Ieguvumi:
- Spēja saprast, ka mākslīgā intelekta transformācija bieži neizdodas cilvēcisku un kultūras iemeslu, nevis tehnisku iemeslu dēļ, un atpazīt bažas, kas ir pretestības pamatā.
- Spēja paātrināt adopciju ar pārliecinošu stāstu "kāpēc", redzamu vadību un čempionu tīklu
- Spēja pārvaldīt pārmaiņas kā nepārtrauktību, nevis vienreizēju paziņojumu, mērot pieņemšanu ar metriku un novēršot šķēršļus
AI transformācijas skarbā realitāte ir šāda: stratēģija, tehnoloģija un budžets var būt ideāli; Bet, ja cilvēki nepieņem pārmaiņas, tas viss ir veltīgi. Pētījumi konsekventi liecina, ka lielākā daļa mākslīgā intelekta iniciatīvu neveiksmju nav tehniskas, bet gan cilvēciskas un kultūras sekas. Šajā pēdējā daļā jūs uzzināsiet, kā vecākais vadītājs var veikt pārmaiņu vadību (disciplīna, kas sistemātiski pārvalda cilvēku pāreju uz jaunu darba veidu), lai pārveidotu mākslīgā intelekta pārveidi par reālu pieņemšanu (faktisku un ilgstošu inovācijas izmantošanu, ko veic cilvēki). Mērķis nav uzstādīt tehnoloģiju; ir nodrošināt, ka cilvēki to lieto droši, labprāt un pareizi.
Kāpēc cilvēki pretojas?
Pretestība bieži vien nav stulbums vai spītība, bet gan saprotamas bažas: bailes no darba drošības (“vai AI paņems manu darbu?”), nemiers par kompetenci (“Es to nevaru iemācīties”), pārliecības trūkums (“Es nevaru uzticēties tā rezultātiem”) un jēgas zaudēšana (“kāpēc mums ir jāmainās?”). Šo bažu ignorēšana palielina pretestību; Atklāta tikšanās ar viņiem paātrina adopciju.
trauksme
pamatjautājums
Administratora atbilde
darba drošība
Vai es zaudēšu darbu?
Skaidri paskaidrojiet, kā loma tiks bagātināta
kompetenci
Vai es varu to iemācīties?
Apmācība, atbalsts, drošs testēšanas laukums
uzticēties
Vai es varu uzticēties produkcijai?
Mācīt robežas, validāciju
Nozīme
Kāpēc man vajadzētu mainīties?
Pārliecinoši paskaidrojiet "kāpēc".
Padoms. Ietveriet izmaiņas nevis kā "mākslīgais intelekts aizstāj cilvēkus", bet gan kā "mākslīgais intelekts atvieglo cilvēku darbu, pārņem garlaicīgo daļu, liekot cilvēkiem darīt vērtīgāku darbu". Šis tās pašas patiesības formulējums bailes aizstāj ar zinātkāri.
Izmaiņu vadības pamatsoļi
Mākslīgajam intelektam pielāgoto klasisko pārmaiņu modeļu (piem., Kotera soļu) būtība:
- Izveidojiet steidzamību un iemeslu. Kāpēc tagad, kāpēc mēs? Pārliecinošs stāsts.
- Parādiet redzamu vadību. Augstākajai vadībai vajadzētu izmantot pašu rīku; nevis ar retoriku, bet ar piemēru.
- Padariet redzamus agrīnos ieguvumus. Sviniet un izplatiet ziņas par maziem, bet patiesiem panākumiem.
- Izglītot un atbalstīt. Kompetence un drošs izmēģinājumu laukums ikvienam.
- Izveidojiet čempionus. Katrā komandā iekļaujiet brīvprātīgos, entuziasma pilnus pārmaiņu čempionus.
- Padariet to pastāvīgu. Iekļaujiet jaunu uzvedību procesos, mērķos un kultūrā.
