Pamamahala ng Pagbabago at Pag-ampon

Mga nadagdag:

• Kakayahang maunawaan na ang pagbabago ng artificial intelligence ay madalas na nabigo para sa mga kadahilanang pantao at kultura, hindi teknikal, at kilalanin ang mga alalahanin na pinagbabatayan ng paglaban.
• Kakayahang mapabilis ang pag-aampon sa isang nakakahimok na kwentong 'bakit', nakikitang pamumuno at isang network ng mga kampeon
• Kakayahang pamahalaan ang pagbabago bilang pagpapatuloy, hindi isang beses na anunsyo, sa pamamagitan ng pagsukat ng pag-aampon gamit ang mga sukatan at pag-aalis ng mga hadlang

Ang malupit na katotohanan ng isang pagbabagong AI ay ito: ang diskarte, teknolohiya at badyet ay maaaring maging perpekto; Ngunit kung hindi niyayakap ng mga tao ang pagbabago, walang kabuluhan ang lahat. Patuloy na ipinapakita ng pananaliksik na ang karamihan sa kabiguan ng mga inisyatiba ng artificial intelligence ay hindi teknikal, ngunit tao at kultural. Sa panghuling yunit na ito, matututunan mo kung paano maaaring magsagawa ng pamamahala ng pagbabago ang isang senior manager (ang disiplina ng sistematikong pamamahala sa paglipat ng mga tao sa isang bagong paraan ng pagtatrabaho) upang gawing tunay na pag-aampon ang AI transformation (ang aktwal at patuloy na paggamit ng isang inobasyon ng mga tao). Ang layunin ay hindi i-install ang teknolohiya; ay upang matiyak na ginagamit ito ng mga tao nang ligtas, kusa at tama.

Bakit lumalaban ang mga tao?

Ang paglaban ay kadalasang hindi katangahan o katigasan ng ulo, ngunit naiintindihan na mga alalahanin: takot sa seguridad sa trabaho (“kunin ba ng AI ang trabaho ko?”), pagkabalisa sa kakayahan (“Hindi ko ito matutunan”), kawalan ng kumpiyansa (“Hindi ko mapagkakatiwalaan ang output nito”), at pagkawala ng kahulugan (“bakit kailangan nating magbago?”). Ang pagwawalang-bahala sa mga alalahaning ito ay nagpapalaki ng paglaban; Ang pagkilala sa kanila nang hayagan ay nagpapabilis ng pag-aampon.

pagkabalisa

pinagbabatayan na tanong

Tugon ng administrator

seguridad sa trabaho

Mawawalan ba ako ng trabaho?

Ipaliwanag nang malinaw kung paano pagyayamanin ang tungkulin

kakayahan

Maaari ko bang matutunan ito?

Pagsasanay, suporta, ligtas na lugar ng pagsubok

magtiwala

Maaari ba akong magtiwala sa output?

Ituro ang mga hangganan, pagpapatunay

Ibig sabihin

Bakit ako magbabago?

Ipaliwanag ang "bakit" nang nakakumbinsi

Tip: I-frame ang pagbabago hindi bilang "ang artificial intelligence ay pinapalitan ang mga tao" ngunit bilang "ang artificial intelligence ay nagpapadali sa mga trabaho ng mga tao, pumasa sa nakakainip na bahagi, na nag-iiwan sa mga tao na gumawa ng mas mahalagang gawain." Ang pag-frame na ito ng parehong katotohanan ay pinapalitan ang takot ng kuryusidad.

