Upravljanje promjenama i usvajanje

Dobici:

• Sposobnost razumijevanja da transformacija umjetne inteligencije često ne uspije iz ljudskih i kulturoloških razloga, a ne tehničkih, i prepoznati zabrinutosti u pozadini otpora
• Sposobnost ubrzavanja usvajanja s uvjerljivom pričom 'zašto', vidljivim vodstvom i mrežom prvaka
• Sposobnost upravljanja promjenom kao kontinuitetom, a ne jednokratnom objavom, mjerenjem usvajanja pomoću metrike i uklanjanjem prepreka

Surova stvarnost transformacije umjetne inteligencije je sljedeća: strategija, tehnologija i proračun mogu biti savršeni; Ali ako ljudi ne prihvate promjene, sve je uzalud. Istraživanja dosljedno pokazuju da većina neuspjeha inicijativa za umjetnu inteligenciju nije tehnička, već ljudska i kulturološka. U ovoj završnoj jedinici naučit ćete kako viši menadžer može provoditi upravljanje promjenama (disciplina sustavnog upravljanja prijelazom ljudi na novi način rada) kako bi transformirao AI transformaciju u stvarno usvajanje (stvarna i održiva upotreba inovacije od strane ljudi). Cilj nije instalirati tehnologiju; je osigurati da ga ljudi koriste sigurno, dragovoljno i ispravno.

Zašto se ljudi opiru?

Otpor često nije glupost ili tvrdoglavost, već razumljiva zabrinutost: strah od sigurnosti posla ("hoće li umjetna inteligencija uzeti moj posao?"), zabrinutost zbog kompetencija ("Ne mogu ovo naučiti"), nedostatak samopouzdanja ("Ne mogu vjerovati njegovim rezultatima") i gubitak smisla ("zašto se moramo mijenjati?"). Ignoriranje ovih zabrinutosti povećava otpor; Otvoreni susret s njima ubrzava usvajanje.

tjeskoba

temeljno pitanje

Odgovor administratora

sigurnost posla

Hoću li izgubiti posao?

Jasno objasnite kako će se uloga obogatiti

kompetencija

Mogu li ovo naučiti?

Obuka, podrška, sigurno područje testiranja

povjerenje

Mogu li vjerovati izlazu?

Podučavati granice, potvrđivanje

Značenje

Zašto bih se trebao promijeniti?

Uvjerljivo objasnite "zašto".

Savjet: uokvirite promjenu ne kao "umjetna inteligencija zamjenjuje ljude", već kao "umjetna inteligencija olakšava posao ljudima, preuzima dosadni dio, ostavljajući ljudima da rade vredniji posao". Ovo uokvirivanje iste istine zamjenjuje strah znatiželjom.

Osnovni koraci upravljanja promjenama

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

1. Stvorite hitnost i razum. Zašto sada, zašto mi? Uvjerljiva priča.
2. Pokažite vidljivo vodstvo. Najviše rukovodstvo treba koristiti sam alat; ne retorikom nego primjerom.
3. Učinite prve dobitke vidljivima. Slavite i širite glas o malim, ali stvarnim uspjesima.
4. Educirajte i podržite. Kompetencija i siguran poligon za svakoga.
5. Stvorite prvake. Uključite volontere, entuzijastične pobornike promjena u svaki tim.
6. Neka bude trajno. Ugradite novo ponašanje u procese, ciljeve i kulturu.

Korak po korak: plan usvajanja

1. Mapirajte dionike i zabrinutosti. Tko je pogođen, što brine?

2. Navedite uvjerljivo "zašto". Izgradite priču o promjeni u jeziku ljudi.

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

4. Izgradite mrežu obrazovanja i prvaka. Osnažite, osnažite pionire volontere.

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

tri mini kućišta

Slučaj 1 — Zanemaren strah. Računovodstvena tvrtka hvalila je svoj alat umjetne inteligencije "radi učinkovitosti", ali se nikada nije pozabavila strahovima zaposlenika od sigurnosti posla. Glas se proširio, tim je tiho sabotirao alat, usvajanje je ostalo na 20%. Uprava je odustala i održala otvoreni sastanak, objašnjavajući da nitko neće biti otpušten i da će posrednik preuzeti dosadni posao i sve prebaciti u konzultant. U 3 mjeseca usvajanje se povećalo na 75%. Razgovor o strahu bio je rješenje.