Soli pa solim: adopcijas plāns
1. Ieinteresētās personas un bažas. Kurš tiek ietekmēts, kas attiecas?
2. Norādiet pārliecinošu “kāpēc”. Veidojiet stāstu par pārmaiņām cilvēku valodā.
3. Parādiet vadību ar piemēru. Ļaujiet administratoriem izmantot rīku redzami.
4. Veidojiet izglītības un čempionu tīklu. Pilnvarojiet, dodiet iespēju brīvprātīgajiem pionieriem.
5. Izmēriet, klausieties, pielāgojiet. Izmēriet pieņemšanas līmeni, vāciet atsauksmes, noņemiet šķēršļus.
trīs mini futrāļi
1. gadījums — ignorētas bailes. Grāmatvedības uzņēmums reklamēja savu AI rīku "efektivitātes labad", taču nekad nerisināja darbinieku bažas par darba drošību. Vārds izplatījās, komanda klusi sabotēja rīku, adopcija palika 20%. Vadība atkāpās un sarīkoja atklātu sanāksmi, paskaidrojot, ka neviens netiks atlaists un ka starpnieks pārņems garlaicīgo darbu un visus pārcels uz konsultācijām. 3 mēnešu laikā adopcija pieauga līdz 75%. Runāšana par bailēm bija risinājums.
2. gadījums — piemērs ar vadību. Tehnoloģiju uzņēmuma izpilddirektors publiski izmantoja AI rīku, gatavojot savu iknedēļas ziņojumu, kā arī dalījās ar savām kļūdām (“skatiet, viņš šeit kļūdījās, es to izlaboju”). Šī redzamā vadība nosūtīja ziņu, ka "ja priekšnieks to lieto, tas ir nopietni" un parādīja, ka pārbaude ir normāla. Adopcija izplatījās ātri, bez jebkādas atgrūšanas.
3. gadījums — čempionu tīkla jauda. Viens mazumtirgotājs no katra veikala izvēlējās vienu brīvprātīgo “AI čempionu”; Šie cilvēki tika papildus apmācīti un viņiem tika uzticēts uzdevums palīdzēt saviem kolēģiem individuāli. Mācīšanās no drauga, kurš veic to pašu darbu, nevis attālinātas apmācības komandas, adopciju paātrināja trīs reizes. Visefektīvākais skolotājs bija entuziasma pilnais kolēģis pie kaimiņu galda.
Četras kopējamas veidnes
1) Ieinteresēto pušu un interešu karte:
Jūsu loma: pārmaiņu vadības konsultants. Uzskaitiet ieinteresēto personu grupas, kuras ietekmē šī AI iniciatīva, un nosakiet katras grupas galvenās bažas (darba drošība, kompetence, uzticēšanās, nozīme). Uzrakstiet apsveikumu katrai rūpei. Iniciatīva: [teksts]
2) Stāsts "kāpēc":
Uzstādiet pārliecinošu stāstu "Kāpēc tagad, kāpēc mēs", ko pastāstīt tiem, kas strādā pie šīs AI maiņas. Aizstāt bailes ar zinātkāri; Uzsveriet, ka instruments pārņem garlaicīgo darbu un atstāj cilvēku uz vērtīgāku darbu. Mainīt: [teksts]
3) čempionu programma:
Izveidojiet "čempionu" programmu, kas paātrinās AI ieviešanu komandās: kā tiek atlasīti čempioni, kādā apmācībā viņi tiek apmācīti, kādu uzdevumu viņi veic, kā viņi ir motivēti? Uzrakstiet kodolīgu un praktisku plānu.
4) Adopcijas mērījumu plāns:
Iesakiet metriku mākslīgā intelekta rīka ieviešanas mērīšanai: aktīvās lietošanas biežums, lietošanas biežums, lietotāju apmierinātība, barjeras atsauksmes. Katrai metrikai ierakstiet, kā tā tiks apkopota un kāds slieksnis tiks uzskatīts par “veselīgu”.
