Upravljanje promjenama i usvajanje

Dobici:

• Sposobnost razumijevanja da transformacija umjetne inteligencije često ne uspijeva iz ljudskih i kulturoloških razloga, a ne tehničkih, i prepoznati zabrinutost koja leži u osnovi otpora
• Sposobnost ubrzavanja usvajanja uz uvjerljivu priču o 'zašto', vidljivo vodstvo i mrežu šampiona
• Sposobnost upravljanja promjenama kao kontinuitetom, a ne jednokratnom najavom, mjerenjem usvajanja pomoću metrike i uklanjanjem prepreka

Surova realnost transformacije veštačke inteligencije je sledeća: strategija, tehnologija i budžet mogu biti savršeni; Ali ako ljudi ne prihvate promjene, sve je uzalud. Istraživanja dosljedno pokazuju da većina neuspjeha inicijativa umjetne inteligencije nije tehnički, već ljudski i kulturni. U ovoj završnoj jedinici naučit ćete kako viši menadžer može provoditi upravljanje promjenama (disciplina sistematskog upravljanja tranzicijom ljudi na novi način rada) da transformiše AI transformaciju u stvarno usvajanje (stvarno i trajno korištenje inovacije od strane ljudi). Cilj nije instaliranje tehnologije; je osigurati da ga ljudi koriste bezbedno, voljno i ispravno.

Zašto se ljudi opiru?

Otpor često nije glupost ili tvrdoglavost, već razumljiva zabrinutost: strah od sigurnosti posla (“hoće li AI uzeti moj posao?”), anksioznost kompetencije („Ne mogu ovo naučiti“), nedostatak samopouzdanja („Ne mogu vjerovati njegovim rezultatima“) i gubitak smisla („zašto trebamo promijeniti?“). Ignoriranje ovih briga povećava otpor; Otvoreni susret s njima ubrzava usvajanje.

anksioznost

osnovno pitanje

Odgovor administratora

sigurnost posla

Hoću li izgubiti posao?

Jasno objasnite kako će se uloga obogatiti

kompetencije

Mogu li ovo naučiti?

Obuka, podrška, sigurno područje za testiranje

povjerenje

Mogu li vjerovati izlazu?

Naučite granice, validaciju

Značenje

Zašto da se promenim?

Objasnite "zašto" uvjerljivo

Savjet: Zamislite promjenu ne kao "vještačka inteligencija zamjenjuje ljude", već kao "vještačka inteligencija olakšava ljudima posao, preuzima dosadni dio, ostavljajući ljudima vrijedniji posao." Ovo uokvirivanje iste istine zamjenjuje strah radoznalošću.

Osnovni koraci upravljanja promjenama

Suština klasičnih modela promjene (npr. Kotterovi koraci) prilagođenih umjetnoj inteligenciji:

1. Stvorite hitnost i razlog. Zašto sada, zašto mi? Uvjerljiva priča.
2. Pokažite vidljivo vodstvo. Najviši menadžment treba da koristi sam alat; ne retorikom nego primjerom.
3. Neka rani dobici budu vidljivi. Slavite i širite vijest o malim, ali stvarnim uspjesima.
4. Obrazujte i podržavajte. Kompetentan i siguran poligon za sve.
5. Kreirajte šampione. Uključite volontere, entuzijastične šampione promjena u svaki tim.
6. Neka bude trajno. Ugradite novo ponašanje u procese, ciljeve i kulturu.

Korak po korak: plan usvajanja

1. Mapirajte zainteresovane strane i zabrinutosti. Ko je pogođen, šta brine?

2. Navedite uvjerljivo “zašto”. Izgradite priču o promeni u jeziku ljudi.

3. Pokažite vodstvo primjerom. Neka administratori koriste alat vidljivo.

4. Izgradite mrežu edukacije i prvaka. Osnažite, osnažite pionire dobrovoljce.

5. Mjerite, slušajte, prilagođavajte. Izmjerite stopu usvajanja, prikupite povratne informacije, uklonite prepreke.

tri mini kofera

Slučaj 1 — Ignorisani strah. Jedna računovodstvena firma rekla je svoj AI alat "za efikasnost", ali se nikada nije pozabavila strahovima zaposlenih od sigurnosti posla. Priča se proširila, tim je tiho sabotirao alat, usvajanje je ostalo na 20%. Uprava je odustala i održala otvoreni sastanak uz obrazloženje da niko neće biti otpušten i da će posrednik preuzeti dosadan posao i sve pokrenuti u konsalting. Za 3 mjeseca usvajanje je poraslo na 75%. Razgovor o strahu je bio rješenje.

