, кривая освоения инструментов ИИ будет круче.
Культура обучения. Поддерживает ли организация непрерывное обучение? Предоставляются ли сотрудникам время и ресурсы для развития новых навыков?
Измерение 4: Руководство
Трансформация с применением ИИ требует активного и осведомлённого руководства — а не просто одобрения.
Понимание. Понимают ли руководители, на что способен ИИ, а на что нет? Могут ли они отличить реалистичные сценарии применения ИИ от маркетинговой шумихи вендоров?
Приверженность. Готово ли руководство к многомесячной трансформации, требующей постоянного внимания, бюджета и организационных изменений? Или оно рассчитывает на быстрое решение?
Согласованность. Есть ли единое понимание в команде руководителей относительно приоритетов, масштаба и ожидаемых результатов? Несогласованные ожидания порождают конфликты в ходе внедрения.
Спонсорство. Есть ли исполнительный спонсор, обладающий полномочиями и готовностью устранять препятствия, разрешать конфликты и сохранять темп, когда трансформация становится сложной?
Измерение 5: Инфраструктура
Технологический фундамент, на котором будут строиться системы ИИ.
Текущие системы. Какие системы использует организация? Каковы их возможности интеграции? Где находятся унаследованные системы без API?
Готовность к облаку. Работает ли организация в облаке, локально или в гибридной среде? Какие ограничения существуют для перехода в облако — регуляторные, связанные с безопасностью или организационные?
Сеть и вычислительные мощности. Способна ли существующая инфраструктура поддерживать нагрузки ИИ — обработку данных, инференс моделей, взаимодействие в реальном времени?
Безопасность. Существуют ли устоявшиеся практики безопасности, которые можно распространить на системы ИИ, — управление доступом, шифрование, мониторинг, реагирование на инциденты?
Измерение 6: Культура
Организационная склонность к изменениям, технологиям и новым способам работы.
Готовность к изменениям. Как организация справлялась с предыдущими технологическими изменениями? Не накопила ли она институциональную усталость от неудавшихся инициатив по трансформации?
Доверие. Доверяют ли сотрудники, что ИИ будет внедряться взвешенно, или они ожидают, что его будут использовать как инструмент сокращения штата?
Готовность к инновациям. Поощряет ли организация эксперименты, или культура наказывает за неудачи и вознаграждает сохранение статус-кво?
Отношения с профсоюзами и трудовые отношения. В организациях с профсоюзами каковы отношения между руководством и профсоюзами по вопросу внедрения технологий? Существуют ли уже механизмы для обсуждения последствий автоматизации?
Оценка и интерпретация результатов
Каждое измерение оценивается по шкале от 1 до 5:
- 1 — Не начато: отсутствуют как возможности, так и осознание в этом измерении
- 2 — Зарождающийся уровень: первичное осознание, разрозненные усилия, отсутствие системного подхода
- 3 — Развивающийся уровень: системный подход сформирован, но он неполный или непоследовательный
- 4 — Устоявшийся уровень: зрелые практики, способные поддержать внедрение ИИ
- 5 — Оптимизированный уровень: передовые возможности, позволяющие организации использовать ИИ на уровне лидеров
Организации, которые набирают 3 и выше по большинству измерений, готовы к целевому внедрению ИИ. Организации, набирающие менее 3 по критически важным измерениям — особенно «Данные» и «Процессы» — должны устранить эти пробелы, прежде чем инвестировать в внедрение ИИ.
Важный вывод: пробелы в готовности не являются основанием для бесконечного откладывания. Это конкретные, устранимые условия, которые следует включить в план трансформации. Организация, набирающая 2 по готовности данных, не должна достичь 5, прежде чем начать работу с ИИ, — ей нужен реалистичный план, в котором качество данных улучшается в рамках трансформации, а не выступает предварительным условием.
Что следует за оценкой
Грамотно проведённая оценка готовности к ИИ даёт:
- Ясность относительно того, где организация действительно находится
- Приоритеты — каким измерениям нужно уделить внимание в первую очередь
- Масштаб — какие сценарии использования ИИ реалистичны при текущей готовности
- Входные данные для дорожной карты — организационные изменения, которые необходимо запланировать параллельно с внедрением технологий
- Согласование заинтересованных сторон — общее понимание исходных условий, которое предотвращает разговоры в духе «мы думали, что готовы», срывающие внедрение
Эта оценка — первый шаг в методологии Remolda: фаза аудита цикла Remolda. Она гарантирует, что каждое последующее решение основывается на реальности, а не на предположениях.