Aspekter af beredskab:
- Menneskers parathed
- Datafærdighed
- Klar til brug af infrastruktur
- Ledelsesparathed
- Projektets parathed
Virksomhedsorganisation for AI-parathed
Selvvurdering af AI-beredskab
Projektets parathed
| Bedste praksis | Beskrivelse |
| Lærings- og delingssessioner | Afhold workshops, frokostmøder, brainstorminggrupper, tankeøvelser osv. med det formål at uddanne medarbejderne om AI i forbindelse med deres arbejde. |
| Læg ikke for stor vægt på AI | Der er en risiko for at lægge for meget vægt på AI. Hvis det bliver for meget, er der en risiko for, at medarbejderne giver bagslag, da folk føler ejerskab til deres arbejde og er bekymrede for, at det kan ændre sig |
| Før og efter | Værd at vise både værdien og risiciene ved AI-implementeringer og være gennemsigtig. Vis både før og efter, analysér fordomme, virkningen af implementeringen med hensyn til miljø, omkostninger, slutbrugeroplevelse osv. |
| (S)lavt hængende frugter | Giv medarbejderne mulighed for at identificere lavt hængende frugter på de områder, hvor der bruges meget tid på at finde ting, personer eller andre forretningsaktiver, hvor AI kan yde en meget nødvendig hjælp. |
| Interne mestre | Dyrk interne eksperter ved at tilbyde og opmuntre medarbejderne til at melde sig frivilligt og deltage i udviklingen af AI-software. Kan modtage indflydelsesrige input og optimere AI-processen. |
| Formidle om brugen af AI | Træn både medarbejdere og AI-systemer i at kommunikere om brugen af AI i applikationen, skjul ikke AI-anbefalingerne, og opnå gennemsigtighed for at involvere flere mennesker. |
| Udrulning af programmer | Inddrag færdigheder som smidighed, læringsevne, kreativitet og følelsesmæssig intelligens ved at iværksætte programmer for at øge medarbejdernes faglige udvikling og færdigheder. |
| Invester i alle | Træn alle medarbejdere i at forstå AI, uanset om de er direkte eller indirekte påvirket af de nuværende initiativer, i betragtning af manglen på AI-erfaring og behovet for mangfoldighed. En første prioritet bør være at investere i at udvikle de eksisterende medarbejdere gennem uddannelse. |
Datafærdighed
- Data.AI er kun lige så god som de data, den er bygget på, og dens appetit på data er enorm. Udform et datastyringssystem, der omfatter teknik og sikkerhed. Datastyring bør omfatte regler for sourcing, adgang og kvalitetsstyring.
- Det er vigtigt at organisere virksomhedens data og oplysninger for at muliggøre østlig adgang til data fra flere kilder.
- Data og oplysninger bør være strukturerede og i et maskinlæsbart format, f.eks. i form af forretningstaxonomier og metadataordninger..
Klar til brug af infrastruktur
- Datakilder - Der anvendes forskellige og omfattende datakilder som f.eks. begivenheder, metrikker, logfiler, forskellige jobdata, billetter, overvågning osv.
- Big Data - Aggregering af IT-data til historisk analyse og realtidsreaktion og indsigt.
- Beregning og analyse - gør det muligt at generere nye data og metadata ud fra eksisterende IT-data:
-
- Eliminere støj
- Identifikation af mønstre og støj
- Isolere sandsynlige årsager
- Afsløre underliggende problemer
- Algoritmer til kunstig intelligens - Anvend beregning og algoritmer effektivt og hensigtsmæssigt til at ekspertise maskinen og opnå de ønskede resultater.
- Uovervåget maskinlæring - Automatisk ændring og oprettelse af nye algoritmer baseret på resultatet af den algoritmiske analyse.
- Indførelse af nye data i systemet
- Visualisering - Præsentation af indsigt og anbefalinger på en let anvendelig måde.
- Automatisering med kunstig intelligens - Automatisk identifikation af problemer ved hjælp af resultater fra analyser og maskinlæring.
Ledelsesparathed
- Virksomheden bør sikre sig, at der er en AI-leder; ellers bør denne person identificeres (fra organisationen eller eksternt);
- AI-lederen skal være en højtstående professionel;
- AI-lederen skal i samarbejde med ledelsen skabe virksomhedens vision og inspirere hele organisationen;
- AI-lederen bør arbejde sammen med enkeltpersoner og teams for at finde frem til nogle af organisationens største problemer og muligheder..
Menneskers parathed
- Identificer AI-leder og team;
- Gennemgang af den nyeste viden om AI i erhvervslivet;
- Grundig analyse af konkurrenterne med hensyn til AI-beredskab og planer - hvis de foreligger;
- Landskab af tilgængelige data og strategi for dataindsamling;
- Udrulning af AI-infrastrukturer;
- Kontinuerlig overvågning og optimering.
Referencer
- Pringle, T., & Zoller, E. (2018). How to Achieve AI Maturity and Why It Matters. Ovum.
- Groopman, J. (2018). AI Readiness; Five Areas Businesses Must Prepare for Success in Artificial Intelligence. Kaleido Insights.
- Zhu, Y.-Q., Corbett, J., & Chiu, Y.-T. (2020). Understanding employees’ responses to artificial intelligence. Organizational Dynamics, 1-10.
- Jagreet Kaur, Artificial Intelligence in IT Infrastructure Management, 20 September 2021
