Pokyčių valdymas ir priėmimas

Pelnas:

• Gebėjimas suprasti, kad dirbtinio intelekto transformacija dažnai nepavyksta dėl žmogiškųjų ir kultūrinių, o ne techninių priežasčių, ir atpažinti susirūpinimą dėl pasipriešinimo.
• Galimybė paspartinti įsivaikinimą pasitelkus įtikinamą „kodėl“ istoriją, matomą lyderystę ir čempionų tinklą
• Gebėjimas valdyti pokyčius kaip tęstinumą, o ne vienkartinį pranešimą, įvertinant priėmimą metrika ir pašalinant kliūtis

Atšiauri AI transformacijos realybė yra tokia: strategija, technologija ir biudžetas gali būti tobuli; Bet jei žmonės nepriima pokyčių, viskas veltui. Tyrimai nuosekliai rodo, kad didžioji dalis dirbtinio intelekto iniciatyvų nesėkmių yra ne techninė, o žmogiškoji ir kultūrinė. Šiame paskutiniame skyriuje sužinosite, kaip vyresnysis vadovas gali valdyti pokyčių valdymą (sistemingo žmonių perėjimo prie naujo darbo būdo valdymo discipliną), kad dirbtinio intelekto transformaciją paverstų tikru pritaikymu (faktu ir nuolatiniu žmonių naudojimu naujovėmis). Tikslas nėra įdiegti technologiją; yra užtikrinti, kad žmonės ja naudotųsi saugiai, noriai ir teisingai.

Kodėl žmonės priešinasi?

Pasipriešinimas dažnai yra ne kvailumas ar užsispyrimas, o suprantami rūpesčiai: darbo saugumo baimė („ar AI imsis mano darbo?“), nerimas dėl kompetencijos („Aš negaliu to išmokti“), nepasitikėjimas savimi („negaliu pasitikėti jo rezultatais“) ir prasmės praradimas („kodėl turime keistis?“). Šių rūpesčių ignoravimas padidina pasipriešinimą; Atviras susitikimas su jais pagreitina įsivaikinimą.

nerimas

pagrindinis klausimas

Administratoriaus atsakymas

darbo saugumas

Ar aš neteksiu darbo?

Aiškiai paaiškinkite, kaip vaidmuo bus praturtintas

kompetencija

Ar galiu tai išmokti?

Mokymai, palaikymas, saugi testavimo zona

pasitikėti

Ar galiu pasitikėti produkcija?

Mokyti ribas, patvirtinimą

Reikšmė

Kodėl turėčiau keistis?

Įtikinamai paaiškinkite „kodėl“.

Patarimas: suformuluokite pokyčius ne kaip „dirbtinis intelektas pakeičia žmones“, o kaip „dirbtinis intelektas palengvina žmonių darbą, perima nuobodžią dalį, palikdamas žmonėms dirbti vertingesnį darbą“. Šis tos pačios tiesos įrėminimas baimę pakeičia smalsumu.

Pagrindiniai pokyčių valdymo žingsniai

Klasikinių pokyčių modelių (pvz., Kotter žingsnių), pritaikytų dirbtiniam intelektui, esmė:

1. Sukurkite skubumą ir priežastį. Kodėl dabar, kodėl mes? Įtaigi istorija.
2. Parodykite matomą lyderystę. Aukščiausioji vadovybė turėtų naudoti patį įrankį; ne retorika, o pavyzdžiu.
3. Padarykite ankstyvą pelną matomą. Švęskite ir skleiskite žinią apie mažas, bet tikras sėkmes.
4. Mokyti ir palaikyti. Kompetencija ir saugus bandymų poligonas kiekvienam.
5. Sukurkite čempionus. Į kiekvieną komandą įtraukite savanorius, entuziastingus pokyčių čempionus.
6. Padarykite jį nuolatiniu. Įdėkite naują elgesį į procesus, tikslus ir kultūrą.

