Zarządzanie zmianą i przyjęcie — Strategia AI dla kadry kierowniczej (poziom C)

Zyski:

Umiejętność zrozumienia, że transformacja sztucznej inteligencji często kończy się niepowodzeniem z powodów ludzkich i kulturowych, a nie technicznych, oraz rozpoznania obaw leżących u podstaw oporu
Możliwość przyspieszenia wdrożenia dzięki przekonującej historii „dlaczego”, widocznemu przywództwu i sieci mistrzów
Umiejętność zarządzania zmianami jako ciągłością, a nie jednorazowym ogłoszeniem, poprzez mierzenie wdrożenia za pomocą wskaźników i usuwanie przeszkód

Surowa rzeczywistość transformacji AI jest taka: strategia, technologia i budżet mogą być doskonałe; Jeśli jednak ludzie nie zaakceptują zmian, wszystko pójdzie na marne. Badania konsekwentnie pokazują, że większość niepowodzeń inicjatyw związanych ze sztuczną inteligencją nie ma charakteru technicznego, ale ludzkiego i kulturowego. W tej ostatniej części dowiesz się, w jaki sposób menedżer wyższego szczebla może zarządzać zmianą (dyscypliną systematycznego zarządzania przejściem ludzi do nowego sposobu pracy), aby przekształcić transformację AI w rzeczywiste przyjęcie (rzeczywiste i trwałe wykorzystanie innowacji przez ludzi). Celem nie jest instalacja technologii; jest zapewnienie, że ludzie będą z niego korzystać bezpiecznie, chętnie i prawidłowo.

Dlaczego ludzie się opierają?

Opór często nie wynika z głupoty czy uporu, ale ze zrozumiałych obaw: strachu przed bezpieczeństwem pracy („czy sztuczna inteligencja przejmie moją pracę?”), lęku kompetencyjnego („nie mogę się tego nauczyć”), braku pewności siebie („nie mogę ufać jej wynikom”) i utraty sensu („dlaczego musimy się zmienić?”). Ignorowanie tych obaw zwiększa opór; Otwarte spotkanie z nimi przyspiesza adopcję.

niepokój

podstawowe pytanie

Odpowiedź administratora

bezpieczeństwo pracy

Czy stracę pracę?

Wyjaśnij jasno, w jaki sposób rola zostanie wzbogacona

kompetencje

Czy mogę się tego nauczyć?

Szkolenia, wsparcie, bezpieczny obszar testowy

zaufaj

Czy mogę ufać wynikom?

Naucz granic, walidacji

Znaczenie

Dlaczego powinienem się zmienić?

Wyjaśnij „dlaczego” w przekonujący sposób

Wskazówka: sformułuj zmianę nie w taki sposób, że „sztuczna inteligencja zastępuje ludzi”, ale jako „sztuczna inteligencja ułatwia ludziom pracę, przejmuje nudną część, pozostawiając ludzi do wykonywania bardziej wartościowej pracy”. To sformułowanie tej samej prawdy zastępuje strach ciekawością.

Podstawowe kroki zarządzania zmianą

Istota klasycznych modeli zmiany (np. kroków Kottera) dostosowanych do sztucznej inteligencji:

Stwórz pilność i powód. Dlaczego teraz, dlaczego my? Wciągająca historia.
Pokaż widoczne przywództwo. Najwyższe kierownictwo powinno korzystać z samego narzędzia; nie retoryką, ale przykładem.
Spraw, aby wczesne zyski były widoczne. Świętuj i rozpowszechniaj informacje o małych, ale prawdziwych sukcesach.
Edukuj i wspieraj. Kompetencje i bezpieczny poligon doświadczalny dla każdego.
Twórz mistrzów. Włącz ochotników, entuzjastycznych mistrzów zmian do każdego zespołu.
Zrób to na stałe. Osadź nowe zachowania w procesach, celach i kulturze.

