En AI-inventar er ikke et øjebliksbillede af, hvad IT-afdelingen har anskaffet. Det er et løbende overblik over, hvad der faktisk bliver brugt i organisationen til at udføre arbejde, uanset om denne brug er godkendt, indkøbt eller endda kendt af den afdeling, der formelt beslutter om software. Den, der ønsker at opbygge en inventar, der dækker denne forskel, skal søge på flere steder, end de fleste organisationer er vant til.
Listen over godkendte applikationer er et logisk udgangspunkt, men dækker kun det, der er kommet ind via et formelt forløb. AI-funktionalitet lander også via kanaler, der ikke bliver genkendt som 'ny applikation': en opdatering af eksisterende software, en browserudvidelse, en funktion, der bliver aktiveret af en leverandør uden separat besked. Hvorfor IT-listen ikke stemmer beskriver de mekanismer, hvorved en inventar, der kun bygger på denne liste, per definition er ufuldstændig. Det betyder ikke, at listen er overflødig — det betyder, at den er én kilde blandt andre, ikke den eneste.
Fakturaer, abonnementer og licenstal fortæller en anden historie end IT-listen, fordi indkøb ofte sker på afdelingsniveau og ikke altid går via et centralt IT-forløb. Et team, der tegner et abonnement på et værktøj med en AI-funktion, registrerer det hos indkøb eller finans, ikke nødvendigvis hos IT. Hvad indkøbs- og licensdata afslører viser, hvilke mønstre i disse data peger på AI-brug, der endnu ikke er blevet bemærket andre steder: tilbagevendende små abonnementer, navngivning af værktøjer, vækst i datatrafik til bestemte domæner. Dette er ikke en erstatning for direkte forespørgsel, men en måde at vide, hvor De først bør rette denne forespørgsel.
Netværkstrafik, DNS-logs og adgangsstyring kan give indikationer om, hvilke tjenester der bliver tilgået fra virksomhedens udstyr. Ikke alle signaler er lige troværdige: trafik til en AI-leverandør kan pege på aktiv brug, men også på en baggrundsproces, der ikke har noget at gøre med det daglige arbejde. Hvilke IT-signaler er brugbare redegør for, hvilke tekniske indikatorer giver holdepunkter, og hvilke giver for meget støj til at tjene som grundlag for en inventar. Resultatet af disse signaler er en liste over antagelser, ikke et bekræftet overblik — bekræftelsen kommer fra de mennesker, der udfører arbejdet.
Intet teknisk signal og ingen indkøbspost fortæller Dem, hvorfor nogen bruger et værktøj, til hvilken opgave, og om brugen er tilfældig eller strukturel. Denne information kommer først frem, hvis medarbejdere er villige til at dele den. Det sker ikke af sig selv: den, der har en fornemmelse af, at et svar på spørgsmålet 'hvilken AI bruger De' fører til et forbud eller en anmærkning, svarer undvigende eller ikke. Hvordan De spørger medarbejderne uden konsekvenser beskriver, hvordan dette spørgsmål stilles på en måde, der gør et ærligt svar mere sandsynligt. Denne del af inventaren giver ofte den største del af de applikationer, der ikke bliver synlige via nogen anden kilde.
En inventar, der kun samler navne på værktøjer, kan ikke bruges til governance. Pr. applikation er der brug for mere: hvem bruger værktøjet og til hvilken opgave, hvilken type data bliver indtastet i det, om resultatet spiller en rolle i en beslutning om en kunde, medarbejder eller tredjepart, og hvilken leverandør der står bag. Hvad De skal registrere pr. applikation giver de felter, der er nødvendige for senere at kunne klassificere en applikation efter rolle og risikoniveau, uden at De skal gentage inventarisering, når denne klassificering bliver efterspurgt.
I en organisation med flere lokationer, forretningsenheder eller lande bliver selve inventariseringen et koordinationsproblem: hvem spørger om det, i hvilken rækkefølge, og hvordan bliver resultaterne samlet uden, at afdelinger begynder at korrigere eller udjævne hinandens svar. Hvordan De opbygger en AI-inventar i en organisation med flere enheder går ind på denne skala: hvor koordinationen går i stå, og hvordan resultaterne fra forskellige enheder forbliver sammenlignelige.
En inventar, der én gang er opbygget, er et billede taget på et tidspunkt. For at holde den brugbar for bestyrelsesmedlemmer, CIO'er og risikomanagere skal den gentages og kobles til en klassificering, der passer til organisationens eksisterende risikostruktur. Denne del — inventarisering, klassificering efter rolle og risikoniveau, og tilknytningen til governance — er, hvad Responsible AI Scan arbejder på. Scanningen er under udvikling; den, der er interesseret i dette, kan tilmelde sig ventelisten.
En inventar besvarer spørgsmålet om, hvilken AI der bliver brugt. Et andet, supplerende spørgsmål er, hvor stor en del af det faktiske arbejde — opgave for opgave — der kan overtages af AI. Dette spørgsmål besvares af FTE TO AI's arbejdsscanning, der pr. opgave beregner, hvor stor en del af arbejdet der kan overtages.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.