Žingsnis po žingsnio: įvaikinimo planas

1. Suinteresuotųjų šalių ir rūpesčių žemėlapis. Kas yra paveiktas, kas rūpi?

2. Pateikite įtikinamą „kodėl“. Kurkite istoriją apie pokyčius žmonių kalboje.

3. Parodykite lyderystę pavyzdžiu. Leiskite administratoriams naudoti įrankį matomai.

4. Sukurkite švietimo ir čempionų tinklą. Suteikite galių, įgalinkite savanorius pionierius.

5. Išmatuokite, klausykite, koreguokite. Išmatuokite priėmimo rodiklį, rinkite atsiliepimus, pašalinkite kliūtis.

trys mini dėklai

1 atvejis – ignoruojama baimė. Apskaitos įmonė reklamavo savo dirbtinio intelekto įrankį „dėl efektyvumo“, tačiau niekada neatsižvelgė į darbuotojų baimes dėl darbo saugumo. Žinia pasklido, komanda tyliai sabotavo įrankį, priėmimas liko 20 proc. Vadovybė atsitraukė ir surengė atvirą posėdį, paaiškindama, kad niekas nebus atleistas, o tarpininkas perims nuobodų darbą ir visus perkels į konsultacijas. Per 3 mėnesius įvaikinimas išaugo iki 75 proc. Išeitis buvo kalbėjimas apie baimę.

2 atvejis. Vadovavimo pavyzdys. Technologijų įmonės vadovas viešai naudojo dirbtinio intelekto įrankį rengdamas savaitės ataskaitą, taip pat pasidalijo savo klaidomis („žiūrėk, čia jis padarė klaidą, aš ją ištaisiau“). Ši matoma vadovybė atsiuntė žinią, kad „jei viršininkas tuo naudojasi, tai rimta“ ir parodė, kad patikrinimas yra normalus. Įvaikinimas išplito greitai, be jokio atmetimo.

3 atvejis – čempiono tinklo galia. Vienas mažmenininkas iš kiekvienos parduotuvės išrinko po vieną savanorį „AI čempioną“; Šie žmonės buvo papildomai apmokyti ir jiems buvo pavesta padėti savo kolegoms individualiai. Mokymasis iš draugo, atliekančio tą patį darbą, o ne iš nuotolinio mokymo komandos, priėmimas paspartėjo 3 kartus. Efektyviausias mokytojas buvo entuziastingas kolega prie kaimyninio stalo.

Keturi kopijuojami šablonai

1) Suinteresuotųjų šalių ir rūpesčių žemėlapis:

Jūsų vaidmuo: pokyčių valdymo konsultantas. Išvardykite suinteresuotųjų šalių grupes, kurias paveiks ši DI iniciatyva, ir nurodykite pagrindinį kiekvienos grupės susirūpinimą (darbo saugumas, kompetencija, pasitikėjimas, prasmė). Kiekvienam rūpimui parašykite sveikinimą. Iniciatyva: [tekstas]

2) „Kodėl“ istorija:

Sukurkite įtikinamą istoriją „kodėl dabar, kodėl mes“ ir papasakokite tiems, kurie dirba šioje AI pamainoje. Baimę pakeiskite smalsumu; Pabrėžkite, kad įrankis perima nuobodų darbą ir palieka žmogų vertingesniam darbui. Keisti: [tekstas]

3) čempionų programa:

Sukurkite „čempionų“ programą, kuri paspartins dirbtinio intelekto įsisavinimą komandose: kaip atrenkami čempionai, kokius mokymus jie gauna, kokios užduoties imasi, kaip motyvuojami? Parašykite glaustą ir veiksmingą planą.

4) Priėmimo matavimo planas:

Pasiūlykite metriką, skirtą AI įrankio pritaikymui įvertinti: aktyvaus naudojimo rodiklis, naudojimo dažnumas, vartotojų pasitenkinimas, kliūčių grįžtamasis ryšys. Prie kiekvienos metrikos parašykite, kaip ji bus renkama ir kokia riba būtų laikoma „sveika“.