Krok po kroku: plan adopcyjny

1. Mapuj interesariuszy i obawy. Kogo dotyczy, czego dotyczy?

2. Podaj przekonujące „dlaczego”. Zbuduj historię zmian w ludzkim języku.

3. Okazuj przywództwo poprzez przykład. Pozwól administratorom korzystać z narzędzia w widoczny sposób.

4. Zbuduj sieć edukacji i mistrzów. Wzmacniaj, wzmacniaj pionierów-wolontariuszy.

5. Mierz, słuchaj, dopasowuj. Mierz współczynnik adopcji, zbieraj opinie, usuwaj bariery.

trzy mini etui

Przypadek 1 – Ignorowany strach. Pewna firma księgowa zachwalała swoje narzędzie AI „ze względu na wydajność”, ale nigdy nie zajęła się obawami pracowników dotyczącymi bezpieczeństwa pracy. Wieść o tym rozeszła się, zespół po cichu sabotował narzędzie, poziom wykorzystania pozostał na poziomie 20%. Zarząd ustąpił i odbył otwarte spotkanie, tłumacząc, że nikt nie będzie zwalniany, a nudną pracę przejmie pośrednik i wszystkich skieruje do konsultingu. W ciągu 3 miesięcy adopcja wzrosła do 75%. Rozwiązaniem była rozmowa o strachu.

Przypadek 2 — Przykład z przywództwem. Prezes firmy technologicznej publicznie korzystał z narzędzia AI podczas przygotowywania własnego cotygodniowego raportu, a także podzielił się swoimi błędami („widzisz, tu się pomylił, poprawiłem”). To widoczne przywództwo wysłało wiadomość, że „jeśli szef tego używa, to jest to poważna sprawa” i pokazało, że weryfikacja jest normalna. Adopcja rozprzestrzeniła się szybko, bez żadnych sprzeciwów.

Przypadek 3 — Siła sieci mistrzów. Jeden ze sprzedawców detalicznych wybrał jednego ochotnika „mistrza sztucznej inteligencji” z każdego sklepu; Osoby te przeszły dodatkowe szkolenie i przydzielono im zadanie indywidualnej pomocy swoim współpracownikom. Uczenie się od znajomego wykonującego tę samą pracę zamiast od zdalnego zespołu szkoleniowego przyspieszyło wdrożenie 3-krotnie. Najskuteczniejszym nauczycielem był entuzjastyczny kolega przy sąsiednim stole.

Cztery szablony do kopiowania

1) Mapa interesariuszy i obaw:

Twoja rola: konsultant ds. zarządzania zmianą. Wymień grupy interesariuszy, na które wpływa ta inicjatywa dotycząca sztucznej inteligencji, i określ główne obawy, jakie może mieć każda grupa (bezpieczeństwo pracy, kompetencje, zaufanie, znaczenie). Napisz pozdrowienia dla każdego problemu. Inicjatywa: [tekst]

2) Historia „dlaczego”:

Przygotuj fascynującą historię „dlaczego teraz, dlaczego my”, którą możesz opowiedzieć osobom pracującym nad zmianą w zakresie sztucznej inteligencji. Zastąp strach ciekawością; Podkreśl, że narzędzie przejmuje nudną pracę i pozostawia człowieka do pracy bardziej wartościowej. Zmień: [tekst]

3) Program mistrzowski:

Zaprojektuj program „mistrzowski”, który przyspieszy wdrażanie sztucznej inteligencji w zespołach: w jaki sposób wybierani są mistrzowie, jakie przechodzą szkolenie, jakiego zadania się podejmują, jak są motywowani? Napisz zwięzły i wykonalny plan.

4) Plan pomiarów adopcyjnych:

Zaproponuj wskaźniki pomiaru wdrożenia narzędzia AI: wskaźnik aktywnego użycia, częstotliwość użycia, zadowolenie użytkownika, informacja zwrotna na temat barier. Dla każdego wskaźnika napisz, w jaki sposób będzie on zbierany i jaki próg zostanie uznany za „zdrowy”.

