Mga yunit
1. AI Strategy for Executives: Bakit, Mga Tungkulin, Hangganan at Responsableng Pamamahala 2. Pag-align sa AI Transformation Vision at Business Strategy 3. AI Maturity Assessment at Roadmap 4. Pagtukoy at Pag-una sa Lugar ng Paggamit 5. ROI, Halaga ng Negosyo at Pagsukat ng Benepisyo 6. Mga Panganib na Partikular sa AI at Pamamahala sa Panganib 7. Pamamahala, Patakaran at Istraktura ng Lupon ng AI 8. Etikal at Responsableng AI 9. Pagsunod: EU AI Law at KVKK 10. Koponan, Kakayahan at Organisasyon 11. Pagbili, Build-Purchase at Pamamahala ng Supplier 12. Pamamahala ng Pagbabago at Pag-ampon
Yunit 10 / 12

Koponan, Kakayahan at Organisasyon

Mga nadagdag:

  • Isinasaalang-alang ang kakayahan ng artificial intelligence sa tatlong layer (eksperto, tagasalin, user) at nakikita ang pinakamadalas na hindi napapansing tagasalin at malawakang gap sa literacy
  • Kakayahang pumili ng angkop para sa institusyon sa gitna, distributed at hub-and-spoke na mga modelo ng organisasyon
  • Kakayahang isara ang mga gaps sa kakayahan sa balanse ng train-recruit-partner at isama ang malawakang literacy at retention sa diskarte

Kahit na ang pinakamahusay na diskarte ay nananatili sa papel nang walang mga tao na ipatupad ito. Ang pinakakaraniwang bottleneck ng pagbabagong AI ay hindi teknolohiya, ngunit isang kakulangan ng kakayahan (kaalaman, kasanayan at karanasan na kinakailangan upang gawin ang isang trabaho) at organisasyon (kung paano nakaayos ang trabaho, sino ang gumagawa ng ano). Sa unit na ito, matututunan mo kung paano maitatag ng isang senior manager ang tamang istraktura ng koponan, diskarte sa talento at pag-unlad ng kakayahan para sa AI. Ang layunin ay ibahin ang anyo ng isang makitid na pananaw, gaya ng "mag-hire tayo ng ilang data scientist," sa isang enterprise-wide competency approach.

Ang kakayahan ay hindi iisang tungkulin

Ang isang karaniwang maling kuru-kuro ay ang pag-relegate ng AI sa isang maliit na bilang ng mga eksperto na tinatawag na "mga data scientist." Sa katotohanan, ang pagbabagong-anyo ng AI ay nangangailangan ng tatlong-layer na kakayahan:

layer

sino

Ano ang kailangan nito

dalubhasa

Data scientist, ML engineer

Modelo, data, lalim ng imprastraktura

tagasalin

Analyst ng produkto/negosyo

Ginagawang AI solution ang problema sa negosyo

Gumagamit

Lahat ng empleyado

Paggamit ng mga sasakyan nang ligtas, mabisa at responsable

Ang kritikal at madalas na hindi napapansin na layer ay kitang-kita: ang AI ​​translator ay ang taong nagsasalin ng wika ng negosyo sa teknikal na wika at vice versa, na bumubuo ng tulay ng "kung aling problema sa negosyo ang nalutas sa pamamagitan ng kung aling solusyon ng AI." Ang pinakamahal na mga pagkabigo ay kadalasang sanhi hindi ng kakulangan ng mga eksperto, ngunit ng kakulangan ng mga tagapagsalin: ang teknikal na koponan ay gumagawa ng perpektong modelo ngunit para sa maling problema.

Tip: Kapag nagbabadyet para sa talento ng AI, isaalang-alang hindi lamang ang mga eksperto, kundi pati na rin ang papel ng mga tagasalin at ang pangunahing kaalaman ng lahat ng empleyado. Karamihan sa mga institusyon ay namumuhunan nang labis sa mga eksperto at napakaliit sa mga tagasalin at mass literacy; Gayunpaman, karaniwang ang huling dalawa ang nagla-lock sa halaga.

Mga modelo ng organisasyon

Maaaring ayusin ang talento ng AI sa negosyo sa tatlong pangunahing paraan:

  • Sentralisado: Lahat ng mga eksperto sa AI sa isang koponan. Kalamangan: lalim, pagkakapare-pareho. Disadvantage: detatsment mula sa trabaho.
  • Naipamahagi: Ang mga eksperto ay naka-embed sa mga unit ng negosyo. Kalamangan: kalapitan, bilis. Disadvantage: hindi pagkakapare-pareho, pag-uulit.
  • Hub-and-spoke: Isang sentral na Center of Excellence (CoE; core team na tumutukoy at nagpapalaganap ng mga pamantayan, tool at pinakamahuhusay na kagawian) + mga practitioner na naka-embed sa mga unit ng negosyo. Ang pinakabalanseng modelo para sa karamihan sa mga mid-to-large na organisasyon.