Silpnas raginimas / Stiprus raginimas

Silpnas: „Ką turėčiau daryti, kad žmonės naudotų AI?

Išvada: Bendrosios „ugdyk, bendraukime“ rekomendacijos; nemato rūpesčių ir konteksto.

Stiprus: „150 žmonių skambučių centre diegiame dirbtinio intelekto palaikymo įrankį. Komandoje labai baiminamasi dėl darbo saugumo. Sudarykite pritaikymo planą konkrečiai šiai situacijai: kaip spręsti suinteresuotųjų šalių problemas, kokia turėtų būti įtikinama „kodėl“ istorija, kurią pasakoju darbuotojams, kaip sukurti čempionų programą ir kokiais rodikliais vertinu 90 dienų priėmimo pirmuosius žingsnius?

Rezultatas: įgyvendinamas įvaikinimo planas su istorijos čempiono vertinimu, pagrįstas kontekstu ir tikru rūpesčiu.

Dažnos klaidos

• Žmogaus dimensijos praleidimas. Dėmesys technologijoms ir baimių bei rūpesčių ignoravimas yra dažniausia nesėkmių priežastis.
• Nekalbu apie baimę. Kai nerimas dėl darbo saugumo nuslopinamas, jis grįžta kaip tylus sabotažas; aiškiai į tai atsakyk.
• Vadovavimo pavyzdžiu trūkumas. Administratorius, kuris sako „Tu naudokis“, bet pats nesinaudoja, paneigia jo pranešimą.
• Bendravimas tik iš viršaus. Efektyviausias mokymas ateina iš artimo kolegos (čempiono), o ne iš tolimos komandos.
• Neįvaikinimo matavimas. Institucija, kuri nematuoja, ar ja naudojamasi, ar ne, nemato kliūčių.

Dėmesio: pokyčių valdymas – tai ne vienkartinis pranešimas, o procesas, reikalaujantis tęstinumo. AI gali pasiūlyti jums įvaikinimo planą arba kontaktinį tekstą; Tačiau išklausyti tikruosius žmonių rūpesčius, kurti pasitikėjimą ir rodyti pavyzdį galima tik vadovaujant žmogui. Be to, būkite sąžiningi: rengti žmones naujiems vaidmenims yra ir etiška, ir tvaresnė, o ne slėpti situacijas, kai dirbtinis intelektas iš tikrųjų pakeis kai kuriuos vaidmenis.

Apibendrinant

DI transformacijos dažnai nepavyksta dėl žmogiškųjų ir kultūrinių, o ne dėl techninių priežasčių. Atsparumas; Darbo saugumas kyla iš susirūpinimo dėl kompetencijos, pasitikėjimo ir prasmės ir išsprendžiamas atvirai sprendžiant šiuos rūpesčius, o ne ignoruojant. Sėkmingas pokyčių valdymas pasako įtikinamai „kodėl“, rodo pavyzdį su matoma lyderyste, švenčia ankstyvus laimėjimus, moko visus, kuria čempionų tinklą ir įterpia naują elgesį į kultūrą. Įvaikinimas turi būti išmatuotas, išklausytas ir pašalintos kliūtys. Šio modulio metu; Nuo vizijos iki plano, nuo naudojimo atvejo prioritetų nustatymo iki investicijų grąžos ir rizikos, valdymo, etikos, atitikties, talentų ir pirkimų – sukūrėme pagrindą, kurio reikia vadovui, kad galėtų visapusiškai ir atsakingai valdyti AI transformaciją. Technologijos yra įrankis; strategija, valdymas ir žmonių lyderystė yra tai, kas iš tikrųjų lemia.