Slučaj 2 — Primjer sa vodstvom. Izvršni direktor jedne tehnološke kompanije javno je koristio AI alat dok je pripremao vlastiti sedmični izvještaj i također je podijelio svoje greške („vidite, napravio je grešku ovdje, ja sam to popravio“). Ovo vidljivo rukovodstvo poslalo je poruku da "ako gazda koristi, to je ozbiljno" i pokazalo da je provjera normalna. Usvajanje se brzo proširilo, bez ikakvog odbijanja.

Slučaj 3 — Moć mreže šampiona. Jedan trgovac je odabrao po jednog volontera „Šampiona AI“ iz svake trgovine; Ovi ljudi su dobili dodatnu obuku i dobili zadatak da pomognu svojim kolegama jedan na jedan. Učenje od prijatelja koji radi isti posao umjesto tima za obuku na daljinu ubrzalo je usvajanje za 3x. Najefikasniji nastavnik bio je entuzijastičan kolega za susednim stolom.

Četiri šablona za kopiranje

1) Mapa zainteresovanih strana i interesa:

Vaša uloga: konsultant za upravljanje promjenama. Navedite grupe zainteresovanih strana na koje utiče ova inicijativa AI i identifikujte primarnu zabrinutost koju svaka grupa može imati (sigurnost posla, kompetencija, poverenje, značenje). Napišite pozdrav za svaku zabrinutost. Inicijativa: [tekst]

2) Priča o "zašto":

Nacrtajte uvjerljivu priču "zašto sada, zašto mi" koju ćete ispričati onima koji rade na ovoj smjeni umjetne inteligencije. Zamijenite strah radoznalošću; Naglasite da alat preuzima dosadan posao i prepušta čovjeka vrednijem poslu. Promjena: [tekst]

3) Šampionski program:

Osmislite "šampionski" program koji će ubrzati usvajanje AI u timovima: kako se biraju šampioni, kakvu obuku prolaze, koji zadatak obavljaju, kako su motivisani? Napišite sažet i djelotvoran plan.

4) Plan mjerenja usvajanja:

Predložite metrike za mjerenje usvajanja AI alata: stopa aktivne upotrebe, učestalost korištenja, zadovoljstvo korisnika, povratne informacije o preprekama. Za svaku metriku napišite kako će se prikupljati i koji prag bi se smatrao „zdravim“.

Slaba prompt / Jaka prompt

Slab: "Šta trebam učiniti da natjeram ljude da koriste AI?"

Zaključak: Opće preporuke „educirajte, komunicirajte“; ne vidi zabrinutost i kontekst.

Snažan: "Mi implementiramo alat za podršku umjetnoj inteligenciji u pozivnom centru od 150 ljudi. Postoji jak strah od sigurnosti posla u timu. Napravite plan usvajanja specifičan za ovu situaciju: kako da se pozabavim zabrinutostima dionika, koja bi trebala biti uvjerljiva priča 'zašto' koju pričam zaposlenima, kako da postavim šampionski program i kojim metrikama mjerim korake za prve korake za usvajanje."

Rezultat: plan usvajanja koji se može primijeniti sa mjerenjem priče-šampiona koji je utemeljen na kontekstu i stvarnoj zabrinutosti.

