Manajemen Perubahan dan Adopsi

Keuntungan:

• Kemampuan untuk memahami bahwa transformasi kecerdasan buatan sering kali gagal karena alasan manusia dan budaya, bukan alasan teknis, dan menyadari kekhawatiran yang mendasari penolakan tersebut
• Kemampuan untuk mempercepat adopsi dengan cerita 'mengapa' yang menarik, kepemimpinan yang jelas, dan jaringan para pemimpin
• Kemampuan untuk mengelola perubahan sebagai sebuah kesinambungan, bukan pengumuman satu kali saja, dengan mengukur adopsi menggunakan metrik dan menghilangkan hambatan

Kenyataan pahit dari transformasi AI adalah: strategi, teknologi, dan anggaran bisa menjadi sempurna; Namun jika masyarakat tidak mau menerima perubahan, maka semuanya akan sia-sia. Penelitian secara konsisten menunjukkan bahwa sebagian besar kegagalan inisiatif kecerdasan buatan bukan disebabkan oleh faktor teknis, melainkan faktor manusia dan budaya. Dalam unit terakhir ini, Anda akan mempelajari bagaimana seorang manajer senior dapat melakukan manajemen perubahan (disiplin mengelola transisi manusia ke cara kerja baru secara sistematis) untuk mengubah transformasi AI menjadi adopsi nyata (penggunaan inovasi secara aktual dan berkelanjutan oleh manusia). Tujuannya bukan untuk menginstal teknologi tersebut; adalah untuk memastikan bahwa masyarakat menggunakannya dengan aman, sukarela dan benar.

Mengapa orang menolak?

Penolakan sering kali bukan karena kebodohan atau sikap keras kepala, melainkan kekhawatiran yang dapat dimengerti: ketakutan akan keamanan kerja (“apakah AI akan mengambil pekerjaan saya?”), kecemasan terhadap kompetensi (“Saya tidak dapat mempelajari hal ini”), kurangnya rasa percaya diri (“Saya tidak dapat mempercayai hasilnya”), dan kehilangan makna (“mengapa kita perlu berubah?”). Mengabaikan kekhawatiran ini akan memperbesar resistensi; Bertemu dengan mereka secara terbuka akan mempercepat adopsi.

kecemasan

pertanyaan mendasar

Tanggapan administrator

keamanan pekerjaan

Apakah saya akan kehilangan pekerjaan?

Jelaskan dengan jelas bagaimana peran tersebut akan diperkaya

kompetensi

Bisakah saya mempelajari ini?

Pelatihan, dukungan, area pengujian yang aman

kepercayaan

Bisakah saya mempercayai hasilnya?

Ajarkan batasan, validasi

Artinya

Mengapa saya harus berubah?

Jelaskan “mengapa” dengan meyakinkan

Tip: Bayangkan perubahan ini bukan sebagai "kecerdasan buatan menggantikan manusia" namun sebagai "kecerdasan buatan membuat pekerjaan manusia lebih mudah, mengambil alih pekerjaan yang membosankan, dan menjadikan manusia melakukan pekerjaan yang lebih bernilai." Pembingkaian kebenaran yang sama ini menggantikan rasa takut dengan rasa ingin tahu.

Langkah-langkah dasar manajemen perubahan

Inti dari model perubahan klasik (misalnya langkah Kotter) yang disesuaikan dengan kecerdasan buatan:

1. Ciptakan urgensi dan alasan. Kenapa sekarang, kenapa kita? Sebuah cerita yang menarik.
2. Tunjukkan kepemimpinan yang terlihat. Manajemen puncak harus menggunakan alat itu sendiri; bukan dengan retorika tetapi dengan contoh.
3. Jadikan keuntungan awal terlihat. Rayakan dan sebarkan kesuksesan kecil namun nyata.
4. Mendidik dan mendukung. Kompetensi dan tempat pengujian yang aman bagi semua orang.
5. Ciptakan juara. Sertakan para sukarelawan dan pemimpin perubahan yang antusias di setiap tim.
6. Jadikan itu permanen. Tanamkan perilaku baru dalam proses, tujuan, dan budaya.