Vāja uzvedne / spēcīga uzvedne
Vājš: "Kas man jādara, lai cilvēki izmantotu AI?"
Secinājums: vispārīgi ieteikumi "izglītot, sazināties"; nesaskata bažas un kontekstu.
Spēcīgs: "Mēs izvietojam AI atbalsta rīku zvanu centrā, kurā ir 150 cilvēki. Komandā ir lielas bailes no darba drošības. Izveidojiet adopcijas plānu tieši šai situācijai: kā risināt ieinteresēto personu bažas, kādam vajadzētu būt pārliecinošam stāstam "kāpēc", ko es stāstu darbiniekiem, kā izveidot labāko programmu un kādus rādītājus es novērtēju 9. dienu pieņemšanas soļus pirmajās 9 dienās?
Rezultāts: īstenojams adopcijas plāns ar stāstu-čempionu mērījumu, kas ir balstīts uz kontekstu un patiesām bažām.
Biežas kļūdas
- Izlaižot cilvēcisko dimensiju. Koncentrēšanās uz tehnoloģijām un baiļu un bažu ignorēšana ir visizplatītākais neveiksmju cēlonis.
- Par bailēm nerunājot. Kad trauksme par darba drošību tiek apspiesta, tā atgriežas kā klusa sabotāža; uzrunā to skaidri.
- Līderības trūkums ar piemēru. Administrators, kurš saka "Tu lieto", bet pats to nelieto, atspēko viņa ziņu.
- Komunikācija tikai no augšas. Visefektīvākā mācība nāk no tuva kolēģa (čempiona), nevis no attālas komandas.
- Nevērtē adopciju. Iestāde, kas nemēra, vai to izmanto vai nē, nevar saskatīt šķēršļus.
Uzmanību: Izmaiņu vadība nav vienreizējs paziņojums, bet process, kam nepieciešama nepārtrauktība. AI var jums ieteikt adopcijas plānu vai kontaktinformāciju; Taču uzklausīt cilvēku patiesās bažas, veidot uzticību un rādīt piemēru var tikai cilvēku vadībā. Tāpat esiet godīgs: cilvēku sagatavošana jaunām lomām ir gan ētiska, gan ilgtspējīgāka, nevis slēpt situācijas, kurās AI faktiski aizstās dažas lomas.
Rezumējot
AI transformācijas bieži neizdodas cilvēku un kultūras, nevis tehnisku iemeslu dēļ. Pretestība; Darba drošība izriet no bažām par kompetenci, uzticēšanos un nozīmi, un tā tiek atrisināta, atklāti risinot šīs bažas, nevis ignorējot tās. Veiksmīga pārmaiņu vadība pasaka pārliecinošu “kāpēc”, rāda piemēru ar redzamu vadību, svin agrīnās uzvaras, izglīto visus, veido čempionu tīklu un iestrādā kultūrā jauno uzvedību. Adopcija ir jāizmēra, jāuzklausa un jānoņem barjeras. šī moduļa laikā; No vīzijas līdz ceļvedim, no lietošanas gadījumu prioritāšu noteikšanas līdz IA un riskam, pārvaldībai, ētikai, atbilstībai, talantam un iepirkumam, mēs esam izveidojuši sistēmu, kas vadītājam nepieciešama, lai pilnībā un atbildīgi pārvaldītu AI transformāciju. Tehnoloģija ir instruments; stratēģija, pārvaldība un cilvēku vadība ir tie, kas patiešām rada atšķirības.
Lietojumprogrammas uzdevums
Izvēlieties AI iniciatīvu un kartējiet skarto ieinteresēto personu bažas, izmantojot 1. veidni. 2. izveidojiet pārliecinošu stāstu “kāpēc”, lai pastāstītu darbiniekiem, izmantojot veidni; Noteikti godīgi pievērsieties darba drošības problēmām. Uzrakstiet trīs čempionu programmas soļus un divus rādītājus, pēc kuriem novērtēsiet adopciju. Visbeidzot, "kā es varu izmantot šo rīku redzami kā vadītājs?" Sniedziet konkrētu atbildi uz jautājumu.
kontrolsaraksts
- [ ] Es kartēju skartās ieinteresētās personas un viņu bažas.