Mga pangunahing hakbang ng pamamahala ng pagbabago

Ang kakanyahan ng mga klasikal na modelo ng pagbabago (hal. Mga hakbang ni Kotter) na inangkop sa artificial intelligence:

1. Lumikha ng madalian at dahilan. Bakit ngayon, bakit tayo? Isang nakakahimok na kwento.
2. Ipakita ang nakikitang pamumuno. Dapat gamitin ng nangungunang pamamahala ang tool mismo; hindi sa pamamagitan ng retorika kundi sa pamamagitan ng halimbawa.
3. Gawing nakikita ang maagang mga kita. Ipagdiwang at ikalat ang balita tungkol sa maliliit ngunit tunay na tagumpay.
4. Turuan at suportahan. Kakayahan at ligtas na lugar ng pagsubok para sa lahat.
5. Lumikha ng mga kampeon. Isama ang boluntaryo, masigasig na mga kampeon sa pagbabago sa bawat koponan.
6. Gawin itong permanente. I-embed ang bagong gawi sa mga proseso, layunin, at kultura.

Hakbang sa hakbang: plano sa pag-aampon

1. Mapa ang mga stakeholder at alalahanin. Sino ang apektado, anong alalahanin?

2. Magbigay ng nakakahimok na "bakit." Buuin ang kwento ng pagbabago sa wika ng mga tao.

3. Magpakita ng pamumuno sa pamamagitan ng halimbawa. Hayaang gamitin ng mga administrator ang tool na nakikita.

4. Bumuo ng isang network ng edukasyon at mga kampeon. Bigyan ng kapangyarihan, bigyang kapangyarihan ang mga boluntaryong pioneer.

5. Sukatin, makinig, ayusin. Sukatin ang rate ng pag-aampon, mangolekta ng feedback, alisin ang mga hadlang.

tatlong mini case

Kaso 1 — Binalewala ang takot. Ang isang accounting firm ay nagpahayag ng AI tool nito "para sa kahusayan" ngunit hindi kailanman natugunan ang mga takot ng mga empleyado sa seguridad sa trabaho. Kumalat ang salita, tahimik na sinabotahe ng koponan ang tool, nanatili ang pag-aampon sa 20%. Ang pamunuan ay umatras at nagsagawa ng bukas na pagpupulong, na nagpapaliwanag na walang matatanggal sa trabaho at ang middleman ang kukuha sa nakakainip na trabaho at ilipat ang lahat sa pagkonsulta. Sa 3 buwan, tumaas ang pag-aampon sa 75%. Ang pakikipag-usap tungkol sa takot ay ang solusyon.

Kaso 2 — Halimbawa sa pamumuno. Ang CEO ng isang kumpanya ng teknolohiya ay gumamit ng tool sa AI sa publiko habang inihahanda ang kanyang sariling lingguhang ulat at ibinahagi din ang kanyang mga pagkakamali ("tingnan, nagkamali siya dito, inayos ko ito"). Ang nakikitang pamunuan na ito ay nagpadala ng mensahe na "kung ginagamit ito ng boss, ito ay seryoso" at ipinakita na ang pag-verify ay normal. Mabilis na kumalat ang pag-ampon, nang walang anumang pushback.

Kaso 3 — Ang kapangyarihan ng network ng kampeon. Isang retailer ang pumili ng isang boluntaryong "AI champion" mula sa bawat tindahan; Ang mga taong ito ay binigyan ng karagdagang pagsasanay at itinalaga ang gawain ng pagtulong sa kanilang mga kasamahan nang isa-isa. Ang pag-aaral mula sa isang kaibigan na gumagawa ng parehong trabaho sa halip na isang remote na pangkat ng pagsasanay ay nagpabilis ng pag-aampon ng 3x. Ang pinakaepektibong guro ay ang masigasig na kasamahan sa kalapit na mesa.

Apat na maaaring kopyahin na mga template

1) Stakeholder at mapa ng alalahanin:

Ang iyong tungkulin: consultant sa pamamahala ng pagbabago. Ilista ang mga grupo ng stakeholder na apektado ng inisyatiba ng AI na ito at tukuyin ang pangunahing alalahanin na maaaring mayroon ang bawat grupo (seguridad sa trabaho, kakayahan, tiwala, kahulugan). Sumulat ng pagbati para sa bawat alalahanin. Inisyatiba: [teksto]

2) Ang kwentong "bakit":