Uobičajene greške

• Preskakanje ljudske dimenzije. Fokusiranje na tehnologiju i ignoriranje strahova i zabrinutosti najčešći je uzrok neuspjeha.
• Da ne pričam o strahu. Kada je anksioznost oko sigurnosti posla potisnuta, ona se vraća kao tiha sabotaža; adresirajte to jasno.
• Nedostatak vodstva primjerom. Administrator koji kaže "Vi ga koristite", ali ga sam ne koristi, opovrgava njegovu poruku.
• Komunikacija samo odozgo. Najefikasnije podučavanje dolazi od bliskog kolege (šampiona), a ne od udaljenog tima.
• Ne mjeri usvajanje. Institucija koja ne mjeri da li se koristi ili ne ne vidi prepreke.

Pažnja: Upravljanje promjenama nije jednokratna najava, već proces koji zahtijeva kontinuitet. AI vam može predložiti plan usvajanja ili kontakt tekst; Ali slušanje stvarnih briga ljudi, izgradnja povjerenja i vođenje primjerom može se dogoditi samo kroz ljudsko vodstvo. Također, budite iskreni: pripremanje ljudi za nove uloge je i etično i održivije, umjesto skrivanja situacija u kojima će AI zapravo zamijeniti neke uloge.

Ukratko

AI transformacije često ne uspijevaju iz ljudskih i kulturoloških razloga, a ne iz tehničkih. Resistance; Sigurnost posla proizlazi iz brige o kompetenciji, povjerenju i značenju, a rješava se otvorenim susretom s tim problemima, a ne njihovim ignoriranjem. Uspješno upravljanje promjenama govori uvjerljivo „zašto“, vodi svojim primjerom sa vidljivim vodstvom, slavi rane pobjede, obrazuje sve, gradi mrežu šampiona i ugrađuje novo ponašanje u kulturu. Usvajanje se mora odmjeriti, saslušati, a barijere se moraju ukloniti. Tokom ovog modula; Od vizije do mape puta, od određivanja prioriteta u slučaju upotrebe do ROI-a i rizika, upravljanja, etike, usklađenosti, talenta i nabavke, uspostavili smo okvir koji je menadžeru potreban za upravljanje transformacijom AI od kraja do kraja i odgovorno. Tehnologija je alat; strategija, upravljanje i liderstvo ljudi su ono što čini stvarnu razliku.

Zadatak aplikacije

Odaberite inicijativu AI i mapirajte zabrinutosti zainteresovanih strana pomoću šablona 1. 2. izradite uvjerljivu priču „zašto“ koju ćete ispričati zaposlenima pomoću šablona; Obavezno se iskreno pozabavite pitanjima sigurnosti posla. Napišite tri koraka šampionskog programa i dvije metrike pomoću kojih ćete mjeriti usvajanje. Konačno, „kako da koristim ovaj alat vidljivo kao vođa?“ Dajte konkretan odgovor na pitanje.

kontrolna lista

• [ ] Mapirao sam zainteresovane strane i njihove zabrinutosti.
• [ ] Iskreno sam se obratio brizi o sigurnosti posla.
• [ ] Napravio sam uvjerljivu priču „zašto“.
• [ ] Planirao sam voditi primjerom.
• [ ] Dizajnirao sam šampionsku mrežu.
• [ ] Identificirao sam metriku za mjerenje usvajanja.
• [ ] Planirao sam promjenu kao kontinuitet, a ne kao jednokratnu najavu.

Modul Exam

1. Koja je od sljedećeg stvarna uloga višeg menadžera u umjetnoj inteligenciji?

• A) Davanje smjernica, dodjela resursa, povlačenje ograničenja rizika i preuzimanje odgovornosti ✔
• B) Odabir i kodiranje arhitekture modela i algoritma lično
• C) U potpunosti predati umjetnu inteligenciju tehnološkom timu i čekati rezultate
• D) Omogućavanje svakom odjelu da slobodno testira svoj vlastiti alat.

Objašnjenje: Posao administratora nije da obučava modele ili piše kod; Davanje smjernica, dodjela resursa, povlačenje ograničenja rizika i prihvaćanje odgovornosti. Tehnički tim rješava pitanje 'kako', menadžer rješava pitanja 'zašto, kada, do kojih granica i ko je odgovoran'. Umjetna inteligencija nije tehnološki projekt, već pitanje transformacije poslovanja, a vlasništvo bi trebalo biti na poslovnoj strani.