Langkah demi langkah: rencana adopsi

1. Memetakan pemangku kepentingan dan kekhawatirannya. Siapa yang terkena dampaknya, apa kekhawatirannya?

2. Berikan “mengapa” yang meyakinkan. Membangun kisah perubahan dalam bahasa masyarakat.

3. Tunjukkan kepemimpinan dengan memberi contoh. Izinkan administrator menggunakan alat ini secara jelas.

4. Membangun jaringan pendidikan dan champion. Memberdayakan, memberdayakan pionir relawan.

5. Ukur, dengarkan, sesuaikan. Ukur tingkat adopsi, kumpulkan masukan, hilangkan hambatan.

tiga kasus mini

Kasus 1 — Mengabaikan rasa takut. Sebuah kantor akuntan memuji alat AI-nya "untuk efisiensi" namun tidak pernah mengatasi ketakutan karyawan terhadap keamanan kerja. Berita menyebar, tim diam-diam menyabotase alat tersebut, adopsi tetap pada 20%. Manajemen mundur dan mengadakan pertemuan terbuka, menjelaskan bahwa tidak ada seorang pun yang akan diberhentikan dan bahwa perantara akan mengambil alih pekerjaan yang membosankan dan memindahkan semua orang ke dalam konsultasi. Dalam 3 bulan, adopsi meningkat menjadi 75%. Berbicara tentang ketakutan adalah solusinya.

Kasus 2 — Contoh dalam kepemimpinan. CEO sebuah perusahaan teknologi menggunakan alat AI secara publik sambil menyiapkan laporan mingguannya sendiri dan juga berbagi kesalahannya (“lihat, dia membuat kesalahan di sini, saya memperbaikinya”). Kepemimpinan yang terlihat ini mengirimkan pesan bahwa "jika bos menggunakannya, itu serius" dan menunjukkan bahwa verifikasi adalah hal yang normal. Adopsi menyebar dengan cepat, tanpa penolakan apa pun.

Kasus 3 — Kekuatan jaringan juara. Satu pengecer memilih satu sukarelawan “juara AI” dari setiap toko; Orang-orang ini diberi pelatihan tambahan dan diberi tugas untuk membantu rekan-rekan mereka secara pribadi. Belajar dari seorang teman yang melakukan pekerjaan yang sama dan bukan dari tim pelatihan jarak jauh mempercepat penerapannya sebanyak 3x. Guru yang paling efektif adalah rekannya yang antusias di meja sebelah.

Empat templat yang dapat disalin

1) Peta pemangku kepentingan dan kekhawatiran:

Peran Anda: konsultan manajemen perubahan. Buat daftar kelompok pemangku kepentingan yang terkena dampak inisiatif AI ini dan identifikasi kekhawatiran utama yang mungkin dimiliki masing-masing kelompok (keamanan kerja, kompetensi, kepercayaan, makna). Tulislah salam untuk setiap kekhawatiran. Inisiatif: [teks]

2) Kisah “mengapa”:

Buatlah konsep cerita “mengapa sekarang, mengapa kita” yang menarik untuk disampaikan kepada mereka yang bekerja dalam perubahan AI ini. Gantikan rasa takut dengan rasa ingin tahu; Tekankan bahwa alat tersebut mengambil alih pekerjaan yang membosankan dan menyerahkan manusia pada pekerjaan yang lebih berharga. Ubah: [teks]

3) Program juara:

Rancang program "champion" yang akan mempercepat adopsi AI dalam tim: bagaimana cara memilih champion, pelatihan apa yang mereka terima, tugas apa yang mereka lakukan, bagaimana motivasi mereka? Tulis rencana yang ringkas dan dapat ditindaklanjuti.

4) Rencana pengukuran adopsi:

Menyarankan metrik untuk mengukur penerapan alat AI: tingkat penggunaan aktif, frekuensi penggunaan, kepuasan pengguna, umpan balik hambatan. Untuk setiap metrik, tuliskan cara pengumpulannya dan ambang batas apa yang dianggap “sehat”.

