Ett abonnemang tecknas eftersom någon behöver det. Det är den egenskapen som gör inköps- och licensuppgifter värdefulla när man bygger upp en AI-inventering. En medarbetare som använder en språk- eller bildmodell utan att IT vet om det, betalar oftast för det: med ett kreditkort, via en utläggsredovisning, via ett teamkort, via en avdelningsbudget. Den transaktionen står registrerad någonstans, även om ingen har rapporterat den som "AI-användning".
Det gör finansiella data till en annan ingång än IT-listan. Där varför IT-listan inte stämmer i en organisation med flera avdelningar förklarar varför formellt godkännande och faktisk användning skiljer sig åt, visar detta spår vad som ändå registreras trots den klyftan: pengar som har spenderats på något.
Källorna finns inte hos en enda avdelning. Relevanta är bland annat:
Ingen av dessa källor ger på egen hand en fullständig bild. Tillsammans avslöjar de ett mönster som IT-listan inte visar.
Målet är inte en lista över belopp, utan en lista över tillämpningar med ursprung. Per hittat abonnemang eller kontrakt är det meningsfullt att registrera:
Dessa fält är en utgångspunkt. En mer fullständig översikt över vad som behövs per tillämpning för att komma fram till en klassificering beskrivs i vad ni registrerar per tillämpning i en organisation med flera system. Inköpsdata ger framför allt startpunkten: ett namn, en avdelning, ett belopp. Resten av klassificeringen kommer senare.
Inköps- och licensuppgifter hittar framför allt betald användning. Gratisversioner av AI-verktyg, provperioder och personliga konton som inte betalas via företaget förblir osynliga med denna metod. Även tjänster som är inbäddade i ett befintligt kontrakt — en AI-funktion som har lagts till i programvara som redan användes, utan separat fakturering — dyker inte upp i en fakturaöversikt.
Detta är en av anledningarna till att finansiella data är en källa bland andra, inte den enda. Annat material, som nätverkstrafik eller webbläsartillägg, hittar just den användning som inte kostar pengar. Vilka tekniska signaler som är användbara för det och vad de visar och inte visar beskrivs i vilka IT-signaler som är användbara för att spåra AI-användning. Båda spåren tillsammans ger en bättre bild än vart och ett för sig.
Den som hittar ett okänt abonnemang i redovisningen kan fråga avdelningen som har tecknat det direkt. Det fungerar bättre om frågan inte ställs som en kontroll. En avdelningschef som misstänker att en utgift ifrågasätts ger mindre gärna fullständig information än någon som tror att frågan bara syftar till att få en komplett bild. Hur den frågan ställs så att någon svarar istället för att stänga igen beskrivs i hur ni frågar medarbetare utan avräkning i en organisation med befintliga AI-tillämpningar.
Inköpsdata är en av byggstenarna vid uppbyggnaden av en organisationsövergripande inventering, inte hela processen. Hur denna källa förhåller sig till medarbetarförfrågningar, tekniska signaler och den befintliga IT-listan, och i vilken ordning det är praktiskt att göra det, beskrivs i hur ni bygger upp en AI-inventering i en organisation med flera avdelningar.
En inventering baserad på inköpsuppgifter besvarar frågan om vilka AI-tillämpningar som finns och vem som betalar för dem. Därmed är det ännu inte sagt vad dessa tillämpningar faktiskt ger, eller vilken del av arbetet de anskaffades för som verkligen utförs av AI. Den frågan ligger utanför räckvidden för en styrningsinventering och besvaras av arbetsscanen från FTE TO AI, som per uppgift beräknar vilken del av arbetet som kan tas över av AI. Den som väl vet vilka tillämpningar som körs i organisationen kan med den scanen bestämma vad de konkret flyttar av arbete.
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.