AI-sovelluksen luokittelu kuvaa tilannetta tiettynä ajankohtana: mikä malli, mikä sovellus, mitkä käyttäjät, mikä riski. Tämä tilanne muuttuu. Toimittaja mukauttaa mallia, tiimi käyttää työkalua johonkin muuhun kuin mihin se on hankittu, tarjoaja lisää toiminnon kysymättä kenenkään lupaa. Viime vuonna tekemänne luokittelu ei siksi automaattisesti kuvaa enää tämän päivän tilannetta.
Kysymykseen "kuinka usein" ei ole yhtä vastausta, joka pätisi kaikkiin organisaatioihin. Se riippuu siitä, kuinka monta AI-sovellusta on käytössä, kuinka nopeasti ne muuttuvat, kuinka moninaisia niiden kanssa työskentelevät tiimit ovat, ja kuinka tiukkaa valvontaa toimialallanne harjoitetaan. Kiinteä vuosittainen hetki on lähtökohta, ei takuu siitä, ettei väliaikana jää mitään huomaamatta.
Vuosittainen tai puolivuosittainen uudelleenarviointi toimii hyvin sovelluksille, jotka jo tunnette ja jotka on otettu käyttöön muodollisen prosessin kautta. Sovelluksille, joita kukaan ei ole ilmoittanut, kiinteä aikaväli ei toimi, yksinkertaisesti koska tiettynä päivämääränä ei ole mitään arvioitavaa. Mitä tehdä työntekijöille, jotka käyttävät työkalua, jota kukaan ei ole hyväksynyt kuvaa, miksi tämä kysymys ei ratkea toistuvalla kalenterimerkinnällä, vaan erilaisella tavalla kysyä asioita organisaatiolta.
Sen lisäksi riski ei muutu vain sen perusteella, mitä sovellus tekee, vaan myös sen perusteella, mitä sille syötetään. Chat-ikkuna, jota tänään käytetään julkisen tekstin tiivistämiseen, voidaan huomenna käyttää sopimuksen tiivistämiseen. Mitä tehdä yrityksen datalle ilmaisessa chat-ikkunassa osoittaa, että saman työkalun riskitaso voi muuttua ilman, että työkalu itse muuttuu.
Kiinteän ajankohdan lisäksi on tapahtumia, jotka vaativat uudelleenarviointia väliaikana. Muutos sovelluksen käyttötarkoituksessa, käyttäjäryhmän laajentuminen, häiriötilanne tai läheltä piti -tilanne, muutos toimittajan ehdoissa, tai työntekijän antama signaali siitä, että jotain käytetään eri tarkoitukseen kuin oli tarkoitettu. Kaikki näistä signaaleista eivät ole yhtä painavia, eikä joka organisaatio huomaa niitä yhtä nopeasti.
Kysymys siitä, kuka reagoi näihin signaaleihin ja kenellä on omistajuus uudelleenarvioinnista itsestään, on erillinen kysymys. Kuka on vastuussa, kun AI-sovellus tekee virheen kuvaa, että vastuu määritellään usein vasta kun jotain menee pieleen, vaikka tähän kysymykseen olisi pitänyt vastata jo ensimmäisen luokittelun yhteydessä.
Uudelleenarviointirytmi, joka asetetaan olemassa olevien riskiprosessien rinnalle integroimatta sitä niihin, menettää yleensä prioriteettinsa vuoden sisällä. Se on ylimääräinen vaihe, jota kukaan ei kysy ennen kuin jotain menee pieleen, ja juuri siksi se jää tekemättä. Miksi toinen prosessi olemassa olevan rinnalla jätetään huomiotta selittää, miksi uudelleenarviointi toimii tehokkaammin, kun se on sulautettu olemassa olevaan riskienhallintaan, sen sijaan että se olisi erillinen prosessi, joka kilpailee huomiosta muun organisaation kanssa.
Luokittelumenetelmä voi tarjota rakenteen, jonka avulla AI-sovelluksia arvioidaan johdonmukaisesti roolin ja riskitason mukaan, ja tätä rakennetta voidaan soveltaa toistettavasti. Menetelmä ei voi taata, että näette kaiken. Luokittelu on yhtä hyvä kuin sen taustalla oleva tieto, ja tämä tieto tulee osittain ihmisiltä, joilla voi olla syy jättää jotain ilmoittamatta. Työntekijä, joka käyttää hyväksymätöntä työkalua, ei ilmoita siitä oma-aloitteisesti, jos odotettavissa on seuraamus.
Menetelmä ei myöskään voi ennustaa, milloin toimittaja muuttaa mallia, tai milloin tänään matalariskiseksi luokiteltua sovellusta käytetään huomenna eri tavalla. Uudelleenarviointi on siksi jatkuvasti kyse toistosta ja avoimuuden organisoinnista, ei järjestelmästä, joka asetetaan käyttöön kertaalleen ja pysyy sen jälkeen itsestään ajan tasalla. Se, miten pidätte rekisterin ajan tasalla niin, että se ei jää muutaman kuukauden jälkeen jälkeen, on kuvattu kohdassa miten pidätte AI-rekisterin ajan tasalla, jossa keskeisessä osassa on ero kertaluonteisen kartoituksen ja jatkuvan prosessin välillä.
Tähän liittyy myös kysymys siitä, mitä AI:n valvonta käytännössä tarkoittaa uudelleenarviointihetkien välissä: kuka seuraa, millä taajuudella, ja mihin signaaleihin perustuen. Mitä on inhimillinen valvonta käytännössä tekee eron valvonnan välillä muodollisena rastina ja valvonnan välillä jatkuvana käytön mukana kulkevana toimintana.
Luokittelu kertoo, mitä sovelluksia on käytössä, mikä niiden rooli on ja mikä riskitaso niihin liittyy. Se ei kerro, kuinka suuri osa työstä tosiasiassa tehdään AI:n avulla, ja kuinka paljon tilaa tehtävää kohden on vielä jäljellä. Se, joka haluaa vastata tähän kysymykseen, ei voi tyytyä riskikartoitukseen; se vaatii katseen itse työhön, tehtävä kerrallaan. FTE TO AI:n työscan laskee tehtäväkohtaisesti, kuinka suuri osa siitä on siirrettävissä AI:lle, täydentäen kuvaa, jonka luokittelu antaa.
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.