Perintah lemah / Perintah kuat

Lemah: “Apa yang harus saya lakukan agar orang menggunakan AI?”

Kesimpulan: Rekomendasi umum “mendidik, mengkomunikasikan”; tidak melihat kekhawatiran dan konteksnya.

Kuat: "Kami menerapkan alat dukungan AI di pusat panggilan yang beranggotakan 150 orang. Ada ketakutan yang kuat terhadap keamanan kerja di dalam tim. Buatlah rencana adopsi yang spesifik untuk situasi ini: bagaimana cara mengatasi kekhawatiran pemangku kepentingan, cerita 'mengapa' yang menarik yang harus saya sampaikan kepada karyawan, bagaimana cara menyiapkan program unggulan, dan metrik apa yang digunakan untuk mengukur adopsi? Buat daftar langkah-langkah untuk 90 hari pertama."

Hasil: Sebuah rencana adopsi yang dapat ditindaklanjuti dengan pengukuran utama yang didasarkan pada konteks dan kepedulian nyata.

Kesalahan umum

• Melewatkan dimensi manusia. Berfokus pada teknologi dan mengabaikan ketakutan dan kekhawatiran adalah penyebab kegagalan yang paling umum.
• Bukan berbicara tentang rasa takut. Ketika kekhawatiran mengenai keamanan kerja ditekan, hal ini akan kembali menjadi sabotase diam-diam; mengatasinya dengan jelas.
• Kurangnya kepemimpinan dalam memberi contoh. Administrator yang mengatakan "Anda menggunakannya" tetapi tidak menggunakannya sendiri, menyangkal pesannya.
• Komunikasi dari atas saja. Pengajaran yang paling efektif datang dari rekan dekat (sang juara), bukan dari tim yang jauh.
• Tidak mengukur adopsi. Lembaga yang tidak mengukur dipakai atau tidak, tidak akan bisa melihat hambatannya.

Perhatian: Manajemen perubahan bukanlah pengumuman yang dilakukan satu kali saja, namun sebuah proses yang memerlukan kesinambungan. AI dapat menyarankan Anda rencana adopsi atau teks kontak; Namun mendengarkan keprihatinan nyata masyarakat, membangun kepercayaan, dan memimpin dengan memberi contoh hanya dapat terjadi melalui kepemimpinan manusia. Jujur saja: mempersiapkan orang untuk peran baru adalah hal yang etis dan lebih berkelanjutan, daripada menyembunyikan situasi di mana AI akan benar-benar menggantikan beberapa peran.

Singkatnya

Transformasi AI sering kali gagal karena alasan manusia dan budaya, bukan karena alasan teknis. Perlawanan; Keamanan kerja muncul dari kekhawatiran akan kompetensi, kepercayaan, dan makna, dan diselesaikan dengan memenuhi kekhawatiran tersebut secara terbuka, bukan dengan mengabaikannya. Manajemen perubahan yang sukses memberikan “alasan” yang menarik, memimpin dengan memberi contoh dengan kepemimpinan yang nyata, merayakan kemenangan awal, mendidik semua orang, membangun jaringan para pemimpin, dan menanamkan perilaku baru ke dalam budaya. Adopsi harus diukur, didengarkan, dan hambatan harus dihilangkan. Selama modul ini; Dari visi hingga peta jalan, dari prioritas kasus penggunaan hingga ROI dan risiko, tata kelola, etika, kepatuhan, bakat, dan pengadaan, kami telah menetapkan kerangka kerja yang dibutuhkan seorang manajer untuk mengelola transformasi AI secara menyeluruh dan bertanggung jawab. Teknologi adalah alatnya; strategi, tata kelola, dan kepemimpinan masyarakatlah yang membuat perbedaan nyata.