- [ ] Es godīgi pievērsos darba drošības problēmām.
- [ ] Es izveidoju pārliecinošu stāstu “kāpēc”.
- [ ] Es plānoju rādīt piemēru.
- [ ] Es izstrādāju čempionu tīklu.
- [ ] Es noteicu metriku adopcijas mērīšanai.
- [ ] Izmaiņas plānoju kā nepārtrauktību, nevis kā vienreizēju paziņojumu.
Moduļa eksāmens
1. Kura no šīm ir augstākā vadītāja patiesā loma mākslīgā intelekta jomā?
- A) Virziena došana, resursu sadale, riska limitu noteikšana un atbildības uzņemšanās ✔
- B) Modeļa arhitektūras un algoritma izvēle un kodēšana personīgi
- C) Pilnībā nododiet mākslīgo intelektu tehnoloģiju komandai un gaidiet rezultātus
- D) Ļaujot katrai nodaļai brīvi pārbaudīt savu rīku.
Paskaidrojums: administratora uzdevums nav apmācīt modeļus vai rakstīt kodu; Norādīt virzienu, sadalot resursus, nosakot riska ierobežojumus un uzņemoties atbildību. Tehniskā komanda risina jautājumu "kā", vadītājs risina jautājumus "kāpēc, kad, kādās robežās un kurš ir atbildīgs". Mākslīgais intelekts nav tehnoloģiju projekts, bet gan biznesa pārveidošanas jautājums, un īpašumtiesībām jābūt biznesa pusē.
2. Kāda ir galvenā iezīme, kas atšķir labu AI redzējumu no tukša saukļa?
- A) Satur jaunākās tehnoloģijas nosaukumu
- B) Tas ir atkarīgs no biznesa rezultāta, ir izmērāms un tam ir laika horizonts ✔
- C) Esiet pēc iespējas pārliecinošāks un vispārīgāks
- D) Līdzīgi kā konkurentu redzējums
Paskaidrojums. Labs redzējums ir saistīts ar biznesa rezultātu (nevis tehnoloģiju), ir izmērāms un tam ir laika horizonts. “Mēs būsim AI līderi” ir neizmērojams un neietver biznesa rezultātus; “Mēs uz pusi saīsināsim pirmās atbildes laiku un samazināsim izmaksas par 15% trīs gadu laikā” ir konkrēts, izmērīts un tam ir laika horizonts. Kad no vīzijas izņemat vārdu “mākslīgais intelekts”, jums jāpaliek jēgpilnam biznesa mērķim.
3. Kuras ir tās dimensijas, kas izceļas kā neredzami priekšnoteikumi lielākajai daļai institūciju mākslīgā intelekta brieduma novērtēšanā un kurās nevajadzētu ieguldīt, kad tās ir vājas?
- A) Tikai mārketinga un zīmola izmēri
- B) Tikai aparatūra un biroja infrastruktūra
- C) Dati un pārvaldība ✔
- D) Konkurentu analīze un cenu noteikšana
Apraksts: briedumu mēra piecās dimensijās (stratēģija, dati, tehnoloģija, talants, pārvaldība). Dati un pārvaldība bieži vien ir neredzami priekšnoteikumi: dārga modeļa izveide, kad dati ir nekārtīgi un sliktas kvalitātes, ir kā plaukta pirkšana tukšā noliktavā; Bez pārvaldības risks klusi uzkrājas. Tāpēc nepilnības tiek novērstas atkarības secībā, un dati un pārvaldība parasti ir prioritāte.
4. Kāda ir pareizā pieeja lietošanas gadījumam vērtības/piemērojamības matricas apgabalā “augsta vērtība + zema pielietojamība”?
