Keuntungan:
- Mempertimbangkan kompetensi kecerdasan buatan pada tiga lapisan (ahli, penerjemah, pengguna) dan melihat penerjemah yang paling sering diabaikan dan kesenjangan literasi yang luas
- Kemampuan untuk memilih salah satu yang cocok untuk institusi di antara model organisasi terpusat, terdistribusi, dan hub-and-spoke
- Kemampuan untuk menutup kesenjangan kompetensi dengan keseimbangan mitra pelatihan-perekrutan dan menggabungkan literasi dan retensi yang luas ke dalam strategi
Bahkan strategi terbaik pun tetap berada di atas kertas tanpa ada orang yang melaksanakannya. Hambatan paling umum dalam transformasi AI bukanlah teknologi, namun kurangnya kompetensi (pengetahuan, keterampilan dan pengalaman yang diperlukan untuk melakukan suatu pekerjaan) dan organisasi (bagaimana struktur pekerjaan, siapa melakukan apa). Di unit ini, Anda akan mempelajari bagaimana manajer senior dapat membangun struktur tim yang tepat, strategi bakat, dan pengembangan kompetensi untuk AI. Tujuannya adalah untuk mengubah pandangan sempit, seperti “mari kita pekerjakan beberapa data scientist,” menjadi pendekatan kompetensi di seluruh perusahaan.
Kompetensi bukanlah peran tunggal
Kesalahpahaman yang umum terjadi adalah menyerahkan AI ke sejumlah kecil pakar yang disebut “ilmuwan data”. Pada kenyataannya, transformasi AI memerlukan tiga lapis kompetensi:
lapisan
siapa
Apa yang dibutuhkannya
ahli
Ilmuwan data, insinyur ML
Model, data, kedalaman infrastruktur
penerjemah
Analis produk/bisnis
Mengubah masalah bisnis menjadi solusi AI
Pengguna
Semua karyawan
Menggunakan kendaraan secara aman, efektif dan bertanggung jawab
Lapisan kritis dan sering diabaikan sudah jelas: penerjemah AI adalah orang yang menerjemahkan bahasa bisnis ke bahasa teknis dan sebaliknya, membangun jembatan “masalah bisnis mana yang diselesaikan dengan solusi AI yang mana.” Kegagalan yang paling mahal seringkali bukan disebabkan oleh kurangnya ahli, namun karena kurangnya penerjemah: tim teknis membangun model yang sempurna namun untuk masalah yang salah.
Tips: Saat menganggarkan anggaran untuk talenta AI, pertimbangkan tidak hanya para ahli, namun juga peran penerjemah dan kemampuan literasi dasar seluruh karyawan. Kebanyakan institusi berinvestasi terlalu banyak pada tenaga ahli dan terlalu sedikit pada penerjemah dan literasi massal; Namun, biasanya dua nilai terakhirlah yang mengunci nilainya.
Model organisasi
Bakat AI dapat diorganisasikan dalam perusahaan dengan tiga cara utama:
- Terpusat: Semua pakar AI dalam satu tim. Keuntungan: kedalaman, konsistensi. Kerugian: pelepasan dari pekerjaan.
- Terdistribusi: Para ahli ditempatkan di unit bisnis. Keuntungan: kedekatan, kecepatan. Kerugian: inkonsistensi, pengulangan.
- Hub-and-spoke: Pusat Keunggulan (CoE; tim inti yang mendefinisikan dan menyebarkan standar, alat, dan praktik terbaik) + praktisi yang ditempatkan di unit bisnis. Model paling seimbang untuk sebagian besar organisasi menengah hingga besar.
CoE; menyediakan peralatan umum, standar keselamatan, pelatihan, dan komponen yang dapat digunakan kembali; Unit bisnis mengelola area penggunaannya sendiri. Model ini menjaga konsistensi dan kedekatan.
Bangun, beli, bermitra
Ada tiga cara untuk menutup kesenjangan keterampilan, biasanya ketiganya:
- Membangun: Melatih karyawan yang ada. Paling berkelanjutan namun paling lambat.