Tugas aplikasi

Pilih inisiatif AI dan petakan kekhawatiran pemangku kepentingan yang terkena dampak dengan templat 1. 2. buatlah konsep cerita “mengapa” yang menarik untuk disampaikan kepada karyawan menggunakan templat; Pastikan untuk mengatasi masalah keamanan kerja dengan jujur. Tuliskan tiga langkah program juara dan dua metrik yang akan digunakan untuk mengukur adopsi. Terakhir, “bagaimana saya menggunakan alat ini sebagai seorang pemimpin?” Berikan jawaban konkrit atas pertanyaan tersebut.

daftar periksa

• [ ] Saya memetakan pemangku kepentingan yang terkena dampak dan kekhawatiran mereka.
• [ ] Saya menjawab masalah keamanan kerja dengan jujur.
• [ ] Saya membangun cerita “mengapa” yang menarik.
• [ ] Saya berencana untuk memimpin dengan memberi contoh.
• [ ] Saya merancang jaringan juara.
• [ ] Saya mengidentifikasi metrik untuk mengukur adopsi.
• [ ] Saya merencanakan perubahan ini sebagai sebuah kesinambungan, bukan sebagai pengumuman satu kali saja.

Ujian Modul

1. Manakah dari berikut ini yang merupakan peran sebenarnya dari manajer senior dalam kecerdasan buatan?

• A) Memberi arahan, mengalokasikan sumber daya, menetapkan batasan risiko dan memikul tanggung jawab ✔
• B) Memilih dan mengkode arsitektur model dan algoritma secara pribadi
• C) Serahkan sepenuhnya kecerdasan buatan kepada tim teknologi dan tunggu hasilnya
• D) Mengizinkan setiap departemen untuk secara bebas menguji alatnya sendiri.

Penjelasan: Tugas administrator bukanlah melatih model atau menulis kode; Memberikan arahan, mengalokasikan sumber daya, menetapkan batasan risiko, dan menerapkan akuntabilitas. Tim teknis memecahkan pertanyaan 'bagaimana', manajer memecahkan pertanyaan 'mengapa, kapan, sampai batas apa dan siapa yang bertanggung jawab'. Kecerdasan buatan bukanlah sebuah proyek teknologi, namun merupakan isu transformasi bisnis, dan kepemilikan harus berada di sisi bisnis.

2. Apa fitur utama yang membedakan visi AI yang baik dengan slogan kosong?

• A) Berisi nama teknologi terkini
• B) Tergantung hasil usaha, terukur dan mempunyai jangka waktu ✔
• C) Bersikaplah asertif dan seumum mungkin
• D) Mirip dengan visi pesaing

Penjelasan: Visi yang baik berkaitan dengan hasil bisnis (bukan teknologi), dapat diukur, dan memiliki jangka waktu. 'Kami akan menjadi pemimpin dalam AI' tidak dapat diukur dan tidak mencakup hasil bisnis; 'Kami akan mengurangi separuh waktu respons pertama dan mengurangi biaya sebesar 15% dalam tiga tahun' bersifat konkret, terukur, dan memiliki jangka waktu tertentu. Ketika Anda menghilangkan kata 'kecerdasan buatan' dari visi tersebut, Anda akan mendapatkan tujuan bisnis yang bermakna.

3. Dimensi apa saja yang menonjol sebagai prasyarat yang tidak terlihat bagi sebagian besar lembaga dalam penilaian kematangan kecerdasan buatan dan tidak boleh dimasukkan ke dalamnya ketika lembaga tersebut lemah?

• A) Dimensi pemasaran dan merek saja
• B) Hanya perangkat keras dan infrastruktur kantor
• C) Data dan tata kelola ✔
• D) Analisis dan penetapan harga pesaing

Deskripsi: Kedewasaan diukur dalam lima dimensi (strategi, data, teknologi, talenta, tata kelola). Data dan tata kelola sering kali merupakan prasyarat yang tidak terlihat: membangun model yang mahal ketika data berantakan dan kualitasnya buruk ibarat membeli rak di gudang kosong; Tanpa tata kelola, risiko akan terakumulasi secara diam-diam. Itu sebabnya kesenjangan ditutup berdasarkan ketergantungan, dan data serta tata kelola secara umum diprioritaskan.