Słaba zachęta/silna zachęta

Słabe: „Co powinienem zrobić, aby ludzie zaczęli korzystać ze sztucznej inteligencji?”

Wniosek: Ogólne zalecenia „edukować, komunikować”; nie widzi obaw i kontekstu.

Strong: „Wdrażamy narzędzie wsparcia AI w call center liczącym 150 osób. W zespole panuje silna obawa o bezpieczeństwo pracy. Przygotuj plan adopcji dostosowany do tej sytuacji: jak odpowiedzieć na obawy interesariuszy, jaka powinna być przekonująca historia „dlaczego” opowiadana pracownikom, jak skonfigurować program mistrzowski i jakimi wskaźnikami mierzyć adopcję? Wymień kroki przez pierwsze 90 dni”.

Wynik: praktyczny plan adopcyjny z oceną bohatera historii, oparty na kontekście i realnych problemach.

Typowe błędy

Pomijam wymiar ludzki. Koncentrowanie się na technologii i ignorowanie obaw i obaw jest najczęstszą przyczyną niepowodzeń.
Nie mówię o strachu. Kiedy stłumiony zostanie niepokój o bezpieczeństwo pracy, powraca on jako cichy sabotaż; zajmij się tym wyraźnie.
Brak przywództwa poprzez przykład. Administrator, który mówi „Używasz”, ale sam z tego nie korzysta, obala jego przekaz.
Komunikacja tylko z góry. Najskuteczniejsze nauczanie pochodzi od bliskiego współpracownika (mistrza), a nie od odległego zespołu.
Nie mierzę adopcji. Instytucja, która nie mierzy, czy jest wykorzystywana, czy nie, nie widzi przeszkód.

Uwaga: Zarządzanie zmianą nie jest jednorazowym ogłoszeniem, ale procesem wymagającym ciągłości. AI może zaproponować Ci plan adopcyjny lub SMS-a kontaktowego; Jednak słuchanie prawdziwych obaw ludzi, budowanie zaufania i dawanie przykładu może nastąpić jedynie dzięki przywództwu człowieka. Bądź też szczery: przygotowanie ludzi do nowych ról jest zarówno etyczne, jak i bardziej zrównoważone, zamiast ukrywać sytuacje, w których sztuczna inteligencja faktycznie zastąpi niektóre role.

Podsumowując

Transformacje AI często kończą się niepowodzeniem z powodów ludzkich i kulturowych, a nie technicznych. Opór; Bezpieczeństwo pracy wynika z obaw związanych z kompetencjami, zaufaniem i znaczeniem i można je rozwiązać poprzez otwarte stawienie czoła tym obawom, a nie poprzez ich ignorowanie. Skuteczne zarządzanie zmianą mówi przekonujące „dlaczego”, daje przykład dzięki widocznemu przywództwu, świętuje wczesne zwycięstwa, edukuje wszystkich, buduje sieć mistrzów i osadza nowe zachowanie w kulturze. Adopcję należy mierzyć, słuchać i usuwać bariery. Podczas tego modułu; Od wizji po plan działania, od ustalania priorytetów przypadków użycia po zwrot z inwestycji i ryzyko, zarządzanie, etykę, zgodność, talenty i zaopatrzenie – stworzyliśmy ramy, których potrzebuje menedżer, aby kompleksowo i odpowiedzialnie zarządzać transformacją sztucznej inteligencji. Technologia jest narzędziem; strategia, zarządzanie i przywództwo ludzi robią prawdziwą różnicę.