2. Koja je ključna karakteristika koja razlikuje dobru AI viziju od praznog slogana?

• A) Sadrži naziv najnovije tehnologije
• B) Zavisi od poslovnog rezultata, mjerljiv je i ima vremenski horizont ✔
• C) Budite što asertivniji i generalniji
• D) Slično viziji konkurenata

Objašnjenje: Dobra vizija je povezana s poslovnim ishodom (ne tehnologijom), mjerljiva je i ima vremenski horizont. 'Mi ćemo biti lideri u AI' je nemjerljiv i ne uključuje poslovne rezultate; 'Prepolovićemo prvo vrijeme odgovora i smanjiti troškove za 15% za tri godine' je konkretan, izmjeren i ima vremenski horizont. Kada iz vizije uklonite riječ 'vještačka inteligencija', trebalo bi da vam ostane smislen poslovni cilj.

3. Koje su dimenzije koje se ističu kao nevidljivi preduslovi za većinu institucija u proceni zrelosti veštačke inteligencije i u koje ne treba ulagati kada su slabe?

• A) Samo marketing i dimenzije brenda
• B) Samo hardver i kancelarijska infrastruktura
• C) Podaci i upravljanje ✔
• D) Analiza konkurencije i određivanje cijena

Opis: Zrelost se mjeri u pet dimenzija (strategija, podaci, tehnologija, talenat, upravljanje). Podaci i upravljanje često su nevidljivi preduslovi: izgradnja skupog modela kada su podaci neuredni i lošeg kvaliteta je poput kupovine police u praznom skladištu; Bez upravljanja rizik se tiho akumulira. Zbog toga se praznine zatvaraju prema ovisnosti, a podaci i upravljanje općenito imaju prioritet.

4. Koji je pravi pristup za slučaj upotrebe u regiji 'visoka vrijednost + niska primjenjivost' matrice vrijednost/primjenjivost?

• A) Odmah se rasporedite u punom obimu
• B) Potpuno odustati jer je bezvrijedno
• C) Raditi to u slobodno vrijeme kao posao punjenja niskog prioriteta
• D) Planiranje kao velika opklada i uspostavljanje njegovih preduslova, u međuvremenu napredujući sa brzim dobicima ✔

Opis: Ovo područje se naziva 'velika opklada': ima veliku vrijednost, ali se ne može odmah napraviti zbog podataka, integracije ili tehničkih poteškoća. Pravi pristup je planiranje i uspostavljanje njegovih preduslova (infrastruktura podataka, integracija); Ronjenje na slijepo znači mjesece bezvrijednog rada. U međuvremenu, uz 'brze pobjede' (visoka vrijednost + visoka održivost) stvara se zamah i ova velika opklada se finansira.

5. Da biste dokazali vrijednost AI pilota, šta je najkritičnije uraditi prije početka?

• A) Definirajte metriku uspjeha i izmjerite osnovnu liniju trenutne situacije ✔
• B) Kupovina najskupljeg mogućeg vozila
• C) Otvaranje pilota za cijelu instituciju u isto vrijeme
• D) Izvještavanje o rezultatima sa predviđanjem nakon završetka pilota

Objašnjenje: Osnovna vrijednost je mjerenje trenutne situacije prije poboljšanja. Bez osnove, tvrdnja da smo 'poboljšani' ne može se dokazati; 'koliko poboljšano?' u odluci o skaliranju. Na pitanje se ne može odgovoriti. Stoga, prije nego što pilot počne, treba definirati metriku uspjeha i trenutnu situaciju izmjeriti brojkama. Ne možete upravljati i braniti vrijednost koju ne možete izmjeriti.

6. Koje stavke troškova institucije najčešće zanemaruju u proračunu povrata ulaganja umjetne inteligencije i uzrokuju da misle da je projekat isplativ?