4. Apa pendekatan yang tepat untuk kasus penggunaan di wilayah 'nilai tinggi + penerapan rendah' ​​pada matriks nilai/penerapan?

• A) Segera terapkan dalam skala penuh
• B) Menyerah sepenuhnya karena tidak ada gunanya
• C) Melakukannya di waktu senggang sebagai pekerjaan pengisi prioritas rendah
• D) Merencanakan sebagai taruhan besar dan menetapkan prasyaratnya, sementara itu bergerak maju dengan hasil yang cepat ✔

Deskripsi: Area ini disebut 'taruhan besar': memiliki nilai tinggi tetapi tidak dapat dilakukan segera karena kesulitan data, integrasi, atau teknis. Pendekatan yang tepat adalah dengan merencanakannya dan menetapkan prasyaratnya (infrastruktur data, integrasi); Menyelam secara membabi buta berarti kerja sia-sia selama berbulan-bulan. Sementara itu, dengan 'kemenangan cepat' (nilai tinggi + kelangsungan hidup tinggi) tercipta momentum dan pertaruhan besar ini dibiayai.

5. Untuk membuktikan manfaat dari uji coba AI, hal terpenting apa yang harus dilakukan sebelum memulai?

• A) Tentukan metrik keberhasilan dan ukur garis dasar situasi saat ini ✔
• B) Membeli kendaraan yang paling mahal
• C) Membuka percontohan ke seluruh institusi pada saat yang bersamaan
• D) Melaporkan hasil dengan prediksi setelah uji coba selesai

Penjelasan: Baseline adalah pengukuran situasi saat ini sebelum perbaikan. Tanpa adanya baseline, klaim bahwa kita 'lebih baik' tidak dapat dibuktikan; 'seberapa banyak peningkatannya?' dalam penskalaan keputusan. Pertanyaannya tidak bisa dijawab. Oleh karena itu, sebelum uji coba dimulai, metrik keberhasilan harus ditentukan dan situasi saat ini harus diukur dalam angka. Anda tidak dapat mengelola dan mempertahankan nilai yang tidak dapat Anda ukur.

6. Item biaya manakah yang paling sering diabaikan oleh institusi dalam penghitungan ROI kecerdasan buatan dan menyebabkan mereka berpikir bahwa proyek tersebut menguntungkan?

• A) Hanya pengeluaran umum seperti sewa kantor dan listrik
• B) Biaya tersembunyi seperti integrasi, pengawasan dan pemeliharaan manusia yang berkelanjutan ✔
• C) Anggaran pemasaran dan periklanan saja
• D) Tidak ada; biaya lisensi adalah satu-satunya biaya nyata

Penjelasan: Institusi biasanya hanya menghitung biaya lisensi/penggunaan; sedangkan dalam AI, biaya tersembunyi umumnya adalah integrasi, persiapan data, pemantauan manusia yang berkelanjutan, pemeliharaan dan manajemen perubahan, dan hal ini sering kali lebih besar daripada perizinan. Jika hal-hal ini dihilangkan, suatu proyek yang dianggap 'menguntungkan' mungkin sebenarnya mengalami kerugian. Selain itu, dari sisi manfaat, patut dipertanyakan apakah waktu yang dihemat benar-benar berubah menjadi nilai.

7. Apa yang dimaksud dengan 'model drift' dalam risiko AI dan mengapa hal ini memerlukan pemantauan berkelanjutan?

• A) Memindahkan model antar server fisik
• B) Biaya lisensi model meningkat seiring waktu
• C) Performa model secara diam-diam menurun seiring waktu seiring perubahan dunia ✔
• D) Output model selalu tetap sama

Penjelasan: Penyimpangan model adalah ketika model menjadi usang dan kinerjanya menurun secara diam-diam seiring dengan perubahan dunia (produk baru, perilaku baru, pola penipuan baru). Sebuah model yang bekerja dengan baik sekali tidak akan bekerja dengan baik selamanya; Itu sebabnya pemantauan kinerja secara berkala sangat penting. Misalnya, suatu pola penipuan mungkin secara diam-diam melemah ketika menghadapi pola baru, dan tanpa pengawasan, kerugian akan tumbuh secara eksponensial.

