Energetikos įmonė sujungia du pasaulius, kurie retai turi tą pačią atsakingą struktūrą. Viena vertus, yra operacinė technologija: matavimo ir valdymo sistemos, tinklo priežiūra, kritinės infrastruktūros techninė priežiūra. Kita vertus, yra biuras: klientų aptarnavimas, sąskaitų išrašymas, planavimas, teisės ir atitikties skyriai. Dirbtinis intelektas pasireiškia abiejose srityse, tačiau su skirtingu rizikos ir naudojimo paprastumo santykiu. Operacinėje srityje dirbtinio intelekto sprendimas greitai susijungia su sistemomis, kurių gedimas ar neteisingas sprendimas turi tiesioginių pasekmių už organizacijos ribų. Biuro srityje dažniau kalbama apie tekstą, duomenis ir sprendimų palaikymą, kai rizika labiau primena kitus sektorius. Valdymas, kuris šiuos du lygmenis maišo, praranda esmę: kas vienoje srityje yra efektyvumo žingsnis, kitoje srityje yra saugumo ir priežiūros klausimas.
Prie to prisideda tai, kad energetikos įmonėms dažnai taikoma sustiprinta priežiūra, jos yra saistomos sektoriui būdingų pranešimo pareigų ir dirba su duomenimis, susijusiais su nacionaline infrastruktūra. Tai klausimą „kas čia panaudojo dirbtinį intelektą ir kur“ paverčia svaresniu nei vidutinėje biuro aplinkoje. Konkretus taisyklių turinys — kokie įpareigojimai tiksliai taikomi ir kada — aptariamas kitur; čia kalbama apie mechanizmą, kuriuo organizacija gauna ir palaiko aiškumą apie tai, kas vyksta.
Klausiantis, kokios dirbtinio intelekto sistemos naudojamos, IT skyrius pateikia patvirtintų įrankių sąrašą. Šis sąrašas yra pradžios taškas, ne tikrovė. Planuotojas, naudojantis kalbos modelį techninės priežiūros ataskaitoms apibendrinti, analitikas, kuris į išorinį modelį įkelia matavimo duomenis dėsningumams atpažinti, sutartinis darbuotojas, kuris konsultuojasi su pokalbių robotu dėl gedimų protokolo: tai dažnai vyksta be jokios paraiškos ar sutikimo. Ne dėl nenoro, o nes tai veikia ir niekas apie tai nepaklausė.
Todėl inventorizacijos esmė nėra pažymėti žinomas sistemas, o parodyti, kas iš tiesų vyksta. Tam reikia kitokio tono nei auditas. Kas norite sužinoti, ką darbuotojas naudoja, turi apie tai paklausti nesukeldamas jausmo, kad už tai bus baudžiama — priešingu atveju atsakymas dings taip greitai, kaip ir naudojimas. Kaip toks pokalbis atrodo ir kodėl sankcija veikia priešingai, aprašyta kaip išvengti, kad darbuotojai naudotų įrankį, apie kurį niekas nežino. Konkreti rizika šiame platesniame vaizde yra įmonės duomenų — matavimo duomenų, sutarties sąlygų, tinklo duomenų — įkėlimas į nemokamą pokalbio langą už organizacijos ribų; kas tuo metu yra pavojuje ir kaip tai atpažinti, aprašyta kaip išvengti, kad įmonės duomenys atsidurtų nemokamame pokalbio lange.
Po inventorizacijos kyla klausimas, ką sistema iš tiesų daro. Dirbtinio intelekto sprendimas, kuris perrašo tekstą kliento laiškui, turi kitą vaidmenį nei modelis, kuris dalyvauja priimant sprendimus dėl techninės priežiūros planavimo pagal sensorių duomenis. Klasifikacija turi užfiksuoti šį vaidmenį ir su juo susijusį rizikos lygį, nepriklausomai nuo to, kuris padalinys atsitiktinai naudoja įrankį. Čia energetikos sektorius reikalauja savo požiūrio: įrankis, kuris rinkodaros komandoje yra nekenksmingas, tinklo priežiūros komandoje gali gauti kitokį svorį, nes rezultatas turi įtakos fizinei sistemai.
Šis požiūris — inventorizuoti, klasifikuoti, integruoti į esamą valdymo sistemą — nėra unikalus energetikai. Panašūs klausimai kyla organizacijose, dirbančiose su fiziniais įrenginiais ir saugos rizikomis, kaip aprašyta apie dirbtinio intelekto valdymą įrengimo įmonėse su technine ir vykdomąja praktika ir apie dirbtinio intelekto valdymą statybų sektoriuje, kur susiduria planavimas ir vykdymas. Taip pat sektoriuose su griežtais priežiūros reikalavimais, kaip matyti dirbtinio intelekto valdyme sveikatos priežiūroje, kur susiduria pacientų saugumas ir priežiūra, parodoma, kad valdymo forma kinta didėjant klaidos pasekmėms. Palyginus tai galima pastebėti, kad energetika nėra unikali klausimu, tačiau yra unikali atsakymo svoriu.
Valdymo sistema, kuri dedama prie esamos rizikos struktūros, veikia geriau nei naujas atskiras karkasas. Energetikos įmonės paprastai jau turi rizikos valdymo struktūrą operacinei saugai ir atitikčiai. Dirbtinio intelekto valdymas turėtų būti šios struktūros tęsinys, su tais pačiais atskaitomybės ryšiais valdybai ir priežiūros institucijai, o ne atskiras procesas, kurį reikia tvarkyti savarankiškai ir kuris galiausiai atsiduria kartu su kitomis rizikos ataskaitomis, niekada su jomis nesusijungdamas.
Kai tampa aišku, kokios dirbtinio intelekto priemonės naudojamos ir kokią riziką jos reprezentuoja, kyla kitas klausimas: ką tai reiškia darbui, kurį žmonės atlieka šiuo metu. Inventorizacija parodo, kas veikia; darbo skenavimas parodo, ką šis veikimas reiškia užduotims, pareigoms ir pajėgumams. FTE TO AI darbo skenavimas apskaičiuoja, kokią dalį darbo, tenkančio kiekvienai užduočiai, gali perimti dirbtinis intelektas, ir taip prie rizikos vaizdo prideda pajėgumų vaizdą. Tai logiškas žingsnis po inventorizacijos: ne tik žinoti, kas vyksta, bet ir ką tai reiškia organizacijai, kuri su tuo turi dirbti.
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.