- A) Nekavējoties izvietojiet pilnā apjomā
- B) Pilnīga atteikšanās, jo tas ir bezvērtīgs
- C) Darot to brīvajā laikā kā zemas prioritātes pildīšanas darbu
- D) Plānošana kā liela likme un tās priekšnosacījumu noteikšana, tikmēr virzoties uz priekšu ar ātriem ieguvumiem ✔
Apraksts: šo apgabalu sauc par “lielo likmi”: tai ir liela vērtība, taču to nevar izdarīt uzreiz datu, integrācijas vai tehnisku grūtību dēļ. Pareiza pieeja ir to plānot un izveidot tā priekšnoteikumus (datu infrastruktūra, integrācija); Akli niršana nozīmē mēnešiem ilgu nevērtīgu darbu. Tikmēr ar “ātrām uzvarām” (augsta vērtība + augsta dzīvotspēja) tiek radīts impulss un šī lielā likme tiek finansēta.
5. Lai pierādītu AI pilota vērtību, kas ir vissvarīgākais, kas jāizdara pirms starta?
- A) Definējiet panākumu metriku un izmēriet pašreizējās situācijas bāzes līniju ✔
- B) Pērkot iespējami dārgāko transportlīdzekli
- C) Pilotprojekta atvēršana visai iestādei vienlaikus
- D) Rezultātu ziņošana ar prognozēm pēc pilota beigām
Paskaidrojums: Bāzes līmenis ir pašreizējās situācijas mērījums pirms uzlabošanas. Bez bāzlīnijas apgalvojumu, ka esam “uzlaboti”, nevar pierādīt; 'cik daudz uzlabots?' mērogošanas lēmumā. Uz jautājumu nevar atbildēt. Tāpēc pirms pilota sākuma ir jādefinē panākumu metrika un pašreizējā situācija jāmēra skaitļos. Jūs nevarat pārvaldīt un aizstāvēt vērtību, kuru nevarat izmērīt.
6. Kuras izmaksu pozīcijas institūcijas visbiežāk ignorē mākslīgā intelekta ROI aprēķinā un liek domāt, ka projekts ir rentabls?
- A) Tikai vispārējie izdevumi, piemēram, biroja īre un elektrība
- B) Slēptās izmaksas, piemēram, integrācija, pastāvīga cilvēku uzraudzība un uzturēšana ✔
- C) Tikai mārketinga un reklāmas budžets
- D) nav; licences maksa ir vienīgās reālās izmaksas
Paskaidrojums: iestādes parasti uzskaita tikai licences/lietošanas maksu; tā kā mākslīgā intelekta jomā slēptās izmaksas parasti ir integrācija, datu sagatavošana, pastāvīga cilvēku uzraudzība, uzturēšana un izmaiņu pārvaldība, un tās bieži vien ir lielākas nekā licencēšana. Ja šie vienumi tiek izlaisti, projekts, kas tiek uzskatīts par “rentablu”, faktiski var darboties ar zaudējumiem. Turklāt, runājot par ieguvumiem, ir jāšaubās, vai ietaupītais laiks patiešām kļūst par vērtību.
7. Ko AI riskiem nozīmē “modeļa novirzīšanās” un kāpēc tam nepieciešama pastāvīga uzraudzība?
- A) Modeļa pārvietošana starp fiziskajiem serveriem
- B) Modeļa licences maksa laika gaitā palielinās
- C) Modeļa veiktspēja klusi samazinās laika gaitā, mainoties pasaulei ✔
- D) Modeļa izvade vienmēr paliek nemainīga
Paskaidrojums. Modeļa novirze ir tad, kad modelis nolietojas un tā veiktspēja klusi pasliktinās, mainoties pasaulei (jauni produkti, jauna uzvedība, jauni krāpšanas modeļi). Modelis, kas labi darbojas vienreiz, nedarbojas labi mūžīgi; Tāpēc regulāra darbības uzraudzība ir būtiska. Piemēram, krāpšanas modelis var klusi vājināties, saskaroties ar jaunu modeli, un bez uzraudzības zaudējumi pieaug eksponenciāli.