Zadanie aplikacji

Wybierz inicjatywę związaną ze sztuczną inteligencją i za pomocą szablonu 1 zmapuj obawy zainteresowanych stron, których to dotyczy. 2. Przygotuj przekonującą historię „dlaczego” do opowiedzenia pracownikom za pomocą szablonu; Pamiętaj, aby uczciwie podejść do kwestii związanych z bezpieczeństwem pracy. Zapisz trzy etapy programu mistrzowskiego i dwa wskaźniki, według których będziesz mierzyć adopcję. Na koniec: „Jak jako lider mogę w widoczny sposób korzystać z tego narzędzia?” Podaj konkretną odpowiedź na pytanie.

lista kontrolna

[ ] Stworzyłem mapę interesariuszy, których to dotyczy, i ich obaw.
[ ] Szczerze odniosłem się do kwestii bezpieczeństwa pracy.
[ ] Stworzyłem fascynującą historię „dlaczego”.
[ ] Planowałem dawać przykład.
[ ] Zaprojektowałem sieć mistrzowską.
[ ] Zidentyfikowałem mierniki mierzące adopcję.
[ ] Zaplanowałem zmianę jako kontynuację, a nie jednorazową zapowiedź.

Egzamin modułowy

1. Która z poniższych jest prawdziwą rolą menedżera wyższego szczebla w sztucznej inteligencji?

A) Nadawanie kierunku, przydzielanie zasobów, wyznaczanie limitów ryzyka i przyjmowanie odpowiedzialności ✔
B) Własny wybór i kodowanie architektury modelu i algorytmu
C) Całkowicie przekazać sztuczną inteligencję zespołowi technologicznemu i poczekać na rezultaty
D) Umożliwienie każdemu działowi swobodnego testowania własnego narzędzia.

Objaśnienie: Zadaniem administratora nie jest trenowanie modeli ani pisanie kodu; Nadawanie kierunku, przydzielanie zasobów, wyznaczanie limitów ryzyka i przyjmowanie odpowiedzialności. Zespół techniczny rozwiązuje pytanie „jak”, menedżer rozwiązuje pytania „dlaczego, kiedy, w jakim zakresie i kto jest odpowiedzialny”. Sztuczna inteligencja nie jest projektem technologicznym, ale kwestią transformacji biznesowej, a własność powinna leżeć po stronie biznesowej.

2. Jaka jest kluczowa cecha odróżniająca dobrą wizję AI od pustego hasła?

A) Zawierający nazwę najnowszej technologii
B) Zależy od wyniku biznesowego, jest mierzalne i ma horyzont czasowy ✔
C) Bądź tak asertywny i ogólny, jak to możliwe
D) Podobna do wizji konkurencji

Wyjaśnienie: Dobra wizja jest powiązana z wynikiem biznesowym (nie z technologią), jest mierzalna i ma horyzont czasowy. „Będziemy liderami AI” jest niemierzalne i nie uwzględnia wyników biznesowych; „W ciągu trzech lat skrócimy o połowę czas pierwszej reakcji i obniżymy koszty o 15%” jest konkretny, mierzalny i ma horyzont czasowy. Kiedy usuniemy z wizji słowo „sztuczna inteligencja”, pozostanie nam znaczący cel biznesowy.

3. Jakie wymiary wyróżniają się jako niewidoczne przesłanki wstępne dla większości instytucji w ocenie dojrzałości sztucznej inteligencji i w które nie należy inwestować, gdy są one słabe?

A) Tylko wymiary marketingowe i marki
B) Tylko sprzęt i infrastruktura biurowa
C) Dane i zarządzanie ✔
D) Analiza konkurencji i ustalanie cen

Opis: Dojrzałość mierzy się w pięciu wymiarach (strategia, dane, technologia, talent, zarządzanie). Dane i zarządzanie są często niewidocznymi warunkami wstępnymi: budowanie drogiego modelu, gdy dane są nieuporządkowane i niskiej jakości, jest jak kupowanie półki w pustym magazynie; Bez zarządzania ryzyko akumuluje się w sposób cichy. Dlatego luki są uzupełniane według zależności, a dane i zarządzanie są ogólnie traktowane priorytetowo.

4. Jakie jest właściwe podejście do przypadku użycia w obszarze „wysoka wartość + niskie zastosowanie” macierzy wartości/zastosowania?