Taikymo užduotis

Pasirinkite dirbtinio intelekto iniciatyvą ir nurodykite paveiktų suinteresuotųjų šalių susirūpinimą naudodamiesi 1 šablonu. 2. Paruoškite įtikinamą „kodėl“ istoriją, kad papasakotumėte darbuotojams šabloną; Būtinai sąžiningai spręskite darbo saugumo problemas. Užrašykite tris čempionų programos žingsnius ir du rodiklius, pagal kuriuos įvertinsite įsivaikinimą. Galiausiai, „kaip man, kaip lyderiui, aiškiai panaudoti šį įrankį? Pateikite konkretų atsakymą į klausimą.

kontrolinis sąrašas

• [ ] Nurodžiau paveiktas suinteresuotąsias šalis ir jų rūpesčius.
• [ ] Sąžiningai išsprendžiau darbo saugumo klausimą.
• [ ] Sukūriau įtikinamą „kodėl“ istoriją.
• [ ] Planavau būti pavyzdžiu.
• [ ] Sukūriau čempionų tinklą.
• [ ] Nustačiau įvaikinimo matavimo metriką.
• [ ] Pakeitimą planavau kaip tęstinumą, o ne kaip vienkartinį pranešimą.

Modulio egzaminas

1. Kuris iš šių dalykų yra tikrasis vyresniojo vadovo vaidmuo dirbtinio intelekto srityje?

• A) Nurodykite kryptį, paskirstykite išteklius, nustatykite rizikos ribas ir prisiimkite atsakomybę ✔
• B) Asmeninis modelio architektūros ir algoritmo pasirinkimas ir kodavimas
• C) Visiškai perduoti dirbtinį intelektą technologijų komandai ir laukti rezultatų
• D) Leidžiama kiekvienam skyriui laisvai išbandyti savo įrankį.

Paaiškinimas: Administratoriaus darbas nėra mokyti modelius ar rašyti kodą; Nurodykite kryptį, paskirstykite išteklius, nustatykite rizikos ribas ir prisiimkite atsakomybę. Techninė komanda sprendžia klausimą „kaip“, vadovas – „kodėl, kada, iki kokių ribų ir kas atsakingas“ klausimus. Dirbtinis intelektas nėra technologijų projektas, o verslo transformacijos problema, o nuosavybė turėtų būti verslo pusėje.

2. Kokia yra pagrindinė savybė, išskirianti gerą AI viziją nuo tuščio šūkio?

• A) Pateikiamas naujausios technologijos pavadinimas
• B) Tai priklauso nuo verslo rezultato, yra išmatuojama ir turi laiko horizontą ✔
• C) Būkite kiek įmanoma atkaklesnis ir bendresnis
• D) Panašus į konkurentų viziją

Paaiškinimas: gera vizija yra susieta su verslo rezultatu (ne technologija), yra išmatuojama ir turi laiko horizontą. „Mes būsime AI lyderiai“ yra neišmatuojamas ir neapima verslo rezultatų; „Per trejus metus sutrumpinsime pirmojo atsakymo laiką ir 15 % sumažinsime sąnaudas“ yra konkretus, išmatuotas ir turintis laiko horizontą. Kai iš vizijos pašalinsite žodį „dirbtinis intelektas“, jums turėtų likti prasmingas verslo tikslas.

3. Kokios yra tos dimensijos, kurios daugeliui dirbtinio intelekto brandos vertinimo įstaigų yra nematomos prielaidos ir į kurias nereikėtų investuoti, kai jos silpnos?

• A) Tik rinkodaros ir prekės ženklo matmenys
• B) Tik techninė įranga ir biuro infrastruktūra
• C) Duomenys ir valdymas ✔
• D) Konkurentų analizė ir kainodara

Aprašymas: branda matuojama penkiomis dimensijomis (strategija, duomenys, technologijos, talentai, valdymas). Duomenys ir valdymas dažnai yra nematomos prielaidos: brangaus modelio kūrimas, kai duomenys yra netvarkingi ir nekokybiški, yra tarsi lentynos pirkimas tuščiame sandėlyje; Be valdymo rizika tyliai kaupiasi. Štai kodėl spragos pašalinamos pagal priklausomybę, o duomenims ir valdymui paprastai teikiama pirmenybė.