8. Kāda ir pareizā pieeja, izstrādājot apstiprināšanas procesus AI pārvaldībā?
- A) Katrai mākslīgā intelekta iniciatīvai tiek pakļauta tikpat liela piekrišana neatkarīgi no tās riska
- B) Pakāpju apstiprināšana pēc riska līmeņa: zema riska ātra, augsta riska stingra kontrole ✔
- C) Pilnīgas brīvības piešķiršana komandām bez apstiprināšanas procesa
- D) Visu apstiprinājumu atstāšana tikai tehnoloģiju komandas ziņā
Apraksts: Laba pārvaldība līdzsvaro ātrumu, drošību un konsekvenci. Katram darbam (pat zema riska) piemērojot vienu un to pašu apstiprinājumu, komandas tiek izmantotas ēnā; Neviena apstiprināšana neuzkrāj risku. Pareizā pieeja ir kārtot apstiprinājumu pēc riska līmeņa: zema riska darbam vajadzētu notikt ātri, tikai augsta riska darbam ir jāveic nopietna pārbaude. Tādējādi tiek saglabāts gan ātrums, gan kontrole.
9. Kura ir patiesība attiecībā uz ētiku un tiesisko atbilstību?
- A) Ētika un tiesiskā atbilstība ir viens un tas pats; Kas atbilst vienam, atbilst arī otram.
- B) Tiesiskā atbilstība ir augstāka līnija nekā ētika
- C) Atbilstība tiesību aktiem ir minimālais minimums; ētika ir augstāka līnija, un ne viss, kas ir likumīgs, var būt ētisks ✔
- D) Ētikai ir nozīme tikai tad, ja likums atstāj robu
Apraksts: Atbilstība tiesību aktiem ir minimālais minimums; Ētika ir augstāka līnija. Kaut kas var būt likumīgs, bet neētisks; Piemēram, mākslīgā intelekta līdzeklis, kas manipulē ar lietotāja uzvedību, var nebūt aizliegts, taču tas ir neētiski. Atbildīgās institūcijas 'vai tas ir aizliegts?' Nav 'Vai tā ir taisnība?' viņš jautā. Ētiku nevar atstāt līdz galam; no paša sākuma jāiestrādā dizainā.
10. Kāds ir galvenais kritērijs, lai ES AI likumā sistēmu uzskatītu par “augsta riska”?
- A) Cik dārga ir sistēma
- B) Cik lietotāju sistēmai ir
- C) Kurā valstī sistēma tika izstrādāta?
- D) Sistēma tieši ietekmē cilvēku pamattiesības, drošību vai dzīves iespējas ✔
Apraksts: ES AI likums nosaka uz risku balstītu loģiku. Augsta riska sistēma ir tāda, kas var tieši ietekmēt cilvēku pamattiesības, drošību vai dzīves iespējas (darbs, kredīti, izglītība, veselība). Riska pārvaldība, kvalitāte un objektīvi dati, cilvēku pārraudzība, dokumentācija, uzskaite un pārredzamība ir būtiska šīm sistēmām. "Vai šī sistēma ir iesaistīta lēmumā, kas ietekmē cilvēka darbu, naudu, veselību vai brīvību?" jautājums ir labs sākotnējais rādītājs.
11. Kāpēc tas ir viens no bīstamākajiem un biežākajiem KVKK pārkāpumiem, ja darbinieks ielīmē klienta personas datus publiski pieejamā, ārvalstīs bāzētā mākslīgā intelekta rīkā?
- A) Tikai tāpēc, ka tas liek transportlīdzeklim darboties lēni
- B) Jo tas bieži nozīmē nesankcionētu datu pārsūtīšanu uz ārzemēm un neparedzētu apstrādi ✔
- C) Tikai tāpēc, ka transportlīdzeklis ir samaksāts
- D) Patiesībā tas nerada nekādus riskus, tas ir pilnīgi drošs.
