Keuntungan:
- Mempertimbangkan kecekapan kecerdasan buatan pada tiga lapisan (pakar, penterjemah, pengguna) dan melihat penterjemah yang paling kerap diabaikan dan jurang celik huruf yang meluas
- Keupayaan untuk memilih yang sesuai untuk institusi dalam kalangan model organisasi pusat, teragih dan hab-dan-bercakap
- Keupayaan untuk merapatkan jurang kecekapan dengan keseimbangan melatih-rekrut-rakan kongsi dan menggabungkan literasi dan pengekalan yang meluas ke dalam strategi
Malah strategi terbaik kekal di atas kertas tanpa rakyat melaksanakannya. Halangan yang paling biasa dalam transformasi AI bukanlah teknologi, tetapi kekurangan kecekapan (pengetahuan, kemahiran dan pengalaman yang diperlukan untuk melakukan sesuatu kerja) dan organisasi (bagaimana kerja itu distrukturkan, siapa yang melakukan apa). Dalam unit ini, anda akan mempelajari cara pengurus kanan boleh mewujudkan struktur pasukan, strategi bakat dan pembangunan kecekapan yang betul untuk AI. Matlamatnya adalah untuk mengubah pandangan sempit, seperti "mari kita mengupah beberapa saintis data," kepada pendekatan kecekapan seluruh perusahaan.
Kecekapan bukan satu peranan
Salah tanggapan yang lazim ialah menurunkan AI kepada sebilangan kecil pakar yang dipanggil "saintis data." Pada hakikatnya, transformasi AI memerlukan kecekapan tiga lapisan:
lapisan
siapa
Apa yang ia perlukan
pakar
Ahli sains data, jurutera ML
Model, data, kedalaman infrastruktur
penterjemah
Penganalisis produk/perniagaan
Mengubah masalah perniagaan menjadi penyelesaian AI
pengguna
Semua pekerja
Menggunakan kenderaan dengan selamat, berkesan dan bertanggungjawab
Lapisan kritikal dan sering diabaikan adalah jelas: penterjemah AI ialah orang yang menterjemah bahasa perniagaan ke dalam bahasa teknikal dan sebaliknya, membina jambatan "masalah perniagaan mana yang diselesaikan oleh penyelesaian AI mana." Kegagalan yang paling mahal selalunya bukan disebabkan oleh kekurangan pakar, tetapi oleh kekurangan penterjemah: pasukan teknikal membina model yang sempurna tetapi untuk masalah yang salah.
Petua: Apabila membuat belanjawan untuk bakat AI, pertimbangkan bukan hanya pakar, tetapi juga peranan penterjemah dan celik asas semua pekerja. Kebanyakan institusi melabur terlalu banyak dalam pakar dan terlalu sedikit dalam penterjemah dan literasi massa; Walau bagaimanapun, biasanya dua yang terakhir yang mengunci nilai.
Model organisasi
Bakat AI boleh dianjurkan dalam perusahaan dalam tiga cara utama:
- Berpusat: Semua pakar AI dalam satu pasukan. Kelebihan: kedalaman, konsistensi. Kelemahan: detasmen dari kerja.
- Diedarkan: Pakar dibenamkan dalam unit perniagaan. Kelebihan: kedekatan, kelajuan. Kelemahan: tidak konsisten, pengulangan.
- Hub-and-spoke: Pusat Kecemerlangan pusat (CoE; pasukan teras yang mentakrifkan dan menyebarkan piawaian, alatan dan amalan terbaik) + pengamal yang tertanam dalam unit perniagaan. Model paling seimbang untuk kebanyakan organisasi pertengahan hingga besar.
CoE; menyediakan alatan biasa, piawaian keselamatan, latihan, dan komponen boleh guna semula; Unit perniagaan menguruskan kawasan penggunaan mereka sendiri. Model ini mengekalkan konsistensi dan keakraban.
Bina, beli, rakan kongsi
Terdapat tiga cara untuk menutup jurang kemahiran, biasanya ketiga-tiganya:
- Bina: Latih pekerja sedia ada. Paling mampan tetapi paling perlahan.