A) Natychmiast wdrożyć na pełną skalę
B) Całkowite poddanie się, bo to bezwartościowe
C) Robienie tego w wolnym czasie jako praca wypełniająca o niskim priorytecie
D) Planowanie jako duży zakład i ustalenie jego warunków wstępnych, a jednocześnie posuwanie się do przodu z szybkimi zyskami ✔

Opis: Ten obszar nazywany jest „dużym zakładem”: ma dużą wartość, ale nie można go zrealizować natychmiast ze względu na dane, integrację lub trudności techniczne. Właściwym podejściem jest zaplanowanie tego i ustalenie warunków wstępnych (infrastruktura danych, integracja); Nurkowanie na ślepo oznacza miesiące bezwartościowej pracy. Tymczasem dzięki „szybkim zwycięstwom” (wysoka wartość + wysoka rentowność) powstaje dynamika i ten duży zakład zostaje sfinansowany.

5. Co jest najważniejszą rzeczą do zrobienia przed rozpoczęciem, aby udowodnić wartość pilota AI?

A) Zdefiniuj miernik sukcesu i zmierz poziom wyjściowy bieżącej sytuacji ✔
B) Kupno najdroższego możliwego pojazdu
C) Otwarcie pilotażu jednocześnie na całą instytucję
D) Raportowanie wyników z predykcją po zakończeniu pilotażu

Wyjaśnienie: Wartość bazowa jest miarą bieżącej sytuacji przed poprawą. Bez punktu odniesienia nie można udowodnić twierdzenia, że jesteśmy „ulepszeni”; „jak bardzo się poprawiło?” w decyzji o skalowaniu. Nie można odpowiedzieć na to pytanie. Dlatego przed rozpoczęciem pilotażu należy zdefiniować miernik sukcesu i zmierzyć obecną sytuację w liczbach. Nie możesz zarządzać i bronić wartości, której nie możesz zmierzyć.

6. Które pozycje kosztowe są najczęściej pomijane przez instytucje w kalkulacji ROI sztucznej inteligencji i powodują, że myślą, że projekt jest opłacalny?

A) Tylko wydatki ogólne, takie jak czynsz za biuro i prąd
B) Koszty ukryte, takie jak integracja, bieżący nadzór ludzki i utrzymanie ✔
C) Tylko budżet marketingowy i reklamowy
D) Brak; Jedynym realnym kosztem jest opłata licencyjna

Wyjaśnienie: Instytucje zazwyczaj liczą jedynie opłatę licencyjną/za użytkowanie; podczas gdy w przypadku sztucznej inteligencji ukryte koszty to na ogół integracja, przygotowanie danych, bieżące monitorowanie personelu, konserwacja i zarządzanie zmianami i często są one większe niż koszty licencji. Jeśli pominie się te pozycje, projekt uważany za „zyskowny” może w rzeczywistości przynosić straty. Dodatkowo, po stronie korzyści, należy zadać sobie pytanie, czy zaoszczędzony czas faktycznie zamienia się w wartość.

7. Co oznacza „dryft modelu” w ryzyku AI i dlaczego wymaga stałego monitorowania?

A) Przenoszenie modelu pomiędzy serwerami fizycznymi
B) Opłata licencyjna za model wzrasta z biegiem czasu
C) Wydajność modelu cicho maleje wraz z upływem czasu, gdy świat się zmienia ✔
D) Wynik modelu zawsze pozostaje taki sam

Wyjaśnienie: Dryf modelu ma miejsce wtedy, gdy model się zużywa, a jego działanie cicho spada wraz ze zmianami na świecie (nowe produkty, nowe zachowania, nowe wzorce oszustw). Model, który sprawdził się raz, nie będzie działał dobrze wiecznie; Dlatego tak istotne jest regularne monitorowanie wyników. Na przykład wzorzec oszustwa może po cichu osłabnąć w obliczu nowego wzorca, a bez monitorowania strata rośnie wykładniczo.