4. Koks yra teisingas požiūris į naudojimo atvejį vertės / pritaikomumo matricos srityje „didelė vertė + mažas pritaikomumas“?

• A) Nedelsdami dislokuokite visu mastu
• B) Visiškai pasiduoti, nes tai bevertė
• C) Atliekant tai laisvu laiku kaip žemo prioriteto užpildymo darbai
• D) Planavimas kaip didelis statymas ir jo prielaidų sukūrimas, tuo tarpu judant į priekį su greitu pelnu ✔

Aprašymas: ši sritis vadinama „didžiuoju statymu“: ji turi didelę vertę, bet negali būti padaryta iš karto dėl duomenų, integracijos ar techninių sunkumų. Teisingas požiūris – jį suplanuoti ir sudaryti prielaidas (duomenų infrastruktūra, integracija); Aklai nardyti reiškia beverčio darbo mėnesius. Tuo tarpu „greitais laimėjimais“ (didelė vertė + didelis gyvybingumas) sukuriamas impulsas ir šis didelis statymas finansuojamas.

5. Norint įrodyti AI piloto vertę, ką svarbiausia padaryti prieš pradedant?

• A) Apibrėžkite sėkmės metriką ir išmatuokite esamos situacijos pradinę liniją ✔
• B) Pirkti kuo brangesnę transporto priemonę
• C) Bandomosios programos atvėrimas visai institucijai vienu metu
• D) Pranešimas apie rezultatus su prognozėmis pasibaigus pilotui

Paaiškinimas: Pradinė padėtis yra dabartinės padėties matavimas prieš gerinimą. Be bazinės padėties negalima įrodyti teiginio, kad esame „patobulinti“; 'kiek patobulėjo?' mastelio sprendime. Į klausimą negalima atsakyti. Todėl prieš pradedant pilotą reikėtų apibrėžti sėkmės metriką ir išmatuoti esamą situaciją skaičiais. Jūs negalite valdyti ir apginti vertės, kurios negalite išmatuoti.

6. Kokius išlaidų elementus institucijos dažniausiai nepastebi skaičiuodamos dirbtinio intelekto IG ir verčia manyti, kad projektas yra pelningas?

• A) Tik bendrosios išlaidos, tokios kaip biuro nuoma ir elektra
• B) Paslėptos išlaidos, tokios kaip integracija, nuolatinė žmogaus priežiūra ir priežiūra ✔
• C) Tik rinkodaros ir reklamos biudžetas
• D) Nėra; licencijos mokestis yra vienintelė reali kaina

Paaiškinimas: įstaigos paprastai skaičiuoja tik licencijos/naudojimo mokestį; kadangi dirbtinio intelekto atveju paslėptos sąnaudos paprastai yra integravimas, duomenų paruošimas, nuolatinė žmonių stebėjimas, priežiūra ir pokyčių valdymas, ir tai dažnai yra didesnė nei licencijavimo. Praleidus šiuos elementus, projektas, kuris laikomas „pelningu“, iš tikrųjų gali dirbti nuostolingai. Be to, kalbant apie naudą, reikėtų suabejoti, ar sutaupytas laikas iš tikrųjų virsta verte.

7. Ką reiškia „modelio dreifas“ esant AI rizikai ir kodėl tam reikia nuolatinio stebėjimo?

• A) Modelio perkėlimas tarp fizinių serverių
• B) Laikui bėgant modelio licencijos mokestis didėja
• C) Modelio našumas laikui bėgant tyliai mažėja, keičiantis pasauliui ✔
• D) Modelio išvestis visada išlieka tokia pati

Paaiškinimas: modelio dreifas yra tada, kai modelis susidėvi ir jo našumas tyliai mažėja keičiantis pasauliui (nauji produktai, naujas elgesys, nauji sukčiavimo modeliai). Modelis, kuris gerai veikia vieną kartą, neveikia gerai amžinai; Štai kodėl būtina reguliariai stebėti našumą. Pavyzdžiui, sukčiavimo modelis gali tyliai susilpnėti susidūrus su nauju modeliu, o be stebėjimo nuostoliai auga eksponentiškai.