Slučaj 2 — Primjer s vodstvom. Izvršni direktor tehnološke tvrtke javno je koristio AI alat dok je pripremao vlastito tjedno izvješće te je također podijelio svoje pogreške ("vidite, pogriješio je ovdje, ja sam to popravio"). Ovo vidljivo vodstvo poslalo je poruku da "ako ga šef koristi, to je ozbiljno" i pokazalo da je provjera normalna. Usvajanje se brzo proširilo, bez ikakvog odbijanja.

Slučaj 3 — Snaga mreže prvaka. Jedan trgovac odabrao je jednog volontera "AI prvaka" iz svake trgovine; Ovi ljudi su prošli dodatnu obuku i dobili su 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 3 puta. Najučinkovitiji učitelj bio je entuzijastični kolega za susjednim stolom.

Četiri predloška za kopiranje

1) Mapa dionika i zabrinutosti:

Vaša uloga: savjetnik za upravljanje promjenama. Navedite skupine dionika na koje utječe ova inicijativa umjetne inteligencije i identificirajte primarnu zabrinutost svake skupine (sigurnost posla, kompetencija, povjerenje, značenje). Napišite pozdrav za svaku zabrinutost. Inicijativa: [tekst]

2) Priča "zašto":

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

3) Šampionski program:

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

4) Plan mjerenja usvajanja:

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

Slab upit / Jak upit

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

Zaključak: Opće preporuke "educiraj, komuniciraj"; ne vidi brige i kontekst.

Strong: "Uvodimo alat za podršku umjetne inteligencije u pozivnom centru od 150 ljudi. Postoji snažan 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 govorim zaposlenicima, kako da postavim šampionski program i kojim metrikama mjerim usvajanje? Navedite korake za prvih 90 dana."

Rezultat: djelotvoran plan usvajanja s mjerenjem priča-prvaka koji je utemeljen na kontekstu i stvarnoj zabrinutosti.

Uobičajene greške

• Preskakanje ljudske dimenzije. Usredotočenost na tehnologiju i ignoriranje strahova i zabrinutosti najčešći je uzrok neuspjeha.
• O strahu da i ne govorimo. Kada se zabrinutost oko sigurnosti posla potisne, vraća se kao tiha sabotaža; jasno se obratite.
• Nedostatak vodstva primjerom. Administrator koji kaže "Vi ga koristite", a sam ga ne koristi opovrgava njegovu poruku.
• Komunikacija samo odozgo. Najučinkovitije podučavanje dolazi od bliskog kolege (prvaka), a ne od udaljenog tima.
• Ne mjerenje usvajanja. Institucija koja ne mjeri je li iskorištena ili ne, ne može vidjeti 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 umjetna inteligencija zapravo zamijeniti neke uloge.

Ukratko

AI transformacije često ne uspijevaju iz ljudskih i kulturnih razloga, a ne tehničkih. Otpornost; Sigurnost posla proizlazi iz zabrinutosti za kompetenciju, povjerenje i značenje, a rješava se otvorenim suočavanjem s tim brigama, a ne njihovim ignoriranjem. Uspješno upravljanje promjenama govori uvjerljivo "zašto", vodi primjerom s vidljivim vodstvom, slavi rane pobjede, educira sve, gradi mrežu prvaka i ugrađuje novo ponašanje u kulturu. Posvajanje se mora mjeriti, osluškivati ​​i uklanjati prepreke. Tijekom ovog modula; Od vizije do plana, od određivanja prioriteta u slučaju uporabe do povrata ulaganja i rizika, upravljanja, etike, usklađenosti, talenta i nabave, uspostavili smo okvir koji je upravitelju potreban za upravljanje transformacijom umjetne inteligencije od kraja do kraja i odgovorno. Tehnologija je alat; strategija, upravljanje i vodstvo ljudima ono je što čini pravu razliku.