- Sewa (beli): Pekerjakan ahli dari luar. Cepat tapi mahal dan kompetitif.
- Mitra: Bekerja dengan konsultan/pemasok. Mulai cepat tetapi berisiko kecanduan.
Strategi cerdas: melatih/merekrut kompetensi penting dan permanen, memenuhi kebutuhan sementara atau sangat spesifik dalam kemitraan.
Langkah demi langkah: menetapkan strategi kompetensi
1. Memetakan kesenjangan kompetensi. Di mana kita berada di tiga lapisan (ahli, penerjemah, pengguna), kemana kita harus pergi?
2. Pilih model organisasi Anda. Terpusat, terdistribusi atau hub-and-spoke; yang cocok untuk institusi tersebut.
3. Membangun keseimbangan mitra bangun-beli. Tentukan jalur optimal untuk setiap celah.
4. Memulai program literasi nonformal. Pelatihan penggunaan dasar, aman, dan bertanggung jawab untuk semua karyawan.
5. Memelihara retensi dan budaya. Menarik bakat saja tidak cukup; Pertahankan dengan pekerjaan, pembelajaran, dan budaya yang bermakna.
tiga kasus mini
Kasus 1 — Kesenjangan penerjemah. Sebuah perusahaan industri mempekerjakan tiga data scientist yang mahal, namun tidak ada peran penerjemah untuk menjembatani unit bisnis. Para ahli menghasilkan proyek-proyek yang secara teknis mengesankan namun tidak penting secara bisnis; Tidak ada nilai nyata yang muncul dalam setahun. Ketika dua “penerjemah AI” (analis bisnis berpengalaman) ditunjuk, pakar yang sama menghasilkan tiga kasus penggunaan yang berharga dalam 6 bulan. Kesenjangannya bukan pada keahliannya, tapi pada jembatannya.
Kasus 2 — Konsistensi CoE. Dalam konglomerat, setiap perusahaan menggunakan alat AI-nya sendiri dengan aturannya sendiri: biaya berulang, keamanan yang tidak konsisten. Setelah Pusat Keunggulan didirikan dan alat-alat umum, standar dan pelatihan disediakan; Biaya lisensi turun sebesar 30%, keamanan menjadi konsisten, dan apa yang dipelajari oleh satu perusahaan dengan cepat menyebar ke perusahaan berikutnya.
Kasus 3 — Dampak meluasnya melek huruf. Sebuah perusahaan jasa menyerahkan AI hanya kepada satu tim ahli; 300 karyawan di lapangan menggunakan alat tersebut baik tidak sama sekali atau salah (melanggar kerahasiaan). Perusahaan meluncurkan program literasi dasar (pelatihan penggunaan aman selama 3 jam untuk semua orang); Penggunaan yang aman meningkat dan lusinan ide penggunaan yang berharga datang dari lapangan. Nilainya bukan terletak pada para ahlinya, tetapi pada orang-orang yang kompeten.
Empat templat yang dapat disalin
1) Peta kesenjangan kompetensi:
Peran Anda: konsultan bakat AI. Evaluasi organisasi kami dalam tiga lapisan: ahli (data/ML), penerjemah (jembatan bisnis-teknis), pengguna (semua karyawan). Tuliskan kesenjangan tipikal dan tindakan prioritas untuk setiap lapisan. Konteks: [teks]
2) Saran model organisasi:
Bandingkan model terpusat, terdistribusi, dan hub-and-spoke untuk [ukuran dan struktur organisasi]. Tuliskan mana yang Anda rekomendasikan untuk situasi kita dan alasannya, serta tanggung jawab apa yang akan diemban oleh Center of Excellence.
3) Keputusan membangun-beli-mitra:
Untuk setiap [daftar] kesenjangan kompetensi berikut, tuliskan alasan opsi pelatihan/pekerja/mitra mana yang Anda rekomendasikan. Pisahkan kompetensi yang bertahan lama dan penting dari kebutuhan sementara.
4) Program literasi nonformal:
Siapkan draf pelatihan "penggunaan kecerdasan buatan yang aman dan efektif" selama 3 jam untuk karyawan non-teknis: konsep dasar, penggunaan yang benar/salah, privasi dan autentikasi, contoh praktis. Berikan judul dan durasi modul demi modul.