Bumuo ng nakakahimok na kwentong "bakit ngayon, bakit tayo" para sabihin sa mga nagtatrabaho sa AI shift na ito. Palitan ang takot ng kuryusidad; Bigyang-diin na ang tool ang pumalit sa nakakainip na gawain at iniiwan ang tao sa mas mahalagang gawain. Baguhin: [teksto]

3) Champion program:

Magdisenyo ng programang "kampeon" na magpapabilis sa pag-ampon ng AI sa mga koponan: paano pinipili ang mga kampeon, anong pagsasanay ang kanilang natatanggap, anong gawain ang kanilang ginagawa, paano sila nauudyok? Sumulat ng isang maikli at naaaksyunan na plano.

4) Plano sa pagsukat ng pag-ampon:

Magmungkahi ng mga sukatan para sa pagsukat ng paggamit ng isang AI tool: aktibong rate ng paggamit, dalas ng paggamit, kasiyahan ng user, feedback sa hadlang. Para sa bawat sukatan, isulat kung paano ito kokolektahin at kung anong threshold ang maituturing na "malusog."

Mahinang prompt / Malakas na prompt

Mahina: "Ano ang dapat kong gawin para magamit ng mga tao ang AI?"

Konklusyon: Pangkalahatang "edukasyon, makipag-usap" na mga rekomendasyon; hindi nakikita ang mga alalahanin at konteksto.

Strong: "Nag-deploy kami ng AI support tool sa isang call center na may 150 tao. Malaki ang takot sa seguridad sa trabaho sa team. Gumawa ng adoption plan na partikular sa sitwasyong ito: paano ko tutugunan ang mga alalahanin ng stakeholder, ano dapat ang nakakahimok na 'bakit' na kuwento na sasabihin ko sa mga empleyado, paano ako magse-set up ng champion program, at anong mga sukatan ang sinusukat ko sa pag-aampon? Ilista ang mga hakbang para sa unang 90 araw."

Resulta: Isang naaaksyunan na plano sa pag-aampon na may story-champion-measurement na nakabatay sa konteksto at tunay na alalahanin.

Mga karaniwang pagkakamali

• Nilalaktawan ang dimensyon ng tao. Ang pagtutuon sa teknolohiya at pagwawalang-bahala sa mga pangamba at alalahanin ang pinakakaraniwang dahilan ng pagkabigo.
• Hindi nagsasalita tungkol sa takot. Kapag ang pagkabalisa tungkol sa seguridad sa trabaho ay pinigilan, ito ay nagbabalik bilang silent sabotage; tugunan ito ng malinaw.
• Kakulangan ng pamumuno sa pamamagitan ng halimbawa. Ang administrador na nagsasabing "Ginamit mo ito" ngunit hindi ito ginagamit mismo ay pinabulaanan ang kanyang mensahe.
• Komunikasyon mula sa itaas lamang. Ang pinakamabisang pagtuturo ay nagmumula sa isang malapit na kasamahan (ang kampeon), hindi mula sa isang malayong pangkat.
• Hindi sinusukat ang pag-aampon. Isang institusyon na hindi nasusukat kung ito ay ginagamit o hindi ay hindi nakikita ang mga balakid.

Pansin: Ang pamamahala sa pagbabago ay hindi isang beses na anunsyo, ngunit isang proseso na nangangailangan ng pagpapatuloy. Maaaring magmungkahi sa iyo ang AI ng plano sa pag-aampon o text ng contact; Ngunit ang pakikinig sa mga tunay na alalahanin ng mga tao, pagbuo ng tiwala, at pamumuno sa pamamagitan ng halimbawa ay maaari lamang mangyari sa pamamagitan ng pamumuno ng tao. Gayundin, maging tapat: ang paghahanda sa mga tao para sa mga bagong tungkulin ay parehong etikal at mas napapanatiling, sa halip na itago ang mga sitwasyon kung saan aktwal na papalitan ng AI ang ilang mga tungkulin.