Zadatak aplikacije

Odaberite inicijativu umjetne inteligencije i mapirajte zabrinutosti pogođenih dionika pomoću predloška 1. 2. izradite uvjerljivu priču „zašto“ koju ćete ispričati zaposlenicima pomoću predloška; Obavezno se iskreno pozabavite pitanjima sigurnosti posla. Napišite tri koraka šampionskog programa i dvije metrike pomoću kojih ćete mjeriti usvajanje. Na kraju, "kako mogu koristiti ovaj alat vidljivo kao lider?" Dajte konkretan odgovor na pitanje.

popis za provjeru

• [ ] Mapirao sam pogođene dionike i njihove brige.
• [ ] Iskreno sam se pozabavio pitanjem sigurnosti posla.
• [ ] Konstruirao sam uvjerljivu priču "zašto".
• [ ] Planirao sam voditi svojim primjerom.
• [ ] Dizajnirao sam šampionsku mrežu.
• [ ] Identificirao sam metriku za mjerenje usvajanja.
• [ ] Planirao sam promjenu kao kontinuitet, a ne kao jednokratnu najavu.

Modul ispit

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

• A) Davanje smjernica, raspodjela resursa, povlačenje ograničenja rizika i prihvaćanje odgovornosti ✔
• B) Odabir i kodiranje arhitekture modela i algoritma osobno
• C) Potpuno prepustite umjetnu inteligenciju tehnološkom timu i pričekajte rezultate
• D) Omogućavanje svakom odjelu da slobodno testira svoj alat.

Objašnjenje: Administratorov posao nije trenirati modele ili pisati kod; Davanje smjernica, raspodjela resursa, povlačenje ograničenja rizika i prihvaćanje odgovornosti. Tehnički tim rješava pitanje 'kako', menadžer rješava pitanja 'zašto, kada, do kojih granica i tko je odgovoran'. Umjetna inteligencija nije tehnološki projekt, već pitanje poslovne transformacije, 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) Ovisi o poslovnom rezultatu, mjerljiv je i ima vremenski horizont ✔
• C) Budite što asertivniji i općenitiji
• D) Slično viziji konkurenata

Objašnjenje: Dobra vizija je povezana s poslovnim ishodom (ne tehnologijom), mjerljiva je i ima vremenski horizont. 'Bit ćemo lideri u umjetnoj inteligenciji' je nemjerljivo i ne uključuje poslovne rezultate; 'Prepolovit ćemo vrijeme prvog odgovora i smanjiti troškove za 15% u tri godine' konkretno je, odmjereno i ima vremenski horizont. Kada iz vizije izbacite riječ 'umjetna inteligencija', trebali biste ostati sa smislenim poslovnim ciljem.

3. Koje su dimenzije koje se ističu kao nevidljivi preduvjeti za većinu institucija u procjeni zrelosti umjetne inteligencije iu koje se ne bi trebalo ulagati kada su slabe?

• A) Samo marketinške i robne marke
• B) Samo hardver i uredska infrastruktura
• C) Podaci i upravljanje ✔
• D) Analiza konkurenata i određivanje cijena

Opis: Zrelost se mjeri u pet dimenzija (strategija, podaci, tehnologija, talent, upravljanje). Podaci i upravljanje često su nevidljivi preduvjeti: izgradnja skupog modela kada su podaci neuredni i loše kvalitete je poput kupnje police u praznom skladištu; Bez upravljanja rizik se tiho gomila. Zbog toga se nedostaci uklanjaju prema ovisnosti, a podaci i upravljanje općenito imaju prioritet.

4. Koji je pravi pristup za slučaj upotrebe u području 'visoke vrijednosti + niske primjenjivosti' matrice vrijednosti/primjenjivosti?

• A) Odmah rasporedite u punom opsegu
• B) Potpuno odustajanje jer je bezvrijedno
• C) Radite to u slobodno vrijeme kao pomoćni posao niskog prioriteta
• D) Planiranje kao velika oklada i uspostavljanje njegovih preduvjeta, dok se u međuvremenu kreće naprijed s brzim dobicima ✔

Opis: Ovo se područje naziva 'velika oklada': ima veliku vrijednost, ali se ne može odmah napraviti zbog podataka, integracije ili tehničkih poteškoća. Ispravan pristup je isplanirati ga i uspostaviti njegove preduvjete (podatkovna infrastruktura, integracija); Roniti naslijepo znači mjesece bezvrijednog rada. U međuvremenu, uz 'brze dobitke' (visoka vrijednost + visoka održivost) stvara se zamah i ova velika oklada se financira.

