Abonament zostaje zawarty, ponieważ ktoś go potrzebuje. To właśnie ta cecha sprawia, że dane zakupowe i licencyjne są wartościowe przy budowaniu inwentaryzacji AI. Pracownik, który korzysta z modelu językowego lub modelu obrazu bez wiedzy działu IT, zazwyczaj za to płaci: kartą kredytową, przez rozliczenie kosztów, przez kartę zespołową, przez budżet działu. Ta transakcja jest gdzieś zarejestrowana, nawet jeśli nikt nie zgłosił jej jako „użycie AI".
Dzięki temu dane finansowe są innym punktem wejścia niż lista IT. Podczas gdy dlaczego lista IT nie jest zgodna z rzeczywistością w organizacji z wieloma działami wyjaśnia, dlaczego formalna zgoda i rzeczywiste użycie się od siebie oddalają, ten trop pokazuje, co pomimo tej rozbieżności zostało jednak zarejestrowane: pieniądze wydane na coś.
Źródła nie znajdują się w jednym dziale. Istotne są między innymi:
Żadne z tych źródeł nie daje samo w sobie pełnego obrazu. Razem ujawniają wzorzec, którego lista IT nie pokazuje.
Celem nie jest lista kwot, lecz lista zastosowań z ich pochodzeniem. Przy każdym znalezionym abonamencie lub umowie warto odnotować:
Te pola są punktem wyjścia. Pełniejszy przegląd tego, co jest potrzebne dla każdego zastosowania, aby dojść do klasyfikacji, opisano w co odnotowuje się dla każdego zastosowania w organizacji z wieloma systemami. Dane zakupowe dają przede wszystkim punkt wyjścia: nazwę, dział, kwotę. Resztę klasyfikacji przeprowadza się później.
Dane zakupowe i licencyjne wykrywają przede wszystkim użycie płatne. Darmowe wersje narzędzi AI, okresy próbne i konta osobiste, które nie są rozliczane przez firmę, pozostają dzięki temu niewidoczne. Również usługi wbudowane w istniejącą umowę — funkcja AI dodana do oprogramowania, które już było używane, bez odrębnego fakturowania — nie pojawiają się w przeglądzie faktur.
To jeden z powodów, dla których dane finansowe są jednym źródłem obok innych, nie jedynym. Inne materiały, takie jak ruch sieciowy czy rozszerzenia przeglądarki, wykrywają właśnie to użycie, które nie kosztuje pieniędzy. Jakie sygnały techniczne są do tego przydatne i co pokazują, a czego nie, opisano w jakie sygnały IT są przydatne przy wykrywaniu użycia AI. Oba tropy razem dają lepszy obraz niż każdy z osobna.
Osoba, która natrafi na nieznany abonament w administracji, może zapytać o niego bezpośrednio dział, który go zawarł. To działa lepiej, jeśli pytanie nie jest zadawane w formie kontroli. Kierownik działu, który podejrzewa, że wydatek jest podawany w wątpliwość, chętniej udzieli niepełnych informacji niż osoba, która sądzi, że pytanie ma na celu jedynie uzyskanie pełnego obrazu. Jak zadać to pytanie tak, aby ktoś odpowiedział, a nie zamknął się w sobie, opisano w jak zapytać pracowników bez rozliczania w organizacji z istniejącymi zastosowaniami AI.
Dane zakupowe są jednym z elementów budowania inwentaryzacji obejmującej całą organizację, nie całym procesem. Jak to źródło ma się do ankiet wśród pracowników, sygnałów technicznych i istniejącej listy IT, oraz w jakiej kolejności praktycznie do tego podejść, opisano w jak zbudować inwentaryzację AI w organizacji z wieloma działami.
Inwentaryzacja oparta na danych zakupowych odpowiada na pytanie, jakie zastosowania AI istnieją i kto za nie płaci. Nie mówi to jeszcze, co te zastosowania faktycznie przynoszą, ani jaka część pracy, dla której zostały zakupione, jest rzeczywiście wykonywana przez AI. To pytanie wykracza poza zakres inwentaryzacji governance i odpowiada na nie skan pracy FTE TO AI, który dla każdego zadania obliczą, jaka część pracy może zostać przejęta przez AI. Kto już wie, jakie zastosowania działają w organizacji, może za pomocą tego skanu określić, jaką pracę konkretnie przenoszą.
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.