8. Pendekatan apa yang tepat ketika merancang proses persetujuan dalam tata kelola AI?

• A) Mengenakan persetujuan berat yang sama pada setiap inisiatif kecerdasan buatan, apa pun risikonya
• B) Persetujuan berjenjang berdasarkan tingkat risiko: risiko rendah dengan cepat, kontrol ketat terhadap risiko tinggi ✔
• C) Memberikan kebebasan penuh kepada tim tanpa adanya proses persetujuan
• D) Menyerahkan semua persetujuan hanya kepada tim teknologi

Deskripsi: Tata kelola yang baik menyeimbangkan kecepatan, keamanan, dan konsistensi. Menerapkan persetujuan berat yang sama untuk setiap pekerjaan (bahkan yang berisiko rendah) mendorong tim ke dalam penggunaan bayangan; Tidak ada persetujuan yang mengakumulasi risiko. Pendekatan yang benar adalah dengan memberikan persetujuan berdasarkan tingkat risiko: pekerjaan berisiko rendah harus dilakukan dengan cepat, hanya pekerjaan berisiko tinggi yang harus menjalani pengawasan ketat. Dengan demikian, kecepatan dan kendali tetap terjaga.

9. Manakah yang benar mengenai hubungan antara etika dan kepatuhan hukum?

• A) Etika dan kepatuhan hukum adalah hal yang sama; Apa yang bertemu dengan yang satu juga bertemu dengan yang lain.
• B) Kepatuhan hukum adalah garis yang lebih tinggi dari etika
• C) Kepatuhan hukum adalah hal yang minimal; etika adalah garis yang lebih tinggi dan tidak semua yang legal bisa jadi etis ✔
• D) Etika hanya penting ketika hukum memberikan celah

Deskripsi: Kepatuhan terhadap hukum adalah hal yang minimal; Etika adalah garis yang lebih tinggi. Sesuatu mungkin legal namun tidak etis; Misalnya, fitur kecerdasan buatan yang memanipulasi perilaku pengguna mungkin tidak dilarang, namun tidak etis. Institusi yang bertanggung jawab 'apakah dilarang?' Bukan 'Benarkah?' dia bertanya. Etika tidak bisa dibiarkan begitu saja; harus tertanam dalam desain sejak awal.

10. Apa kriteria utama agar suatu sistem dianggap 'berisiko tinggi' dalam UU AI UE?

• A) Seberapa mahal sistemnya
• B) Berapa banyak pengguna yang dimiliki sistem
• C) Di negara manakah sistem ini dikembangkan?
• D) Sistem ini secara langsung mempengaruhi hak-hak dasar masyarakat, keamanan atau peluang hidup ✔

Deskripsi: Undang-undang AI UE menetapkan logika berbasis risiko. Sistem yang berisiko tinggi adalah sistem yang secara langsung dapat mempengaruhi hak-hak dasar masyarakat, keselamatan atau peluang hidup (pekerjaan, kredit, pendidikan, kesehatan). Manajemen risiko, data yang berkualitas dan tidak memihak, pengawasan manusia, dokumentasi, pencatatan dan transparansi sangat penting untuk sistem ini. 'Apakah sistem ini terlibat dalam pengambilan keputusan yang mempengaruhi pekerjaan, uang, kesehatan atau kebebasan seseorang?' pertanyaan adalah indikator awal yang baik.

11. Mengapa merupakan salah satu pelanggaran KVKK yang paling berbahaya dan sering terjadi jika seorang karyawan menempelkan data pribadi pelanggan ke alat kecerdasan buatan yang tersedia untuk umum dan berbasis di luar negeri?

• A) Hanya karena menyebabkan kendaraan berjalan lambat
• B) Karena sering kali berarti transfer data tanpa izin ke luar negeri dan pemrosesan yang tidak disengaja ✔
• C) Hanya karena kendaraannya berbayar
• D) Sebenarnya tidak membawa resiko apapun, sepenuhnya aman.