CoE; nagbibigay ng mga karaniwang tool, mga pamantayan sa kaligtasan, pagsasanay, at mga bahaging magagamit muli; Ang mga yunit ng negosyo ay namamahala sa kanilang sariling mga lugar ng paggamit. Ang modelong ito ay nagpapanatili ng pare-pareho at pagiging malapit.

Bumuo, bumili, kasosyo

Mayroong tatlong paraan upang isara ang agwat ng mga kasanayan, kadalasan lahat ng tatlo:

  • Bumuo: Sanayin ang mga kasalukuyang empleyado. Pinaka sustainable ngunit pinakamabagal.
  • Mag-hire (bumili): Mag-hire ng mga eksperto sa labas. Mabilis ngunit mahal at mapagkumpitensya.
  • Kasosyo: Makipagtulungan sa consultant/supplier. Mabilis na pagsisimula ngunit panganib ng pagkagumon.

Matalinong diskarte: magsanay/mag-hire ng mga kritikal at permanenteng kakayahan, matugunan ang mga pansamantala o napaka-espesipikong pangangailangan sa pakikipagsosyo.

Hakbang sa hakbang: pagtatatag ng diskarte sa kakayahan

1. Mapa ang agwat sa kakayahan. Nasaan tayo sa tatlong layer (eksperto, tagasalin, gumagamit), saan tayo dapat pumunta?

2. Piliin ang iyong modelo ng organisasyon. Sentralisado, ibinahagi o hub-and-spoke; ang angkop para sa institusyon.

3. Itatag ang balanse ng build-buy-partner. Tukuyin ang pinakamainam na landas para sa bawat puwang.

4. Magsimula ng isang di-pormal na programa sa literasiya. Basic, ligtas, responsableng pagsasanay sa paggamit para sa lahat ng empleyado.

5. Alagaan ang pagpapanatili at kultura. Ang pag-akit ng talento ay hindi sapat; Manatili nang may makabuluhang trabaho, pag-aaral at kultura.

tatlong mini case

Kaso 1 — Puwang ng tagasalin. Ang isang pang-industriyang kumpanya ay kumuha ng tatlong mamahaling data scientist, ngunit walang mga tungkulin sa tagasalin upang tulay ang mga yunit ng negosyo. Ang mga eksperto ay gumawa ng mga proyekto na teknikal na kahanga-hanga ngunit walang kabuluhan sa negosyo; Walang tangible value na lumabas sa isang taon. Nang italaga ang dalawang "AI translator" (mga bihasang analyst ng negosyo), ang parehong mga eksperto ay nagbigay ng tatlong mahahalagang kaso ng paggamit sa loob ng 6 na buwan. Ang puwang ay hindi sa kadalubhasaan, ngunit sa tulay.

Case 2 — Consistency ng CoE. Sa isang conglomerate, ang bawat kumpanya ay gumagamit ng sarili nitong AI tool na may sarili nitong mga panuntunan: umuulit na gastos, hindi pantay na seguridad. Kapag naitatag na ang isang Center of Excellence at ang mga karaniwang kasangkapan, mga pamantayan at pagsasanay ay ibinigay; Bumaba ng 30% ang mga gastos sa lisensya, naging pare-pareho ang seguridad, at mabilis na kumalat sa susunod ang natutunan ng isang kumpanya.

Kaso 3 — Ang epekto ng malawakang literasiya. Iniwan ng isang kumpanya ng serbisyo ang AI sa isang pangkat lamang ng mga eksperto; Ang 300 empleyado sa larangan ay gumamit ng mga tool alinman sa hindi lahat o mali (sa paglabag sa pagiging kompidensyal). Ang kumpanya ay naglunsad ng isang basic literacy program (3 oras ng ligtas na pagsasanay sa paggamit para sa lahat); Parehong tumaas ang ligtas na paggamit at dose-dosenang mahahalagang ideya sa paggamit ang nagmula sa larangan. Ang halaga ay wala sa mga eksperto, ngunit sa karampatang karamihan.

Apat na maaaring kopyahin na mga template

1) Mapa ng agwat ng kakayahan:

Ang iyong tungkulin: AI talent consultant. Suriin ang aming organisasyon sa tatlong layer: expert (data/ML), translator (business-technical bridge), user (lahat ng empleyado). Sumulat ng mga tipikal na gaps at priority action para sa bawat layer. Konteksto: [teksto]

2) Mungkahi ng modelo ng organisasyon:

Ihambing ang mga sentralisado, distributed, at hub-and-spoke na mga modelo para sa [laki at istraktura ng organisasyon]. Isulat kung alin ang inirerekomenda mo para sa aming sitwasyon at bakit, at anong mga responsibilidad ang gagawin ng Center of Excellence.