Sa buod

Ang mga pagbabago sa AI ay madalas na nabigo para sa mga kadahilanang pantao at kultura, hindi mga teknikal. Paglaban; Ang seguridad sa trabaho ay nagmumula sa mga alalahanin ng kakayahan, tiwala, at kahulugan, at nareresolba sa pamamagitan ng hayagang pagtugon sa mga alalahaning ito, hindi sa pamamagitan ng pagwawalang-bahala sa mga ito. Ang matagumpay na pamamahala sa pagbabago ay nagsasabi ng isang nakakahimok na "bakit," nangunguna sa pamamagitan ng halimbawa na may nakikitang pamumuno, nagdiriwang ng mga maagang panalo, tinuturuan ang lahat, bumuo ng isang network ng mga kampeon, at na-embed ang bagong pag-uugali sa kultura. Dapat sukatin, pakinggan, at alisin ang mga hadlang. Sa panahon ng modyul na ito; Mula sa vision hanggang roadmap, mula sa use case prioritization hanggang sa ROI at risk, governance, ethics, compliance, talent and procurement, naitatag namin ang framework na kailangan ng manager para pamahalaan ang AI ​​transformation end-to-end at responsable. Ang teknolohiya ay ang kasangkapan; diskarte, pamamahala at pamumuno ng mga tao ang tunay na pagkakaiba.

Gawain ng aplikasyon

Pumili ng isang inisyatiba ng AI at imapa ang mga alalahanin ng mga apektadong stakeholder na may template 1. 2. mag-draft ng isang nakakahimok na kuwentong "bakit" upang sabihin sa mga empleyado na may template; Tiyaking matapat na tugunan ang mga alalahanin sa seguridad sa trabaho. Isulat ang tatlong hakbang ng isang kampeon na programa at dalawang sukatan kung saan mo susukatin ang pag-aampon. Panghuli, "paano ko magagamit ang tool na ito bilang isang pinuno?" Magbigay ng konkretong sagot sa tanong.

checklist

• [ ] Minapa ko ang mga apektadong stakeholder at ang kanilang mga alalahanin.
• [ ] Matapat kong tinugunan ang alalahanin sa seguridad sa trabaho.
• [ ] Gumawa ako ng nakakahimok na kwentong "bakit".
• [ ] Nagplano akong manguna sa pamamagitan ng halimbawa.
• [ ] Nagdisenyo ako ng isang kampeon na network.
• [ ] Tinukoy ko ang mga sukatan upang sukatin ang pag-aampon.
• [ ] Pinlano ko ang pagbabago bilang isang pagpapatuloy, hindi bilang isang beses na anunsyo.

Pagsusulit sa Module

1. Alin sa mga sumusunod ang tunay na tungkulin ng isang senior manager sa artificial intelligence?

• A) Pagbibigay ng direksyon, paglalaan ng mga mapagkukunan, pagguhit ng mga limitasyon sa panganib at pagtanggap ng responsibilidad ✔
• B) Personal na pagpili at pag-coding ng arkitektura at algorithm ng modelo
• C) Ganap na ibigay ang artificial intelligence sa pangkat ng teknolohiya at hintayin ang mga resulta
• D) Pagpapahintulot sa bawat departamento na malayang subukan ang sarili nitong kasangkapan.

Paliwanag: Ang trabaho ng administrator ay hindi magsanay ng mga modelo o magsulat ng code; Pagbibigay ng direksyon, paglalaan ng mga mapagkukunan, pagguhit ng mga limitasyon sa panganib at pagtanggap ng pananagutan. Niresolba ng technical team ang tanong na 'paano', nilulutas ng manager ang mga tanong na 'bakit, kailan, hanggang sa anong limitasyon at sino ang responsable'. Ang artificial intelligence ay hindi isang proyekto sa teknolohiya, ngunit isang isyu sa pagbabago ng negosyo, at ang pagmamay-ari ay dapat nasa panig ng negosyo.

