Monet hallintohankkeet alkavat uudesta prosessista: lomakkeesta, hyväksymisvaiheesta, komiteasta, jonka on arvioitava AI-käyttö ennen kuin se voi alkaa. Oletuksena on, että työntekijät noudattavat tätä prosessia, koska se on olemassa. Käytännössä näin käy harvoin. Joka voi tehdä tehtävän nopeammin työkalulla, jonka on itse löytänyt, ei kysy lupaa komitealta, jonka esityslistaa hän ei tunne ja jonka käsittelyaikaa hän ei osaa arvioida. Hän käyttää työkalua ja pysyy siitä vaiti.
Tämä ei ole vastahakoisuutta. Se on järkevä reaktio prosessiin, joka on työn rinnalla eikä sen sisällä. Toinen prosessi vaatii aikaa, tuottaa epävarmuutta tuloksesta ja ei tarjoa näkyvää hyötyä sitä noudattavalle. Todennäköisyys, että se jätetään huomiotta, on siis suurempi kuin todennäköisyys, että sitä noudatetaan.
Seurauksena ei ole se, että AI:ta ei käytetä. Seurauksena on, että AI:ta käytetään vastuussa olevan näkökentän ulkopuolella. IT:n lista hyväksytyistä työkaluista jää tällöin kuvaukseksi siitä, mitä on joskus pyydetty, ei siitä, mitä käytetään. Näiden kahden listan välillä voi olla huomattava ero, ja kukaan, joka katsoo vain hyväksyttyä listaa, ei näe sitä eroa.
Tämä koskettaa suoraan kysymystä siitä, kuka on vastuussa, kun AI-sovellus tekee virheen. Johtajan, joka haluaa voida osoittaa vastuun, on tiedettävä, mikä järjestelmä vaikutti päätökseen. Jos tätä järjestelmää ei ole koskaan rekisteröity, koska rekisteröintimenettely jätettiin väliin, tämä perusta puuttuu juuri sillä hetkellä, kun sitä tarvitaan.
Menetelmä, jota me sovellamme, ei ala hyväksymisprosessista vaan kartoituksesta, joka kysyy sen sijaan, että se valvoisi. Ero on muodollisesti pieni ja vaikutukseltaan suuri. Työntekijällä, jolta kysytään, mitä hän käyttää ja mihin, eikä tästä ole hänelle seurauksia, ei ole syytä pimittää vastausta. Työntekijällä, joka tietää, että rehellinen vastaus voi johtaa kieltoon tai korjaukseen, on kaikki syyt muokata vastaustaan.
Tämä on menetelmän herkkä kohta, ja mainitsemme sen mieluummin kuin jättäisimme sen mainitsemattoi. Kartoitus, jossa ei ole tilintekoa, tuottaa rehellisemmän kuvan kuin auditointi, jolla on seurauksia, mutta se ei takaa, että kaikki käyttö ilmoitetaan. Joka käyttää työkalua, jonka hän epäilee olevan ongelmallinen, voi edelleen vaieta, jopa ilman suoraa uhkaa. Kartoitus alentaa ilmoittamisen kynnystä; se ei poista sitä kokonaan. Menetelmä tarjoaa suuremman mahdollisuuden saada kokonaiskuva kuin prosessi, joka jo etukäteen viittaa rangaistukseen.
Toinen prosessi jätetään huomiotta. Olemassa olevaan prosessiin tehtävällä täydennyksellä on suurempi mahdollisuus säilyä. Sen takia luokittelemme AI-käytön roolin ja riskitason mukaan organisaation jo käyttämässä riskirakenteessa, sen sijaan että loisimme uuden rakenteen sen rinnalle. Se, mikä luokitellaan korkeaksi riskiksi, joutuu samaan paikkaan kuin muut korkeat riskit olemassa olevassa riskirekisterissä. Tämä tarkoittaa myös, että kysymys siitä, kuinka usein luokittelu tulee tehdä uudelleen, ei vaadi uutta kalenteria, vaan kytkeytyy olemassa olevaan riskinarvioinnin kiertoon.
Tämä kytkös ei ratkaise kaikkea. AI-rekisteri, joka on laadittu vain kerran, vanhenee sillä hetkellä, kun joku ottaa käyttöön uuden työkalun ilman ilmoitusta. Sen takia kysymys siitä, miten AI-rekisteri pysyy ajan tasalla, on yhtä tärkeä kuin ensimmäinen kartoitus. Rekisteri, jota ei ylläpidetä, on ajan myötä taas kuvaus menneisyydestä.
AI-käytön valvonta esitetään usein teknisenä kysymyksenä: järjestelmänä, joka seuraa, kojelautana, joka ilmoittaa. Mutta toimiva valvonta alkaa ihmisistä, jotka ymmärtävät, miksi ilmoittamisella on merkitystä, ja jotka tietävät, mitä heidän vastauksellaan tehdään. Tämä on kysymys käyttäytymisestä, ei vain tekniikasta, ja se liittyy siihen, mitä inhimillinen valvonta käytännössä tarkoittaa työpaikalla, ja siihen, mitä työntekijöiden AI-lukutaito konkreettisesti merkitsee. Tämän ymmärryksen puuttuessa jokainen prosessi, olipa se kuinka hyvin suunniteltu tahansa, jää lomakkeeksi, jonka ihmiset täyttävät, koska heidän on pakko, ei koska se tuottaa mitään.
Tämä lähestymistapa ei tuota täyttä varmuutta siitä, että kaikki AI-sovellukset löydetään. Se alentaa ilmoittamisen kynnystä ja kytkeytyy olemassa oleviin rakenteisiin, mutta organisaation, joka kartoittaa ensimmäistä kertaa, on otettava huomioon, että osa käytöstä jää näkymättömäksi, vaikka tämä osa on huolellisen kartoituksen jälkeen tavallisesti pienempi kuin ennen sitä.
AI-käytön kartoitus näyttää, mitä on käytössä ja kuka sitä käyttää, mutta se ei vielä kerro, kuinka suuri osa taustalla olevasta työstä voidaan todellisuudessa siirtää AI:lle. Tämä kysymys menee askeleen pidemmälle, ja siihen vastaa FTE TO AI:n työscanaus, joka laskee tehtävittäin, mikä osa työstä on siirrettävissä. Kun organisaatiossa käytettävät työkalut on kertaalleen kartoitettu, tällä scanauksella voi tutkia, mitä tämä käyttö tarkoittaa itse työn järjestämiselle.
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.