• A) Samo opšti troškovi kao što su najam ureda i struja
• B) Skriveni troškovi kao što su integracija, stalni ljudski nadzor i održavanje ✔
• C) Samo budžet za marketing i oglašavanje
• D) Nema; licencna naknada je jedini stvarni trošak

Objašnjenje: Institucije obično računaju samo licencu/naknadu za korišćenje; dok su u AI-u skriveni troškovi općenito integracija, priprema podataka, kontinuirani ljudski nadzor, održavanje i upravljanje promjenama, a oni su često veći od licenciranja. Kada se ove stavke izostave, projekat za koji se smatra da je 'profitabilan' može zapravo raditi s gubitkom. Dodatno, sa strane koristi, treba se zapitati da li se ušteđeno vrijeme zapravo pretvara u vrijednost.

7. Šta znači 'odstupanje modela' u rizicima AI i zašto je potrebno stalno praćenje?

• A) Premještanje modela između fizičkih servera
• B) Naknada za licencu modela se vremenom povećava
• C) Performanse modela se tiho smanjuju tokom vremena kako se svijet mijenja ✔
• D) Izlaz modela uvijek ostaje isti

Objašnjenje: Odstupanje modela je kada se model istroši i njegove performanse tiho opadaju kako se svijet mijenja (novi proizvodi, nova ponašanja, novi obrasci prevare). Model koji jednom dobro radi ne radi zauvijek; Zato je redovno praćenje učinka neophodno. Na primjer, obrazac prevare može tiho oslabiti pred novim obrascem, a bez praćenja gubitak raste eksponencijalno.

8. Koji je pravi pristup prilikom dizajniranja procesa odobravanja u upravljanju umjetnom inteligencijom?

• A) Podvrgavanje svake inicijative umjetne inteligencije istom velikom odobravanju, bez obzira na rizik
• B) Odobravanje nivoa prema nivou rizika: mali rizik brzo, visok rizik stroga kontrola ✔
• C) Davanje pune slobode timovima bez ikakvog procesa odobravanja
• D) Ostavljanje svih odobrenja samo tehnološkom timu

Opis: Dobro upravljanje balansira brzinu, sigurnost i dosljednost. Primjena istog velikog odobrenja na svaki posao (čak i niskorizični) gura timove u korištenje u sjeni; Nijedno odobrenje ne akumulira rizik. Ispravan pristup je da se odobravanje slojeva prema nivou rizika: posao niskog rizika treba da teče brzo, samo visokorizični posao treba da bude podvrgnut ozbiljnoj kontroli. Tako se održavaju i brzina i kontrola.

9. Šta je tačno o odnosu između etike i poštivanja zakona?

• A) Etika i poštivanje zakona su ista stvar; Ono što susreće jedno susreće se i drugo.
• B) Poštivanje zakona je viša linija od etike
• C) Usklađenost sa zakonima je minimum; etika je viša linija i ne može sve što je legalno biti etično ✔
• D) Etika je važna samo kada zakon ostavlja prazninu

Opis: Usklađenost sa zakonima je minimum; Etika je viša linija. Nešto može biti legalno, ali neetično; Na primjer, funkcija umjetne inteligencije koja manipulira ponašanjem korisnika možda nije zabranjena, ali je neetička. Odgovorne institucije 'je li zabranjeno?' Ne 'Je li istina?' pita on. Etika se ne može ostaviti do kraja; treba biti ugrađen u dizajn od početka.

10. Koji je glavni kriterijum da se sistem smatra 'visokim rizikom' u zakonu EU o AI?

• A) Koliko je skup sistem
• B) Koliko korisnika ima sistem
• C) U kojoj zemlji je razvijen sistem?
• D) Sistem direktno utiče na ljudska prava, sigurnost ili životne mogućnosti ✔

Opis: Zakon o veštačkoj inteligenciji EU uspostavlja logiku zasnovanu na riziku. Sistem visokog rizika je onaj koji može direktno uticati na osnovna prava ljudi, sigurnost ili životne mogućnosti (posao, kredit, obrazovanje, zdravlje). Upravljanje rizikom, kvalitetni i nepristrasni podaci, ljudski nadzor, dokumentacija, vođenje evidencije i transparentnost su od suštinskog značaja za ove sisteme. 'Da li je ovaj sistem uključen u odluku koja utiče na posao, novac, zdravlje ili slobodu osobe?' pitanje je dobar preliminarni pokazatelj.

