Ερωτήσεις για τη χρήση AI χωρίς να μοιάζουν με λογοδοσία

Σε μία εγκατάσταση μπορείτε ακόμα να περιφέρεστε και να ξεκινήσετε τη συζήτηση. Σε πολλές εγκαταστάσεις, με διαφορετικούς προϊσταμένους και διαφορετικές κουλτούρες ως προς τι αναφέρεται και τι όχι, αυτό δεν λειτουργεί πλέον. Τότε πρέπει να βρείτε έναν τρόπο να θέτετε την ίδια ερώτηση παντού με τον ίδιο τρόπο, και ακριβώς εκεί είναι που συνήθως πάει στραβά: η ερώτηση τίθεται ως έλεγχος, και τότε δεν προκύπτει χρήσιμη απάντηση.

Γιατί η ερώτηση αυτή καθαυτή είναι το πρόβλημα

Αν ρωτήσετε "χρησιμοποιείτε εργαλεία AI που δεν έχουν εγκριθεί", ζητάτε από κάποιον να παραδεχτεί ότι παραβιάζει τους κανόνες. Η απάντηση που θα λάβετε είναι σχεδόν πάντα όχι, ακόμα και αν δεν είναι αλήθεια. Όχι επειδή οι άνθρωποι λένε ψέματα για το ψέμα, αλλά επειδή η ερώτηση είναι διατυπωμένη με τέτοιο τρόπο ώστε μια ειλικρινής απάντηση να γίνεται ομολογία. Αυτό ισχύει για τον εργαζόμενο που χρησιμοποιεί ένα chatbot για να συντάξει email, και ισχύει ακόμα πιο έντονα για τον υπεύθυνο εγκατάστασης που έχει προμηθευτεί ένα εργαλείο εκτός IT, επειδή ήταν πιο γρήγορο από την υποβολή αιτήματος.

Η ερώτηση που όντως λειτουργεί δεν αφορά την άδεια αλλά τη χρήση: ποια εργασία κάνετε και τι σας βοηθάει σε αυτή. Καμία ερώτηση για παράβαση, μια ερώτηση για την πράξη. Αυτό δεν αλλάζει μόνο τον τόνο, αλλάζει και τι τολμούν οι άνθρωποι να αναφέρουν.

Τι καταγράφετε, ανά αναφορά

Ένα χρήσιμο επισκόπηση δεν αποτελείται από εντυπώσεις αλλά από ένα περιορισμένο σύνολο δεδομένων, που συλλέγεται με συνέπεια:

Όνομα της εφαρμογής. Όχι η κατηγορία ("ένα chatbot"), αλλά το συγκεκριμένο προϊόν ή η υπηρεσία.
Ποιος το χρησιμοποιεί. Μια ομάδα, μια λειτουργία, μια εγκατάσταση — αρκετό για να μπορείτε αργότερα να ρωτήσετε ξανά χωρίς αυτό να γίνει ανάκριση.
Για ποιο σκοπό. Ο τύπος εργασίας: σύνταξη κειμένου, ανάλυση δεδομένων, απάντηση σε ερωτήματα πελατών, συγγραφή κώδικα. Αυτό καθορίζει εν μέρει και το επίπεδο κινδύνου αργότερα.
Ποια δεδομένα εισάγονται. Μόνο εσωτερικές σημειώσεις, ή και δεδομένα πελατών, προσωπικά δεδομένα, χρηματοοικονομικές πληροφορίες. Αυτό είναι συχνά ο σημαντικότερος κανόνας σε ολόκληρη την απογραφή.
Πώς αποκτήθηκε. Μέσω IT, μέσω προϋπολογισμού τμήματος, δωρεάν λογαριασμό, ή ήρθε μαζί με άλλο πακέτο λογισμικού.

Αυτά τα πέντε σημεία τα διαμορφώνετε σε έναν σταθερό κατάλογο ερωτήσεων που είναι παντού ίδιος, ώστε η εγκατάσταση Α και η εγκατάσταση Β να παράγουν συγκρίσιμα δεδομένα. Τι ακριβώς καταγράφετε ανά εφαρμογή και γιατί, αναλύεται στη σελίδα σχετικά με τι πρέπει να καταγράφετε ανά εφαρμογή.