8. Koks yra teisingas požiūris kuriant AI valdymo patvirtinimo procesus?

• A) Kiekvienai dirbtinio intelekto iniciatyvai turi būti suteiktas toks pat tvirtas pritarimas, nepaisant jos rizikos
• B) Pakopų patvirtinimas pagal rizikos lygį: maža rizika greitai, didelė rizika griežta kontrolė ✔
• C) Suteikti komandoms visišką laisvę be jokio patvirtinimo proceso
• D) Palikti visus patvirtinimus tik technologijų komandai

Aprašymas: Geras valdymas suderina greitį, saugumą ir nuoseklumą. Taikant tą patį griežtą patvirtinimą kiekvienam darbui (net ir mažai rizikingam), komandos verčiamos dirbti šešėlyje; Joks patvirtinimas nekaupia rizikos. Teisingas požiūris yra nustatyti patvirtinimą pagal rizikos lygį: mažos rizikos darbai turėtų vykti greitai, tik didelės rizikos darbai turėtų būti kruopščiai tikrinami. Taigi išlaikomas ir greitis, ir kontrolė.

9. Kas yra tiesa apie etikos ir teisės aktų laikymosi santykį?

• A) Etika ir teisinė atitiktis yra tas pats dalykas; Kas atitinka vieną, atitinka ir kitą.
• B) Teisės laikymasis yra aukštesnė riba nei etika
• C) teisės aktų laikymasis yra pats minimumas; etika yra aukštesnė linija ir ne viskas, kas teisėta, gali būti etiška ✔
• D) Etika svarbi tik tada, kai įstatymas palieka spragą

Aprašymas: Teisės aktų laikymasis yra pats minimumas; Etika yra aukštesnė linija. Kažkas gali būti teisėta, bet neetiška; Pavyzdžiui, dirbtinio intelekto funkcija, kuri manipuliuoja vartotojo elgesiu, gali būti nedrausta, bet neetiška. Atsakingos institucijos 'ar tai draudžiama?' Ne 'Ar tai tiesa?' – klausia jis. Etikos negalima palikti iki galo; turėtų būti įtrauktas į dizainą nuo pat pradžių.

10. Koks yra pagrindinis kriterijus, kad sistema būtų laikoma „didelės rizikos“ ES AI įstatyme?

• A) Kiek brangi sistema
• B) Kiek vartotojų turi sistema
• C) Kurioje šalyje buvo sukurta sistema?
• D) Sistema tiesiogiai veikia žmonių pagrindines teises, saugumą ar gyvenimo galimybes ✔

Aprašymas: ES AI įstatymas nustato rizika pagrįstą logiką. Didelės rizikos sistema yra tokia, kuri gali tiesiogiai paveikti pagrindines žmonių teises, saugumo ar gyvenimo galimybes (darbas, kreditas, išsilavinimas, sveikata). Rizikos valdymas, kokybė ir nešališki duomenys, žmogiškoji priežiūra, dokumentacija, įrašų tvarkymas ir skaidrumas yra labai svarbūs šioms sistemoms. „Ar ši sistema yra susijusi su sprendimu, kuris turi įtakos žmogaus darbui, pinigams, sveikatai ar laisvei? klausimas yra geras preliminarus rodiklis.

11. Kodėl darbuotojui kliento asmens duomenų įklijavimas į viešai prieinamą, užsienyje sukurtą dirbtinio intelekto įrankį, yra vienas pavojingiausių ir dažniausių KVKK pažeidimų?

• A) Tik todėl, kad dėl to transporto priemonė važiuoja lėtai
• B) Nes dažnai tai reiškia neteisėtą duomenų perdavimą į užsienį ir netyčinį tvarkymą ✔
• C) Tik todėl, kad už transporto priemonę sumokėta
• D) Tiesą sakant, jis nekelia jokios rizikos, yra visiškai saugus.