- Sewa (beli): Upah pakar luar. Cepat tetapi mahal dan berdaya saing.
- Rakan kongsi: Bekerjasama dengan perunding/pembekal. Permulaan yang cepat tetapi risiko ketagihan.
Strategi pintar: melatih/mengupah kecekapan kritikal dan kekal, memenuhi keperluan sementara atau sangat khusus dalam perkongsian.
Langkah demi langkah: mewujudkan strategi kecekapan
1. Memetakan jurang kecekapan. Di manakah kita pada tiga lapisan (pakar, penterjemah, pengguna), ke mana kita harus pergi?
2. Pilih model organisasi anda. Berpusat, teragih atau hab-dan-bercakap; yang sesuai untuk institusi.
3. Wujudkan keseimbangan bina-beli-rakan kongsi. Tentukan laluan optimum untuk setiap jurang.
4. Mulakan program literasi bukan formal. Latihan penggunaan asas, selamat, bertanggungjawab untuk semua pekerja.
5. Memupuk pengekalan dan budaya. Menarik bakat tidak mencukupi; Kekalkan dengan kerja, pembelajaran dan budaya yang bermakna.
tiga kes mini
Kes 1 — Jurang penterjemah. Sebuah syarikat perindustrian mengupah tiga saintis data yang mahal, tetapi tidak ada peranan penterjemah untuk merapatkan unit perniagaan. Pakar menghasilkan projek yang secara teknikalnya mengagumkan tetapi tidak penting bagi perniagaan; Tiada nilai ketara yang muncul dalam setahun. Apabila dua "penterjemah AI" (penganalisis perniagaan yang berpengalaman) dilantik, pakar yang sama menghasilkan tiga kes penggunaan berharga dalam masa 6 bulan. Jurang itu bukan dalam kepakaran, tetapi dalam jambatan.
Kes 2 — Konsistensi CoE. Dalam sebuah konglomerat, setiap syarikat menggunakan alat AI sendiri dengan peraturannya sendiri: kos berulang, keselamatan yang tidak konsisten. Sebaik sahaja Pusat Kecemerlangan ditubuhkan dan alat biasa, piawaian dan latihan disediakan; Kos lesen menurun sebanyak 30%, keselamatan menjadi konsisten, dan apa yang dipelajari oleh satu syarikat dengan cepat merebak ke syarikat seterusnya.
Kes 3 — Kesan literasi yang meluas. Satu syarikat perkhidmatan menyerahkan AI kepada hanya satu pasukan pakar; 300 pekerja di lapangan menggunakan alat sama ada tidak sama sekali atau tidak betul (melanggar kerahsiaan). Syarikat itu melancarkan program literasi asas (3 jam latihan penggunaan selamat untuk semua orang); Kedua-dua penggunaan selamat meningkat dan berpuluh-puluh idea penggunaan yang berharga datang dari lapangan. Nilainya bukan pada pakar, tetapi pada orang ramai yang cekap.
Empat templat yang boleh disalin
1) Peta jurang kecekapan:
Peranan anda: Perunding bakat AI. Nilai organisasi kami dalam tiga lapisan: pakar (data/ML), penterjemah (jambatan teknikal perniagaan), pengguna (semua pekerja). Tulis jurang biasa dan tindakan keutamaan untuk setiap lapisan. Konteks: [teks]
2) Cadangan model organisasi:
Bandingkan model berpusat, teragih dan hab-dan-bercakap untuk [saiz dan struktur organisasi]. Tulis yang mana satu yang anda cadangkan untuk situasi kami dan sebabnya, dan apakah tanggungjawab yang akan dilaksanakan oleh Pusat Kecemerlangan.
3) Keputusan bina-beli-rakan kongsi:
Untuk setiap jurang kecekapan berikut [senarai], tulis rasional untuk pilihan kereta api/sewa/rakan kongsi yang anda cadangkan. Asingkan kecekapan berkekalan dan kritikal daripada keperluan sementara.
4) Program literasi tidak formal:
Sediakan draf latihan "penggunaan kecerdasan buatan yang selamat dan berkesan" selama 3 jam untuk pekerja bukan teknikal: konsep asas, penggunaan yang betul/salah, privasi dan pengesahan, contoh praktikal. Berikan tajuk dan tempoh modul mengikut modul.