Penjelasan: Tindakan ini sering kali berarti 'transfer data ke luar negeri' (sesuai dengan aturan khusus) dan 'pemrosesan yang tidak disengaja' (data digunakan untuk tujuan selain tujuan pengumpulannya) dan biasanya dilakukan tanpa dasar hukum dan klarifikasi yang sah. Hal ini menimbulkan risiko pelanggaran dan denda administrasi yang serius dalam hal KVKK; Oleh karena itu, kebijakan penggunaan yang dapat diterima dan alat perusahaan yang tidak membocorkan data sangatlah penting.

12. Apa tujuan dari peran 'penerjemah', yang merupakan peran yang paling sering diabaikan dan memiliki nilai penting dalam kompetensi kecerdasan buatan?

• A) Hanya menerjemahkan dokumen berbahasa asing
• B) Mengelola server dan database
• C) Menjadi orang yang mengubah permasalahan bisnis menjadi solusi kecerdasan buatan dan membangun jembatan antara bisnis dan teknologi ✔
• D) Memberikan pelatihan kendaraan dasar hanya kepada karyawan

Deskripsi: Penerjemah kecerdasan buatan (penerjemah AI) adalah orang yang menerjemahkan bahasa bisnis ke bahasa teknis dan sebaliknya, membangun jembatan 'masalah bisnis mana yang diselesaikan dengan solusi kecerdasan buatan yang mana'. Kegagalan yang paling mahal sering kali bukan disebabkan oleh kurangnya tenaga ahli namun karena kurangnya penerjemah: tim teknis membangun model yang sempurna namun untuk permasalahan yang salah. Institusi-institusi berinvestasi terlalu banyak pada tenaga ahli dan terlalu sedikit pada penerjemah dan literasi massal; Namun, biasanya dua nilai terakhirlah yang membuka nilainya.

13. Apa prinsip dasar dalam keputusan 'membuat atau membeli' bagi seorang talenta AI?

• A) Selalu membeli, karena lebih murah
• B) Bangun kemampuan pembeda inti, beli kemampuan standar ✔
• C) Selalu berkembang ke dalam, karena lebih aman
• D) Memilih yang direkomendasikan oleh pemasok paling populer

Deskripsi: Prinsip dasarnya adalah: menjadikan kapabilitas inti unik bagi organisasi yang menciptakan keunggulan kompetitif; Beli kemampuan standar, umum, dan non-diferensiasi. Model prediktif yang tidak dapat dibuat oleh pesaing Anda dengan data Anda sendiri adalah intinya; Alat peringkasan teks adalah standar. Tenaga kerja inti yang melakukan outsourcing menyewakan daya saing dalam jangka panjang dan memperbesar risiko pemasok terkunci.

14. Apa alasan paling umum kegagalan transformasi AI dan pendekatan paling efektif untuk mengatasinya?

• A) Akurasi model tidak memadai; Solusinya adalah dengan membeli model yang lebih besar
• B) Kurangnya peralatan; Solusinya adalah dengan membeli lebih banyak server
• C) Biaya lisensi; Solusinya adalah mencari pemasok yang lebih murah
• D) Ketahanan manusia dan budaya; Solusinya adalah manajemen perubahan yang secara jelas mengatasi permasalahan ✔

Penjelasan: Sebagian besar kegagalan bukan disebabkan oleh teknis, melainkan karena faktor manusia dan budaya: ketakutan akan keamanan kerja, kecemasan terhadap kompetensi, kurangnya rasa percaya diri, dan hilangnya makna. Ketika kekhawatiran ini diredam, maka akan muncul kembali sebagai sabotase diam-diam. Pendekatan yang paling efektif adalah dengan menjawab permasalahan secara terbuka, menjelaskan alasan yang meyakinkan, memberikan contoh, dan membangun jaringan kerja sama yang baik. Adopsi harus diukur dan hambatan harus dihilangkan.