Από πού το αντλείτε εκτός από τον ίδιο τον εργαζόμενο

Η ερώτηση προς τους εργαζομένους είναι μία πηγή, όχι η μόνη. Τα τιμολόγια και οι επισκοπήσεις αδειών χρήσης δείχνουν συχνά ποιες συνδρομές AI υπάρχουν κάπου, ακόμα και χωρίς κάποιος να το αναφέρει· τι αποκαλύπτουν τα δεδομένα προμηθειών και αδειών χρήσης σε έναν οργανισμό με πολλές εγκαταστάσεις είναι ότι κάθε εγκατάσταση έχει το δικό της μοτίβο προμηθειών, και οι αποκλίσεις σε αυτό συχνά ξεχωρίζουν πιο εύκολα από μια συζήτηση. Επιπλέον, τα σήματα IT που είναι χρήσιμα σε έναν οργανισμό με πολλές εγκαταστάσεις δίνουν μια δεύτερη γραμμή: κίνηση δικτύου προς γνωστές υπηρεσίες AI, νέες επεκτάσεις browser, αιτήματα για πρόσβαση σε API. Καμία από αυτές τις πηγές δεν είναι πλήρης από μόνη της. Μαζί δίνουν μια εικόνα πιο αξιόπιστη από αυτή που μπορεί να προσφέρει ένα μόνο κανάλι, και αυτό κάνει επίσης ευκολότερο να μην επιβαρύνετε τον εργαζόμενο ως το μοναδικό σημείο ελέγχου.

Η υπόσχεση που πρέπει να δώσετε εκ των προτέρων

Χωρίς μια σαφή συμφωνία ότι η αναφορά δεν οδηγεί σε κύρωση, η σκιώδης AI παραμένει σκιώδης. Αυτό δεν σημαίνει ότι δεν υπάρχουν ποτέ συνέπειες — αν μια εφαρμογή αποδειχθεί κίνδυνος, πρέπει να γίνει κάτι για αυτό — αλλά ότι η ίδια η αναφορά δεν αποτελεί ποτέ την αφετηρία ενός προβλήματος. Αυτόν τον διαχωρισμό μεταξύ αναφοράς και αξιολόγησης πρέπει να τον κοινοποιήσετε εκ των προτέρων, όχι να τον εξηγήσετε εκ των υστέρων. Πώς χτίζετε αυτή την απογραφή βήμα προς βήμα, συμπεριλαμβανομένης της σειράς ερωτήσεων και πηγών, περιγράφεται στη σελίδα σχετικά με τη δημιουργία απογραφής AI.

Ρόλος και επίπεδο κινδύνου, όχι αμέσως κρίση

Μόλις μια εφαρμογή έρθει στο προσκήνιο, το επόμενο ερώτημα δεν είναι "επιτρέπεται αυτό" αλλά "τι είναι αυτό". Είναι ο οργανισμός εδώ χρήστης ενός εξωτερικού συστήματος, ή σε ορισμένες περιπτώσεις ο ίδιος πάροχος — για παράδειγμα επειδή μια ομάδα έχει εκπαιδεύσει το δικό της μοντέλο ή έχει τροποποιήσει ουσιαστικά ένα υπάρχον σύστημα. Αυτή η διάκριση καθορίζει ποιες υποχρεώσεις ισχύουν και ποιος είναι υπεύθυνος για αυτές· αναλύεται στη σελίδα που διακρίνει τους ρόλους παρόχου και χρήστη. Ακόμη και εντός του ρόλου του χρήστη η θέση μπορεί να αλλάξει — μια προσαρμογή, μια νέα εφαρμογή υπάρχοντων δεδομένων — κάτι που μπορείτε να διαβάσετε στη σελίδα σχετικά με τη στιγμή που αλλάζει ο ρόλος σας. Και οι δύο ερωτήσεις ανήκουν στην ταξινόμηση, όχι στην πρώτη συζήτηση με τους εργαζομένους. Πρώτα η επισκόπηση, μετά η κατηγοριοποίηση.

Από την επισκόπηση στην εκτίμηση της επίδρασης

Μια απογραφή του τι χρησιμοποιείται δεν σας λέει ακόμα πόση εργασία σχετίζεται με αυτό ή τι αλλάζει αν μια εφαρμογή εκλείψει ή αντίθετα επεκταθεί. Για αυτή την ερώτηση — ποιο μέρος της εργασίας σε μια δραστηριότητα αναλαμβάνει η AI, και ποιο μέρος όχι — προορίζεται η εργασιακή σάρωση (werkscan) της FTE TO AI. Αυτή υπολογίζει ανά δραστηριότητα πώς φαίνεται η κατανομή μεταξύ ανθρώπου και AI, με βάση τις δραστηριότητες όπως εκτελούνται σήμερα, όχι με βάση μια εκ των προτέρων εκτίμηση.