Paskaidrojums: šī darbība bieži vien nozīmē gan “datu pārsūtīšanu uz ārvalstīm” (saskaņā ar īpašiem noteikumiem), gan “neplānotu apstrādi” (dati tiek izmantoti citiem mērķiem, nevis tiem, kādiem tie tika vākti), un parasti tā tiek veikta bez derīga juridiskā pamata un precizējuma. Tas rada nopietnu pārkāpuma risku un administratīvo sodu KVKK ziņā; Tāpēc būtiska ir pieņemama lietošanas politika un korporatīvie rīki, kas nenopludinātu datus.
12. Kāds ir “tulkotāja” lomas mērķis, kas ir visbiežāk aizmirstā un vērtību bloķējošā loma mākslīgā intelekta kompetencē?
- A) Tikai svešvalodu dokumentu tulkošana
- B) serveru un datu bāzu pārvaldība
- C) būt personai, kas pārvērš biznesa problēmu mākslīgā intelekta risinājumā un veido tiltu starp biznesu un tehnoloģijām ✔
- D) Nodrošiniet tikai darbiniekiem pamata apmācību par transportlīdzekļiem
Apraksts: Mākslīgā intelekta tulks (AI tulkotājs) ir cilvēks, kurš tulko biznesa valodu tehniskajā valodā un otrādi, veidojot tiltu tam, “kuru biznesa problēmu risina kāds mākslīgā intelekta risinājums”. Dārgākās neveiksmes bieži izraisa nevis ekspertu, bet gan tulku trūkums: tehniskā komanda izveido perfektu modeli, taču nepareizai problēmai. Iestādes pārāk daudz iegulda ekspertos un pārāk maz tulkotāju un masu pratībā; Tomēr parasti vērtību atver pēdējie divi.
13. Kāds ir pamatprincips AI talanta lēmumam “izdarīt vai pirkt”?
- A) Vienmēr pērciet, jo tas ir lētāk
- B) Izveidojiet galvenās atšķirības iespējas, iegādājieties standarta iespējas ✔
- C) Vienmēr attīsties iekšā, jo tā ir drošāk
- D) Izvēlēties populārākā piegādātāja ieteikto
Apraksts: Pamatprincips ir: padarīt galvenās iespējas unikālas organizācijai, kas rada konkurences priekšrocības; Pērciet standarta, kopīgas, neatšķiras iespējas. Prognozēšanas modelis, ko jūsu konkurents nevar izveidot, izmantojot jūsu pašu datus, ir galvenais; Teksta apkopošanas rīks ir standarta. Ārpakalpojumu galvenais talants ir konkurētspējas izīrēšana ilgtermiņā un palielina piegādātāja bloķēšanas risku.
14. Kāds ir visizplatītākais AI transformāciju neveiksmes iemesls un visefektīvākā pieeja pret to?
- A) Nepietiekama modeļa precizitāte; Risinājums ir iegādāties lielāku modeli
- B) aprīkojuma trūkums; Risinājums ir iegādāties vairāk serveru
- C) Licences izmaksas; Risinājums ir atrast lētāku piegādātāju
- D) cilvēka un kultūras noturība; Risinājums ir pārmaiņu vadība, kas skaidri risina problēmas ✔
Paskaidrojums: Lielākā daļa neveiksmju ir nevis tehniskas, bet gan cilvēciskas un kulturālas: bailes no darba drošības, satraukums par kompetenci, pārliecības trūkums un jēgas zaudēšana. Kad šīs bažas tiek apspiestas, tās atgriežas kā klusa sabotāža. Visefektīvākā pieeja ir atklāti risināt problēmas, izskaidrot pārliecinošu “kāpēc”, rādīt piemēru un izveidot ciešu kolēģu tīklu. Adopcija ir jāmēra un jānoņem šķēršļi.