Gesaan lemah / Gesaan kuat
Lemah: "Pasukan jenis apakah yang perlu saya bina untuk AI?"
Keputusan: Senarai umum peranan; buta terhadap saiz, kematangan dan jurang institusi.
Strong: "Kami ialah syarikat pembuatan 500 pekerja, tiga unit perniagaan; kami mempunyai kematangan yang rendah, tiada saintis data, tetapi penganalisis perniagaan yang kukuh. Cadangkan model organisasi untuk AI (terpusat/teredar/hab-dan-bercakap), keseimbangan buat-beli-rakan kongsi untuk merapatkan jurang kecekapan kami pada setiap lapisan (pakar/penterjemah/pengguna yang meluas) untuk tahun pertama yang lebih luas."
Keputusan: Strategi bakat khusus organisasi, berlapis, realistik dan boleh digunakan.
Kesilapan biasa
- Melabur hanya pada pakar. Tanpa penterjemah dan celik huruf yang meluas, pakar tidak dapat menghasilkan nilai.
- Melangkau peranan penterjemah. Jika tiada jambatan antara perniagaan dan teknik, pakar terbaik pun akan menyelesaikan masalah yang salah.
- Mengabaikan literasi yang meluas. Orang ramai yang tidak berpendidikan sama ada tidak menggunakan kenderaan itu sama sekali atau menggunakannya secara berisiko.
- Bergantung semata-mata pada perekrutan. Membeli pembiakan tanpa pembiakan adalah mahal, rapuh dan tidak mampan.
- Melupakan budaya dan pengekalan. Jika anda tidak menarik bakat dan menyampaikan kerja dan pembelajaran yang bermakna, anda akan rugi dengan cepat.
Awas: AI mungkin mencadangkan carta organisasi atau garis besar latihan; Tetapi orang yang memutuskan model mana yang sesuai dengan budaya dan realiti institusi, yang akan memainkan peranan yang mana, dan dinamik pengekalan. Keputusan sumber manusia mempunyai impak tinggi dan tidak boleh diserahkan kepada algoritma sahaja.
Secara ringkasnya
Kesesakan yang paling biasa dalam transformasi AI bukanlah teknologi tetapi kecekapan dan organisasi. Kecekapan adalah tiga lapisan: pakar, penterjemah dan pengguna; Lapisan yang paling kerap dilangkau dan mengunci nilai ialah celik huruf yang meluas dengan penterjemah. Organisasi boleh berpusat, diedarkan atau hab-dan-bercakap (Pusat Kecemerlangan + pengamal terbenam); Bagi kebanyakan organisasi, yang kedua adalah seimbang. Tutup jurang dengan gabungan kereta api, rekrut dan rakan kongsi; Kekalkan kecekapan kritikal dan berkekalan. Dalam unit seterusnya, kami akan membincangkan cara membeli penyelesaian AI sumber luar dengan bijak.
Tugasan permohonan
Nilai organisasi anda dalam tiga lapisan (pakar, penterjemah, pengguna) dan tuliskan jurang terbesar dalam setiap lapisan. 2. Tentukan model organisasi yang sesuai dengan anda dengan templat. Tulis sebab untuk keputusan kereta api/sewa/rakan kongsi anda untuk dua kekosongan yang paling kritikal. Akhir sekali, gariskan topik utama program literasi bukan formal untuk semua pekerja.
senarai semak
- [ ] Saya memetakan jurang kecekapan dalam tiga lapisan.
- [ ] Saya menyemak sama ada peranan Penterjemah wujud.
- [ ] Saya memilih model organisasi yang sesuai untuk institusi.
- [ ] Saya membuat keputusan bina-beli-rakan kongsi untuk setiap kekosongan.
- [ ] Saya merancang program literasi bukan formal.
- [ ] Saya memasukkan pengekalan dan budaya ke dalam strategi.
- [ ] Saya tidak menyerahkan keputusan sumber manusia semata-mata kepada algoritma.