8. Jakie jest właściwe podejście przy projektowaniu procesów zatwierdzania w zarządzaniu sztuczną inteligencją?

A) Poddawanie każdej inicjatywy związanej ze sztuczną inteligencją tej samej surowej akceptacji, niezależnie od związanego z nią ryzyka
B) Zatwierdzenie podziału na poziomy według poziomu ryzyka: niskie ryzyko szybko, wysokie ryzyko ścisła kontrola ✔
C) Zapewnienie zespołom pełnej swobody bez konieczności przeprowadzania procesu zatwierdzania
D) Pozostawienie wszelkich zezwoleń wyłącznie zespołowi technologicznemu

Opis: Dobre zarządzanie równoważy szybkość, bezpieczeństwo i spójność. Stosowanie tej samej surowej akceptacji do każdego zadania (nawet o niskim ryzyku) popycha zespoły do korzystania z cienia; Żadna zgoda nie kumuluje ryzyka. Prawidłowe podejście polega na zatwierdzaniu warstw według poziomu ryzyka: prace niskiego ryzyka powinny przebiegać szybko, a jedynie prace wysokiego ryzyka powinny podlegać szczegółowej kontroli. W ten sposób zachowana jest zarówno prędkość, jak i kontrola.

9. Które stwierdzenie jest prawdziwe w odniesieniu do związku pomiędzy etyką a przestrzeganiem prawa?

A) Etyka i zgodność z prawem to to samo; To, co spotyka jedno, spotyka się także z drugim.
B) Zgodność z prawem jest wyższą linią niż etyka
C) Zgodność z prawem to absolutne minimum; etyka to wyższa granica i nie wszystko, co jest legalne, może być etyczne ✔
D) Etyka ma znaczenie tylko wtedy, gdy prawo pozostawia lukę

Opis: Zgodność z prawem to absolutne minimum; Etyka to wyższa granica. Coś może być legalne, ale nieetyczne; Na przykład funkcja sztucznej inteligencji manipulująca zachowaniem użytkownika może nie być zabroniona, ale jest nieetyczna. Odpowiedzialne instytucje „czy to jest zabronione?” Nie: „Czy to prawda?” pyta. Etyki nie można pozostawić do końca; powinny być osadzone w projekcie od początku.

10. Jakie jest główne kryterium uznania systemu za „wysokiego ryzyka” w prawie UE dotyczącym sztucznej inteligencji?

A) Jak drogi jest system
B) Ilu użytkowników ma system
C) W jakim kraju system został opracowany?
D) System wpływa bezpośrednio na prawa podstawowe ludzi, bezpieczeństwo lub możliwości życiowe ✔

Opis: w prawie UE dotyczącym sztucznej inteligencji ustanawia się logikę opartą na ryzyku. System wysokiego ryzyka to taki, który może bezpośrednio wpływać na prawa podstawowe, bezpieczeństwo lub możliwości życiowe ludzi (praca, kredyty, edukacja, zdrowie). Zarządzanie ryzykiem, jakość i bezstronne dane, nadzór ludzki, dokumentacja, prowadzenie rejestrów i przejrzystość są niezbędne dla tych systemów. „Czy ten system bierze udział w podejmowaniu decyzji mających wpływ na pracę, pieniądze, zdrowie lub wolność danej osoby?” pytanie jest dobrym wskaźnikiem wstępnym.

11. Dlaczego jednym z najniebezpieczniejszych i częstych naruszeń KVKK jest wklejanie przez pracownika danych osobowych klientów do publicznie dostępnego, zagranicznego narzędzia sztucznej inteligencji?

A) Tylko dlatego, że powoduje to powolną jazdę pojazdu
B) Ponieważ często oznacza to nieuprawnione przesyłanie danych za granicę i niezamierzone przetwarzanie ✔
C) Tylko dlatego, że pojazd jest opłacony
D) Właściwie nie niesie ze sobą żadnego ryzyka, jest całkowicie bezpieczny.

