En organisation med flere afdelinger har sjældent ét IT-miljø. Der er ofte en central kontrakt for de store produktivitetsprogrammer, men derudover findes der lokale indkøbsbudgetter, regionale IT-administratorer og afdelinger, der selv tegner deres egne abonnementer. Den, der leder efter AI-brug inden for en sådan struktur, skal vide, hvilke signaler der siger noget, og hvilke signaler der kun giver et indtryk af fuldstændighed.
Den centrale IT-afdeling leverer typisk et licensoverblik: hvilke værktøjer der er indkøbt, til hvilke afdelinger, og med hvilke funktioner aktiveret. Dette overblik er et udgangspunkt, ikke et slutpunkt. Det viser, hvad der er godkendt, ikke hvad der bruges, og bestemt ikke hvad der per afdeling er kommet til ud over det centrale udbud. En grund til, at it-listen ikke stemmer, er netop dette: godkendelse og brug er to forskellige spørgsmål, og ved flere afdelinger vokser afstanden mellem dem med hver ekstra lokation.
Inden for en organisation med flere lokationer afviger en række signaler, der ved én afdeling stadig falder sammen.
Fakturering er ét af dem. En kreditkortbetaling for et AI-abonnement kan stå på afdelingens omkostningssted i stedet for på det centrale IT-budget. Den, der kun kigger på det centrale indkøbssystem, går fuldstændig glip af disse udgifter.
Netværkstrafik er et andet signal, og det opfører sig ikke ens overalt. En afdeling med sin egen internetforbindelse genererer trafik, der forbliver uden for de centrale firewall-logfiler. Trafik til kendte AI-domæner er da kun synlig, hvis den afdeling er tilsluttet det samme overvågningspunkt som hovedkontoret, og det er ikke altid tilfældet.
Browserudvidelser og selvstændige konti udgør en tredje kategori. Disse installeres typisk lokalt, på udstyr der administreres af en regional IT-medarbejder eller nogle gange af brugeren selv. En centralt administreret enhedspark med ensartet softwareudrulning viser den type installationer; en afdeling med egen administration viser det netop ikke, med mindre der specifikt spørges ind til det.
Til sidst er der spørgsmålet om, hvem der har adgang til hvad. Et værktøj, der er indkøbt centralt til én afdeling, kan via delte login-oplysninger også ende hos andre afdelinger, uden at dette er registreret nogen steder. Adgangsstyring per afdeling, i den udstrækning den findes, giver her en indikation, men ingen sikkerhed.
Ingen af disse kilder er i sig selv fuldstændig. Faktureringsdata viser udgifter, ikke brug. Netværkslogfiler viser trafik, ikke intention eller kontekst. Adgangsstyring viser, hvem der kan logge ind, ikke hvem der faktisk gør det, og til hvad. Ved én afdeling er det stadig overskueligt at sammenholde disse kilder; ved flere afdelinger opstår risikoen for, at hver lokation har en del af billedet, og ingen har helheden.
Dertil kommer den menneskelige kilde: forespørgsel hos medarbejdere og lokale ledere. Dette signal er ofte det rigeste, fordi det ikke kun viser, hvad der bruges, men også til hvad og hvor ofte. Det er samtidig det mest sårbare signal, fordi det kun fungerer, hvis folk vover at svare. Hvordan det gribes an, er beskrevet i hvordan man spørger uden at det følges af en afregning.
Signalerne er nyttige, men uden fast registrering forbliver de løse observationer. For hver fundet anvendelse er det nyttigt som minimum at notere: hvilken afdeling eller enhed der bruger værktøjet, hvem der administrerer eller har indkøbt anvendelsen, hvilken type data der indtastes i det, og om anvendelsen selvstændigt træffer beslutninger eller kun understøtter. Denne indeling er yderligere udfoldet i hvad De registrerer per anvendelse, og opbygningen af det samlede overblik, fra første signal til sammenhængende oversigt, er beskrevet i hvordan De opbygger en AI-oversigt.
Ved flere afdelinger er sondringen mellem udbyder og bruger af en AI-anvendelse ekstra relevant, fordi en afdeling nogle gange selv tilføjer en AI-funktionalitet til et produkt eller en tjeneste og dermed får en anden rolle end den afdeling, der kun bruger et færdigt værktøj. Hvilken sondring det er, er forklaret på er De udbyder eller bruger, og hvornår den rolle kan skifte, for eksempel gennem ændringer en afdeling selv gennemfører, kan De læse på hvornår ændres Deres rolle.
Målet med denne kortlægning er ikke fuldstændighed på én gang, men et udgangspunkt, der kan gentages. Afdelinger forandrer sig, abonnementer forlænges eller opsiges, og nye værktøjer dukker op hurtigere, end en årlig audit kan følge med til. Et overblik, der kombinerer de vigtigste signaler og kan gentages per afdeling, giver mere at holde fast i end et enkeltstående øjebliksbillede.
Når det først er synligt, hvilke AI-anvendelser der bruges i organisationen, følger naturligt et andet spørgsmål: hvad disse anvendelser præcis gør med selve arbejdet. Arbejdsscanen fra FTE TO AI beregner per opgave, hvilken del af arbejdet der kan overtages af AI, og knytter sig dermed til det overblik, Responsible AI Scan giver.
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.