Organizacja z wieloma lokalizacjami zwykle nie ma niedoboru wykorzystania AI, lecz niedobór przeglądu sytuacji. Każda lokalizacja podejmuje własne decyzje, zawiera własne abonamenty lub pozwala zespołom samodzielnie ustalić, co jest przydatne. Wynikiem jest zbiór zastosowań, który nigdzie nie jest zapisany w całości. Zanim będzie można coś klasyfikować lub raportować, ten zbiór musi najpierw istnieć jako lista — z tymi samymi stałymi danymi dla każdego zastosowania, niezależnie od tego, która lokalizacja je zgłasza.
Dla każdego zastosowania rejestruje się w zasadzie: nazwę i dostawcę, lokalizację lub dział, w którym jest używane, kto zarządza zastosowaniem lub je zakupił, do czego jest wykorzystywane, jakie dane są do niego wprowadzane, oraz czy zastosowanie samodzielnie podejmuje decyzje czy tylko wspiera. To ostatnie rozróżnienie w dużej mierze wyznacza poziom ryzyka: narzędzie, które przepisuje tekst, ocenia się inaczej niż system, który wybiera kandydatów do pracy lub ocenia wnioski kredytowe.
Przy wielu lokalizacjach dochodzi do tego dodatkowe pole: czy zastosowanie zostało zakupione lokalnie czy wdrożone centralnie. To rozróżnienie jest potrzebne, aby zobaczyć, czy to samo ryzyko powstało niezależnie w wielu miejscach, czy jedna decyzja rozprzestrzeniła się na całą organizację.
Pierwszym miejscem, w którym warto szukać, jest dział IT, i ta lista stanowi dobry punkt wyjścia — ale nie punkt końcowy. Dlaczego lista działu IT nie jest poprawna w organizacji z wieloma lokalizacjami wyjaśnia, że centralnie zarządzane licencje obejmują tylko część wykorzystania. Lokalizacje, które same używają karty kredytowej do abonamentu, lub zespoły korzystające z bezpłatnej wersji narzędzia, nigdzie nie pojawiają się w centralnej administracji. Przegląd, który się buduje, musi więc łączyć wiele źródeł, nie jedno.
Oprócz listy IT, dane finansowe dają inny rodzaj sygnału. Co ujawniają dane zakupowe i licencyjne w organizacji opisuje, jak faktury, abonamenty i wydatki na kartach kredytowych w każdej lokalizacji dają wskazówki dotyczące zastosowań zawartych poza centralnymi zakupami. Ma to szczególne znaczenie przy wielu lokalizacjach: lokalne zakupy często przebiegają innymi kanałami niż centralny dział IT, i właśnie tam powstaje największa część niepełnego obrazu.
Żadna lista — techniczna czy finansowa — nie powie, do czego zastosowanie jest naprawdę wykorzystywane. To wiedzą tylko ludzie, którzy z nim codziennie pracują. Jak zapytać o to pracowników bez konsekwencji w organizacji zajmuje się warunkiem, który decyduje o powodzeniu lub niepowodzeniu tego etapu: kto czuje, że odpowiedź może mieć konsekwencje, odpowiada niekompletnie albo wcale. Przy wielu lokalizacjach jest to szczególnie istotne, ponieważ lokalne zwyczaje mogą się znacznie różnić, a ogólnokrajowa ankieta łatwo te różnice zatuszuje.
Oprócz rozmów i faktur istniejące środowisko IT często już zawiera wskazówki, których nikt jeszcze tak nie rozpoznał: ruch sieciowy do określonych domen, nowe rozszerzenia przeglądarki lub połączenia API utworzone gdzieś w systemie. Jakie sygnały IT są użyteczne w organizacji z wieloma lokalizacjami pokazuje, które z tych sygnałów mówią coś o wykorzystaniu AI, a które są szumem. Dla organizacji z wieloma lokalizacjami jest to sposób na sprawdzenie, czy ten sam wzorzec powtarza się w różnych miejscach, bez konieczności odpytywania każdej lokalizacji z osobna.
Gdy dane dla każdego zastosowania zostały zebrane — pochodzenie, cel wykorzystania, dane, których to dotyczy, zarządzający, lokalizacja — może się zacząć klasyfikacja. Nie każde zastosowanie zasługuje na taką samą uwagę: narzędzie, które podsumowuje wewnętrzne notatki, waży inaczej niż system, który ma wpływ na klientów lub pracowników. Ta ocena zależy od tego, co zastosowanie robi, nie od tego, ile osób go używa lub kiedy zostało zakupione.
Ta inwentaryzacja to proces ciągły, nie jednorazowy pomiar. Lokalizacje dodają zastosowania, dostawcy zmieniają funkcje, a to, co dziś jest wspomagające, jutro może samodzielnie podejmować decyzje. Przegląd, który się buduje, musi więc być powtarzalny: te same pytania, te same pola, każdorazowo ponownie w tych samych lokalizacjach.
Responsible AI Scan ma na celu ustrukturyzowanie tej inwentaryzacji: te same stałe pola dla każdego zastosowania, uzupełnione sygnałami IT, danymi zakupowymi i rozmowami z pracownikami, prowadzące do klasyfikacji zgodnej z istniejącą strukturą ryzyka organizacji. Skan jest w trakcie budowy. Osoby, które chcą z niego korzystać od momentu jego dostępności, mogą zapisać się na listę oczekujących.
Gdy wiadomo już, jakie zastosowania działają w każdej lokalizacji i co robią, kolejne pytanie jest oczywiste: jaką część pracy, którą te zastosowania wspierają, można właściwie przejąć przez AI. To inne pytanie niż governance — nie chodzi o ryzyko i możliwość udowodnienia, lecz o treść zadań. Werkscan FTE TO AI oblicza dla każdego zadania, jaką część pracy można przejąć przez AI, i w ten sposób łączy się z przeglądem, który został zbudowany dzięki tej inwentaryzacji.
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.