5. Da biste dokazali vrijednost AI pilota, što je najvažnije učiniti prije početka?

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

Objašnjenje: Osnovna vrijednost je mjerenje trenutne situacije prije poboljšanja. Bez osnovne vrijednosti, tvrdnja da smo 'poboljšani' ne može se dokazati; 'koliko poboljšano?' u odluci o skaliranju. Na pitanje se ne može odgovoriti. Stoga, prije početka pilota treba definirati metriku uspjeha i brojčano izmjeriti trenutnu situaciju. Ne možete upravljati i braniti vrijednost koju ne možete mjeriti.

6. Koje troškovne stavke institucije najčešće zanemaruju u izračunu ROI umjetne inteligencije i zbog kojih misle da je projekt isplativ?

• A) Samo opći troškovi kao što su najam ureda i struja
• B) Skriveni troškovi kao što su integracija, stalni ljudski nadzor i održavanje ✔
• C) Samo proračun za marketing i oglašavanje
• D) Ništa; licencna pristojba je jedini pravi trošak

Objašnjenje: Institucije obično računaju samo naknadu za licencu/korištenje; dok su u umjetnoj inteligenciji skriveni troškovi općenito integracija, priprema podataka, stalno ljudsko praćenje, održavanje i upravljanje promjenama, a oni su često veći od licenciranja. Kada su ove stavke izostavljene, projekt za koji se smatra da je 'profitabilan' zapravo može poslovati s gubitkom. Dodatno, na strani koristi, treba se zapitati hoće li se ušteđeno vrijeme doista pretvoriti u vrijednost.

7. Što znači 'odstupanje modela' u rizicima umjetne inteligencije i zašto zahtijeva kontinuirano praćenje?

• A) Premještanje modela između fizičkih poslužitelja
• B) Naknada za licencu modela raste s vremenom
• C) Učinkovitost modela tiho opada tijekom vremena kako se svijet mijenja ✔
• D) Izlaz modela uvijek ostaje isti

Objašnjenje: odstupanje modela je kada se model istroši i njegova izvedba tiho opada kako se svijet mijenja (novi proizvodi, nova ponašanja, novi obrasci prijevara). Model koji jednom dobro funkcionira, ne funkcionira dobro zauvijek; Zato je redovito praćenje učinka bitno. Na primjer, obrazac prijevare može tiho oslabiti pred novim uzorkom, a bez praćenja gubitak eksponencijalno raste.

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) Razina odobrenja prema razini rizika: nizak rizik brza, visoki rizik stroga kontrola ✔
• C) Davanje pune slobode timovima bez ikakvog postupka odobravanja
• D) Prepuštanje svih odobrenja samo tehnološkom timu

Opis: Dobro upravljanje uravnotežuje brzinu, sigurnost i dosljednost. Primjena istog strogog odobrenja za svaki posao (čak i s niskim rizikom) gura timove u korištenje u sjeni; Nikakvo odobrenje ne akumulira rizik. Ispravan pristup je slojevito odobravanje prema razini rizika: rad s niskim rizikom trebao bi teći brzo, samo bi rad s visokim rizikom trebao proći strogu kontrolu. Tako se održavaju i brzina i kontrola.

9. Što je točno o odnosu između etike i poštivanja zakona?

• A) Etika i zakonska usklađenost su ista stvar; Ono što susreće jedno susreće i drugo.
• B) Usklađenost sa zakonima je viša linija od etike
• C) Usklađenost s 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 s zakonima je minimum; Etika je viša linija. Nešto može biti legalno, ali neetično; Na primjer, značajka umjetne inteligencije koja manipulira ponašanjem korisnika možda nije zabranjena, ali je neetična. Odgovorne institucije 'je li zabranjeno?' Ne "Je li istina?" pita on. Etika se ne može ostaviti do kraja; treba biti ugrađen u dizajn od samog početka.