Wyjaśnienie: Działanie to często oznacza zarówno „przekazanie danych za granicę” (z zastrzeżeniem szczególnych zasad), jak i „niezamierzone przetwarzanie” (dane są wykorzystywane do celów innych niż cel, dla którego zostały zebrane) i zwykle odbywa się bez ważnej podstawy prawnej i wyjaśnień. Stwarza to poważne ryzyko naruszenia i kary administracyjnej w zakresie KVKK; Dlatego niezbędna jest polityka akceptowalnego użytkowania i narzędzia korporacyjne, które nie powodują wycieku danych.

12. Jaki jest cel roli „tłumacza”, która jest najczęściej pomijaną i blokującą wartości rolą w kompetencjach w zakresie sztucznej inteligencji?

A) Tłumaczenie wyłącznie dokumentów obcojęzycznych
B) Zarządzanie serwerami i bazami danych
C) Bycie osobą, która przekształca problem biznesowy w rozwiązanie oparte na sztucznej inteligencji i buduje pomost pomiędzy biznesem a technologią ✔
D) Zapewnij podstawowe szkolenie w zakresie obsługi pojazdów wyłącznie pracownikom

Opis: Tłumacz sztucznej inteligencji (tłumacz AI) to osoba, która przekłada język biznesowy na język techniczny i odwrotnie, budując pomost „jaki problem biznesowy rozwiązuje się za pomocą którego rozwiązania sztucznej inteligencji”. Najkosztowniejsze awarie często wynikają nie z braku ekspertów, ale z braku tłumaczy: zespół techniczny buduje idealny model, ale pod kątem niewłaściwego problemu. Instytucje inwestują za dużo w ekspertów, a za mało w tłumaczy i masową umiejętność czytania i pisania; Jednak zazwyczaj to dwa ostatnie otwierają wartość.

13. Jaka jest podstawowa zasada przy podejmowaniu decyzji „wykonaj lub kup” w przypadku talentu AI?

A) Zawsze kupuj, bo jest taniej
B) Zbuduj podstawowe możliwości różnicujące, kup standardowe możliwości ✔
C) Zawsze rozwijaj się wewnętrznie, bo tak jest bezpieczniej
D) Wybór tego, który jest rekomendowany przez najpopularniejszego dostawcę

Opis: Podstawową zasadą jest: uczynienie kluczowych zdolności unikalnymi dla organizacji, które tworzą przewagę konkurencyjną; Kup standardowe, wspólne, nieróżnicujące możliwości. Podstawą jest model predykcyjny, którego konkurencja nie może zbudować na podstawie własnych danych; Narzędzie do podsumowania tekstu jest standardem. Outsourcing kluczowych talentów wynajmuje w dłuższej perspektywie konkurencyjność i zwiększa ryzyko uzależnienia od dostawców.

14. Jaka jest najczęstsza przyczyna niepowodzeń transformacji AI i najskuteczniejsze podejście do niej?

A) Niewystarczająca dokładność modelu; Rozwiązaniem jest zakup większego modelu
B) Brak sprzętu; Rozwiązaniem jest zakup większej liczby serwerów
C) Koszt licencji; Rozwiązaniem jest znalezienie tańszego dostawcy
D) Odporność ludzka i kulturowa; Rozwiązaniem jest zarządzanie zmianami, które wyraźnie uwzględnia obawy ✔

Wyjaśnienie: Większość niepowodzeń nie ma charakteru technicznego, ale ludzkiego i kulturowego: strach przed bezpieczeństwem pracy, lęk o kompetencje, brak pewności siebie i utrata sensu. Kiedy te lęki zostaną stłumione, powracają jako cichy sabotaż. Najbardziej skutecznym podejściem jest otwarte wyrażanie obaw, wyjaśnianie przekonującego „dlaczego”, dawanie przykładu i budowanie mistrzowskiej sieci bliskich współpracowników. Należy zmierzyć stopień adopcji i usunąć bariery.