11. Zašto je jedno od najopasnijih i najopasnijih kršenja KVKK-a da zaposleni zalijepi lične podatke korisnika u javno dostupan alat za umjetnu inteligenciju baziran u inostranstvu?

• A) Samo zato što uzrokuje sporo kretanje vozila
• B) Zato što to često znači neovlašteni prenos podataka u inostranstvo i nenamjernu obradu ✔
• C) Samo zato što je vozilo plaćeno
• D) Zapravo, ne nosi nikakve rizike, potpuno je siguran.

Objašnjenje: Ova radnja često znači i 'prijenos podataka u inostranstvo' (podložno posebnim pravilima) i 'nenamjernu obradu' (podaci se koriste u druge svrhe osim svrhe za koju su prikupljeni) i obično se radi bez valjane pravne osnove i pojašnjenja. To stvara ozbiljan rizik od kršenja i administrativne kazne u smislu KVKK; Stoga su od suštinskog značaja politika prihvatljive upotrebe i korporativni alati koji ne propuštaju podatke.

12. Koja je svrha uloge 'prevodioca', koja je najčešće zanemarena uloga koja zaključava vrijednost u kompetenciji umjetne inteligencije?

• A) Prevođenje samo dokumenata na stranom jeziku
• B) Upravljanje serverima i bazama podataka
• C) Biti osoba koja transformiše poslovni problem u rješenje umjetne inteligencije i gradi most između poslovanja i tehnologije ✔
• D) Osigurati osnovnu obuku za vozila samo zaposlenima

Opis: Prevodilac umjetne inteligencije (AI prevodilac) je osoba koja prevodi poslovni jezik u tehnički jezik i obrnuto, gradeći most 'koji poslovni problem rješava kojim rješenjem umjetne inteligencije'. Najskuplji kvarovi često nisu uzrokovani nedostatkom stručnjaka već nedostatkom prevodilaca: tehnički tim pravi savršen model ali za pogrešan problem. Institucije previše ulažu u stručnjake, a premalo u prevodioce i masovnu pismenost; Međutim, uglavnom zadnja dva otvaraju vrijednost.

13. Koji je osnovni princip u odluci 'napravi ili kupi' za AI talent?

• A) Uvijek kupujte, jer je jeftinije
• B) Izgradite osnovne sposobnosti razlikovanja, kupite standardne sposobnosti ✔
• C) Uvek se razvijajte iznutra, jer je tako sigurnije
• D) Odabir onoga koji preporučuje najpopularniji dobavljač

Opis: Osnovni princip je: učiniti osnovne sposobnosti jedinstvenim za organizaciju koje stvaraju konkurentsku prednost; Kupite standardne, uobičajene, nediferencirajuće mogućnosti. Prediktivni model koji vaš konkurent ne može izgraditi s vašim vlastitim podacima je srž; Alat za sažimanje teksta je standardan. Ključni talenat outsourcinga je dugoročno iznajmljivanje konkurentnosti i povećava rizik od zaključavanja dobavljača.

14. Koji je najčešći razlog neuspjeha AI transformacija i najefikasniji pristup protiv toga?

• A) Nedovoljna tačnost modela; Rješenje je kupovina većeg modela
• B) Nedostatak opreme; Rješenje je kupiti više servera
• C) Troškovi licence; Rješenje je pronaći jeftinijeg dobavljača
• D) Ljudska i kulturna otpornost; Rješenje je upravljanje promjenama koje jasno rješava probleme ✔

Objašnjenje: Većina neuspjeha nije tehnički, već ljudski i kulturni: strah od sigurnosti posla, anksioznost oko kompetencije, nedostatak samopouzdanja i gubitak smisla. Kada se ove tjeskobe potisnu, one se vraćaju kao tiha sabotaža. Najefikasniji pristup je otvoreno odgovoriti na probleme, objasniti uvjerljivo 'zašto', voditi primjerom i izgraditi šampionsku mrežu bliskih kolega. Usvajanje se mora izmjeriti i prepreke se moraju ukloniti.