Paaiškinimas: šis veiksmas dažnai reiškia ir „duomenų perkėlimą į užsienį“ (taikant specialias taisykles), ir „netyčinį tvarkymą“ (duomenys naudojami ne tiems tikslams, kuriems jie buvo surinkti), ir dažniausiai atliekami be galiojančio teisinio pagrindo ir paaiškinimo. Tai kelia rimtą pažeidimo ir administracinės baudos riziką KVKK atžvilgiu; Todėl būtina priimtina naudojimo politika ir įmonės įrankiai, kurie nepraleidžia duomenų.

12. Koks yra „vertėjo“ vaidmuo, kuris yra dažniausiai nepastebimas ir vertę fiksuojantis vaidmuo dirbtinio intelekto kompetencijoje?

• A) Versti tik užsienio kalba dokumentus
• B) Serverių ir duomenų bazių valdymas
• C) būti asmeniu, kuris verslo problemą paverčia dirbtinio intelekto sprendimu ir nutiesia tiltą tarp verslo ir technologijų ✔
• D) Suteikite tik darbuotojams pagrindinius transporto priemonių mokymus

Aprašymas: Dirbtinio intelekto vertėjas (DI vertėjas) – tai žmogus, kuris verslo kalbą verčia į techninę kalbą ir atvirkščiai, tiesdamas tiltą, „kurią verslo problemą sprendžia koks dirbtinio intelekto sprendimas“. Brangiausius gedimus dažnai lemia ne ekspertų, o vertėjų trūkumas: techninė komanda sukuria tobulą modelį, bet netinkamai problemai. Institucijos per daug investuoja į ekspertus ir per mažai į vertėjus bei masinį raštingumą; Tačiau paprastai vertę atveria paskutiniai du.

13. Koks yra pagrindinis DI talento sprendimo „padaryti arba pirkti“ principas?

• A) Visada pirkite, nes taip pigiau
• B) Sukurkite pagrindines diferencijavimo galimybes, nusipirkite standartines galimybes ✔
• C) Visada tobulėkite viduje, nes taip saugiau
• D) Pasirinkus populiariausio tiekėjo rekomenduojamą

Aprašymas: Pagrindinis principas yra toks: padarykite pagrindines organizacijos galimybes, kurios sukuria konkurencinį pranašumą; Pirkite standartines, bendras, nesiskiriančias galimybes. Esminis yra nuspėjamasis modelis, kurio konkurentas negali sukurti naudodamasis jūsų duomenimis; Teksto apibendrinimo įrankis yra standartinis. Užsakomųjų paslaugų pagrindinis talentas yra konkurencingumo išnuomojimas ilgainiui ir padidina tiekėjo užsiblokavimo riziką.

14. Kokia yra dažniausia AI transformacijų nesėkmės priežastis ir veiksmingiausias būdas kovoti su ja?

• A) Nepakankamas modelio tikslumas; Išeitis – įsigyti didesnį modelį
• B) Įrangos trūkumas; Išeitis – pirkti daugiau serverių
• C) Licencijos kaina; Išeitis – rasti pigesnį tiekėją
• D) žmogiškasis ir kultūrinis atsparumas; Sprendimas yra pokyčių valdymas, kuris aiškiai sprendžia problemas ✔

Paaiškinimas: Dauguma nesėkmių yra ne techninės, o žmogiškosios ir kultūrinės: baimė dėl darbo saugumo, nerimas dėl kompetencijos, nepasitikėjimas savimi ir prasmės praradimas. Kai šie nerimai nuslopinami, jie grįžta kaip tylus sabotažas. Veiksmingiausias būdas yra atvirai spręsti problemas, paaiškinti įtikinamą „kodėl“, rodyti pavyzdį ir sukurti sėkmingą artimų kolegų tinklą. Įvaikinimas turi būti išmatuotas ir pašalintos kliūtys.