10. Koji je glavni kriterij da se sustav smatra 'visoko rizičnim' u Zakonu EU-a o umjetnoj inteligenciji?

• A) Koliko je sustav skup
• B) Koliko korisnika ima sustav
• C) U kojoj je zemlji sustav razvijen?
• D) Sustav izravno utječe na ljudska temeljna prava, sigurnost ili životne mogućnosti ✔

Opis: Zakon EU-a o umjetnoj inteligenciji uspostavlja logiku utemeljenu na riziku. Sustav visokog rizika je onaj koji može izravno utjecati na temeljna prava ljudi, sigurnost ili životne mogućnosti (posao, krediti, obrazovanje, zdravlje). Upravljanje rizicima, kvalitetni i nepristrani podaci, ljudski nadzor, dokumentacija, vođenje evidencije i transparentnost ključni su za ove sustave. 'Je li ovaj sustav uključen u odluku koja utječe na posao, novac, zdravlje ili slobodu osobe?' pitanje je dobar preliminarni pokazatelj.

11. Zašto je jedno od najopasnijih i najčešćih kršenja KVKK da zaposlenik zalijepi osobne podatke korisnika u javno dostupan inozemni alat za umjetnu inteligenciju?

• A) Samo zato što uzrokuje sporu vožnju vozila
• B) Zato što često znači neovlašteni prijenos podataka u inozemstvo i nenamjernu obradu ✔
• C) Samo zato što je vozilo plaćeno
• D) Zapravo, ne nosi nikakav rizik, potpuno je siguran.

Objašnjenje: Ova radnja često znači i 'prijenos podataka u inozemstvo' (podložno posebnim pravilima) i 'nenamjernu obradu' (podaci se koriste u druge svrhe od one za koju su prikupljeni) i obično se provodi bez valjane pravne osnove i pojašnjenja. To stvara ozbiljan rizik od prekršaja i administrativne kazne u smislu KVKK; Stoga su prihvatljiva politika korištenja i korporativni alati koji ne cure podatke ključni.

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

• A) Prijevod samo dokumenata na stranim jezicima
• B) Upravljanje poslužiteljima i bazama podataka
• C) Biti osoba koja transformira poslovni problem u rješenje umjetne inteligencije i gradi most između poslovanja i tehnologije ✔
• D) Omogućite osnovnu obuku za vozila samo zaposlenicima

Opis: Prevoditelj umjetne inteligencije (AI prevoditelj) je osoba koja prevodi poslovni jezik u tehnički jezik i obrnuto, gradeći most 'koji se poslovni problem rješava kojim rješenjem umjetne inteligencije'. Najskuplji kvarovi često nisu uzrokovani nedostatkom stručnjaka, već nedostatkom prevoditelja: tehnički tim gradi savršen model, ali za pogrešan problem. Institucije previše ulažu u stručnjake, a premalo u prevoditelje i masovno opismenjavanje; Međutim, općenito su posljednja dva ta koja 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) Uvijek se razvijaj unutra, jer je sigurnije
• D) Odabir onoga koji preporučuje najpopularniji dobavljač

Opis: Osnovno načelo je: učiniti temeljne sposobnosti jedinstvenima za organizaciju koje stvaraju konkurentsku prednost; Kupite standardne, uobičajene mogućnosti bez razlikovanja. Prediktivni model koji vaš konkurent ne može izgraditi s vašim vlastitim podacima je srž; Alat za sažimanje teksta je standardan. Outsourcing ključnih talenata dugoročno iznajmljuje konkurentnost i povećava rizik od vezanosti dobavljača.

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

• A) Nedovoljna točnost modela; Rješenje je kupiti veći model
• B) Nedostatak opreme; Rješenje je kupiti više servera
• C) Trošak licence; Rješenje je pronaći jeftinijeg dobavljača
• D) Ljudska i kulturološka otpornost; Rješenje je upravljanje promjenama koje jasno rješava probleme ✔

Objašnjenje: Većina neuspjeha nije tehnički, već ljudski i kulturološki: strah od sigurnosti posla, tjeskoba oko kompetentnosti, nedostatak samopouzdanja i gubitak smisla. Kad se te tjeskobe potisnu, vraćaju se kao tiha sabotaža. Najučinkovitiji pristup je otvoreno odgovoriti na zabrinutosti, objasniti uvjerljivo 'zašto', voditi svojim primjerom i izgraditi mrežu bliskih kolega. Usvajanje se mora mjeriti i prepreke moraju biti uklonjene.