3) Desisyon ng Build-buy-partner:

Para sa bawat isa sa mga sumusunod na gaps sa kakayahan [listahan], sumulat ng katwiran kung alin sa mga opsyon sa tren/hire/partner ang iyong inirerekomenda. Ihiwalay ang matatag at kritikal na kakayahan mula sa mga pansamantalang pangangailangan.

4) Non-formal literacy program:

Maghanda ng 3-oras na "ligtas at epektibong paggamit ng artificial intelligence" na draft ng pagsasanay para sa mga hindi teknikal na empleyado: mga pangunahing konsepto, tama/maling paggamit, privacy at pagpapatunay, praktikal na mga halimbawa. Ibigay ang pamagat at tagal ng modyul ayon sa modyul.

Mahinang prompt / Malakas na prompt

Mahina: "Anong uri ng koponan ang dapat kong buuin para sa AI?"
Resulta: Isang pangkalahatang listahan ng mga tungkulin; bulag sa laki, kapanahunan at gaps ng institusyon.
Strong: "Kami ay isang 500-empleyado, tatlong-negosyo na kumpanya sa pagmamanupaktura; mayroon kaming mababang maturity, walang data scientist, ngunit malakas na analyst ng negosyo. Magmungkahi ng isang modelong pang-organisasyon para sa AI (sentralisado/ibinahagi/hub-and-spoke), isang balanse ng make-buy-partner upang isara ang aming agwat sa kakayahan sa bawat layer (eksperto/translator/user na may malawak na plano sa darating na taon).
Resulta: Isang organisasyon-specific, layered, realistic at naaangkop na diskarte sa talento.

Mga karaniwang pagkakamali

  • Namumuhunan lamang sa mga eksperto. Kung walang mga tagasalin at malawakang literasiya, hindi makakagawa ng halaga ang mga eksperto.
  • Nilaktawan ang tungkulin ng tagasalin. Kung walang tulay sa pagitan ng negosyo at diskarte, kahit na ang pinakamahusay na eksperto ay gagawa sa maling problema.
  • Ang pagpapabaya sa malawakang literasiya. Ang hindi pinag-aralan na karamihan ay hindi gumagamit ng sasakyan o ginagamit ito sa panganib.
  • Umaasa lang sa pagre-recruit. Ang pagbili ng pag-aanak nang walang pag-aanak ay mahal, marupok at hindi napapanatiling.
  • Nakakalimutan ang tungkol sa kultura at pagpapanatili. Kung hindi ka nakakaakit ng talento at naghahatid ng makabuluhang trabaho at pag-aaral, mabilis kang matatalo.
Babala: Maaaring magmungkahi ang AI ng tsart ng organisasyon o balangkas ng pagsasanay; Ngunit ang tao ang magpapasya kung aling modelo ang akma sa kultura at realidad ng institusyon, ang gaganap kung aling papel, at ang dynamics ng pagpapanatili. Ang mga desisyon ng human resource ay may mataas na epekto at hindi maaaring ipaubaya sa isang algorithm lamang.

Sa buod

Ang pinakakaraniwang bottleneck ng AI transformation ay hindi teknolohiya kundi kakayahan at organisasyon. Ang kakayahan ay tatlong-layered: eksperto, tagasalin at gumagamit; Ang pinaka-madalas na nilaktawan at value-locking layer ay ang malawakang literacy sa tagasalin. Ang organisasyon ay maaaring sentralisado, ipamahagi o hub-and-spoke (isang Center of Excellence + embedded practitioner); Para sa karamihan ng mga organisasyon, ang huli ay balanse. Isara ang mga puwang sa isang halo ng tren, recruit at partner; Panatilihin ang mga kritikal at matatag na kakayahan. Sa susunod na yunit, tatalakayin natin kung paano matalinong bumili ng mga outsourced na solusyon sa AI.

Gawain ng aplikasyon

Suriin ang iyong organisasyon sa tatlong layer (eksperto, tagasalin, user) at isulat ang pinakamalaking puwang sa bawat layer. 2. Tukuyin ang modelo ng organisasyon na nababagay sa iyo gamit ang template. Sumulat ng mga dahilan para sa iyong mga desisyon sa tren/pag-upa/kasosyo para sa dalawang pinakamahalagang bakante. Panghuli, balangkasin ang mga pangunahing paksa ng isang di-pormal na programa sa literasiya para sa lahat ng empleyado.

checklist

  • [ ] Na-map ko ang agwat ng kakayahan sa tatlong layer.
  • [ ] Sinuri ko kung umiiral ang tungkulin ng Tagapagsalin.
  • [ ] Pumili ako ng modelong pang-organisasyon na angkop para sa institusyon.
  • [ ] Gumawa ako ng build-buy-partner na desisyon para sa bawat bakante.
  • [ ] Pinlano ko ang non-formal literacy program.
  • [ ] Isinama ko ang pagpapanatili at kultura sa diskarte.
  • [ ] Hindi ko iniwan ang mga desisyon ng human resources sa algorithm lamang.
Nakaraang Susunod