A szakmai szolgáltatások nem terméket adnak el, hanem egy ítéletet: egy tanácsot, egy elemzést, egy második véleményt. Ez másképp teszi az AI-val való bánásmódot, mint azokban a szektorokban, ahol az AI elsősorban folyamatokat gyorsít fel. Itt az AI közvetlenül érinti a szakma lényegét — a gondolkodó munkát magát, valamint annak bizalmasságát, amit egy ügyfél megosztott, hogy ez a gondolkodó munka egyáltalán lehetséges legyen. Egy ügyvéd, aki egy nyelvi modellt dossziéból származó dokumentumokkal táplál, egy tanácsadó, aki egy vázlat-elemzést ellenőriztet egy chatbottal, egy könyvvizsgáló, aki számokat foglaltat össze egy külső rendszerrel: mindegyik esetben olyan információ mozdul el, amelynek valójában az iroda falai és az ügyféllel fennálló bizalmi kapcsolat keretei között kellett volna maradnia.
Az arány között, amit a szervezetek hivatalosan beszereztek, és amit a munkatársak valójában használnak, itt jellemzően nincs egyensúlyban. Ahol sok operatív folyamattal dolgozó szektorokban az AI-t gyakran egy IT-részleg vezeti be, a tanácsadói és jogi irodáknál a nyomás elsősorban egyéni: valaki egy határidővel és egy AI-eszközzel, amely gyorsabban dolgozik, mint a kolléga a szomszédos asztalnál. Ez teszi az árnyék-AI-t itt nem kivételessé, hanem elfogadható normává — éppen egy olyan szektorban, ahol az időt számlázzák, és a gyorsaságot honorálják.
A szoftverlicencek áttekintése azt mutatja, mit vásároltak be, nem azt, mit használnak. A szakmai szolgáltatásokban továbbá a személyzet nagy része saját eszközökkel, saját böngészőbővítményekkel és saját előfizetésekkel dolgozik olyan AI-szolgáltatásokra, amelyek kipróbálása semmit nem költ. Egy partner vagy senior tanácsadó, aki egy nyelvi modellt használ egy vázlatos memorandum ellenőrzésére, semmilyen IT-irányítópulton nem jelenik meg. Mégis pontosan ez a legmagasabb kockázatú felhasználás: érinti az ügyféltitkot, a szakmai titoktartást, azt a kérdést, hogy ki felelős miért, amikor egy tanácsot részben egy algoritmus alakított ki.
Az egyetlen módja annak, hogy megtudjuk, mi zajlik valójában, a kérdezés — és ennek a kérdezésnek csak akkor van értelme, ha annak, aki válaszol, nincs semmi kockán. Egy munkatárs, aki azt gyanítja, hogy az AI-használat bevallása egy nem megfelelő teljesítményről szóló beszélgetéshez vezet, nemmel válaszol, vagy egyáltalán nem válaszol. Egy felmérés, amely bizalomból indul ki, nem ellenőrzésből, más képet kap: nem teljeset, de tisztességesebbet, mint egy lista, amely csak azt összesíti, ami jóváhagyott.
Az AI-használat ebben a szektorban nem sorolható egyetlen kategóriába. Egy eszköz, amely tényeket ellenőriz egy jogi dokumentumban, más kockázatot hordoz, mint egy eszköz, amely egy belső folyamatdokumentumot foglal össze. Egy rendszer, amely egy ügyfélnek szánt adótanács megírásában közreműködik, más típusú felügyeletet igényel, mint egy eszköz, amely jegyzőkönyveket rendez. A működő governance ezeknek a szerepeknek és kockázati szinteknek a megkülönböztetésével kezdődik, és ehhez kapcsol megfelelő szintű felügyeletet — nem attól függően, hogy a rendszert hogyan hívják, hanem attól, hogy mit csinál, és kinek szól végül az eredmény.
Az ebben a szektorban működő irodáknak gyakran már vannak kockázatkezelési struktúráik: dossziéfelülvizsgálat, négyszem-elvek, megfelelőségi ellenőrzés, minőségbiztosítás. Egy AI-governance megközelítés, amely ettől elszigetelten áll, egy extra réteg lesz, amit senki nem vesz fel. Célszerűbb egy olyan megközelítés, amely csatlakozik a meglévő kockázati struktúrához: ugyanazok a tulajdonosok, ugyanazok a jelentési vonalak, ugyanaz az ellenőrzési ritmus, az AI-használatot annak részeként kezelve, amit már megvizsgálnak, nem külön folyamatként.
Egy vezetőnek vagy General Counselnek, akitől megkérdezik, hogyan biztosítják az AI-használatot az irodán belül, kevés hasznot hoz egy benyomás. Az igazolhatóság rögzített felmérést igényel: mely eszközök, milyen szerep, milyen kockázati szint, milyen megállapodások arról, mit lehet és mit nem lehet velük tenni. Ez elsősorban nem a kifelé irányuló elszámolás — mindenekelőtt a vezetés számára önmagában eszköz arra, hogy tudja, mire irányítja a figyelmét, mielőtt egy felügyeleti szerv, ügyfél vagy a saját kockázati bizottság felteszi a kérdést.
Az árnyék-AI keletkezésének módja és az, hogy a governance hogyan tud ehhez kapcsolódni, szektoronként eltérő. Aki azt szeretné összehasonlítani, hogyan alakul ez a kérdés ott, ahol sok rendszer és ügyfélkapcsolat találkozik, azt megtalálja itt: AI-governance a pénzügyi szolgáltatásokban; aki azt szeretné látni, hogyan érvényesül ez egy olyan szektorban, amely maga épít és használ AI-termékeket, azt elolvashatja itt: AI-governance az IKT-szektorban; és arra vonatkozóan, hogyan működik ez olyan szervezeteknél, ahol sok operatív személyzet van és kevés központi IT-irányítás, ott van AI-governance a kiskereskedelemben.
Az AI-használat felmérése feltérképezi, mi fut és ki használja, de nem válaszolja meg az ezután felmerülő kérdést: a munka melyik része adható valójában át az AI-nak, és melyik nem. Ez egy másik számítás, feladatonként, nem eszközönként. Az FTE TO AI munkaszkennere elvégzi ezt a számítást: feladatonként meghatározza, hogy a munka mely része alkalmas arra, hogy az AI átvegye, mint következő lépés a Responsible AI Scan által kapott áttekintéshez.
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.