Perintah lemah / Perintah kuat
Lemah: “Tim seperti apa yang harus saya bangun untuk AI?”
Hasil: Daftar umum peran; buta terhadap ukuran, kematangan dan kesenjangan institusi.
Kuat: "Kami adalah perusahaan manufaktur dengan 500 karyawan dan tiga unit bisnis; kami memiliki tingkat kematangan yang rendah, tidak ada ilmuwan data, namun analis bisnis yang kuat. Usulkan model organisasi untuk AI (terpusat/terdistribusi/hub-and-spoke), keseimbangan mitra beli-beli untuk menutup kesenjangan kompetensi kami di setiap lapisan (ahli/penerjemah/pengguna), dan menghasilkan rencana literasi yang luas untuk tahun pertama."
Hasil: Strategi talenta yang spesifik bagi organisasi, berlapis, realistis, dan dapat diterapkan.
Kesalahan umum
- Berinvestasi hanya pada ahlinya. Tanpa penerjemah dan kemampuan melek huruf yang luas, para ahli tidak dapat menghasilkan nilai.
- Melewatkan peran penerjemah. Jika tidak ada jembatan antara bisnis dan teknik, bahkan pakar terbaik sekalipun akan menangani masalah yang salah.
- Mengabaikan melek huruf yang meluas. Massa yang tidak berpendidikan tidak menggunakan kendaraan sama sekali atau menggunakannya dalam risiko.
- Hanya mengandalkan perekrutan. Membeli peternakan tanpa pembiakan itu mahal, rapuh, dan tidak berkelanjutan.
- Melupakan budaya dan retensi. Jika Anda tidak menarik bakat dan memberikan pekerjaan serta pembelajaran yang bermakna, Anda akan segera rugi.
Perhatian: AI mungkin menyarankan bagan organisasi atau garis besar pelatihan; Namun oranglah yang memutuskan model mana yang sesuai dengan budaya dan realitas institusi, siapa yang akan memainkan peran apa, dan dinamika retensinya. Keputusan sumber daya manusia mempunyai dampak besar dan tidak dapat diserahkan hanya pada algoritma saja.
Singkatnya
Hambatan paling umum dalam transformasi AI bukanlah teknologi, melainkan kompetensi dan organisasi. Kompetensi mempunyai tiga lapisan: ahli, penerjemah dan pengguna; Lapisan yang paling sering dilewati dan menjadi kunci nilai adalah literasi luas dengan penerjemah. Organisasi dapat terpusat, terdistribusi, atau hub-and-spoke (Pusat Keunggulan + praktisi tertanam); Bagi sebagian besar organisasi, yang terakhir ini seimbang. Menutup kesenjangan dengan memadukan pelatihan, rekrutmen, dan mitra; Pertahankan kompetensi yang penting dan bertahan lama. Pada unit berikutnya, kita akan membahas cara membeli solusi AI yang dialihdayakan secara cerdas.
Tugas aplikasi
Evaluasi organisasi Anda dalam tiga lapisan (ahli, penerjemah, pengguna) dan tuliskan kesenjangan terbesar di setiap lapisan. 2. Tentukan model organisasi yang sesuai dengan template Anda. Tulis alasan keputusan melatih/menyewa/mitra Anda untuk dua lowongan paling penting. Terakhir, uraikan topik-topik utama program literasi non-formal untuk seluruh karyawan.
daftar periksa
- [ ] Saya memetakan kesenjangan kompetensi dalam tiga lapisan.
- [] Saya memeriksa apakah peran Penerjemah ada.
- [ ] Saya memilih model organisasi yang cocok untuk institusi tersebut.
- [ ] Saya membuat keputusan mitra beli-bangun untuk setiap lowongan.
- [ ] Saya merencanakan program literasi nonformal.
- [ ] Saya memasukkan retensi dan budaya ke dalam strategi.
- [ ] Saya tidak menyerahkan keputusan sumber daya manusia hanya pada algoritma.