2. Ano ang pangunahing tampok na nagpapakilala sa isang magandang AI vision mula sa isang walang laman na slogan?

• A) Naglalaman ng pangalan ng pinakabagong teknolohiya
• B) Depende ito sa resulta ng negosyo, masusukat at may time horizon ✔
• C) Maging mapilit at pangkalahatan hangga't maaari
• D) Katulad ng pananaw ng mga kakumpitensya

Paliwanag: Ang isang magandang pananaw ay nakatali sa resulta ng negosyo (hindi teknolohiya), nasusukat, at may abot-tanaw ng oras. 'We will be leaders in AI' is immeasurable and not include business results; 'Hahahatiin namin ang unang oras ng pagtugon at bawasan ang gastos ng 15% sa tatlong taon' ay kongkreto, nasusukat at may abot-tanaw ng oras. Kapag inalis mo ang salitang 'artipisyal na katalinuhan' mula sa pangitain, dapat kang magkaroon ng isang makabuluhang layunin sa negosyo.

3. Ano ang mga dimensyon na namumukod-tangi bilang hindi nakikitang mga kinakailangan para sa karamihan ng mga institusyon sa pagtatasa ng maturity ng artificial intelligence at hindi dapat ipuhunan kapag sila ay mahina?

• A) Marketing at mga sukat ng tatak lamang
• B) Tanging hardware at imprastraktura ng opisina
• C) Data at pamamahala ✔
• D) Pagsusuri at pagpepresyo ng kakumpitensya

Paglalarawan: Ang maturity ay sinusukat sa limang dimensyon (diskarte, data, teknolohiya, talento, pamamahala). Ang data at pamamahala ay kadalasang hindi nakikitang mga kinakailangan: ang pagbuo ng isang mamahaling modelo kapag ang data ay magulo at hindi maganda ang kalidad ay parang pagbili ng istante sa isang walang laman na bodega; Kung walang pamamahala, tahimik na naipon ang panganib. Iyon ang dahilan kung bakit ang mga gaps ay isinara sa pagkakasunud-sunod ng dependency, at ang data at pamamahala ay karaniwang priyoridad.

4. Ano ang tamang diskarte para sa isang use case sa 'high value + low applicability' na rehiyon ng value/applicability matrix?

• A) Kaagad na i-deploy sa buong sukat
• B) Pagsuko nang lubusan dahil ito ay walang halaga
• C) Ginagawa ito sa bakanteng oras bilang mababang priority filler work
• D) Pagpaplano bilang isang malaking taya at pagtatatag ng mga kinakailangan nito, samantala sumusulong na may mabilis na mga pakinabang ✔

Paglalarawan: Ang lugar na ito ay tinatawag na 'malaking taya': ito ay may mataas na halaga ngunit hindi maaaring gawin kaagad dahil sa data, pagsasama o teknikal na kahirapan. Ang tamang diskarte ay ang planuhin ito at itatag ang mga kinakailangan nito (imprastraktura ng data, pagsasama); Ang pagsisid sa bulag ay nangangahulugan ng mga buwan ng walang kwentang paggawa. Samantala, may 'mabilis na panalo' (mataas na halaga + mataas na posibilidad) ang momentum ay nilikha at ang malaking taya na ito ay pinondohan.

5. Upang patunayan ang halaga ng isang pilot ng AI, ano ang pinakamahalagang bagay na dapat gawin bago magsimula?

• A) Tukuyin ang sukatan ng tagumpay at sukatin ang baseline ng kasalukuyang sitwasyon ✔
• B) Pagbili ng pinakamahal na sasakyan na posible
• C) Pagbubukas ng piloto sa buong institusyon sa parehong oras
• D) Pag-uulat ng mga resulta na may hula pagkatapos ng piloto

Paliwanag: Ang baseline ay isang pagsukat ng kasalukuyang sitwasyon bago ang pagpapabuti. Kung walang baseline, hindi mapapatunayan ang pag-aangkin na tayo ay 'improved'; 'magkano ang napabuti?' sa pagpapasya sa scaling. Hindi masasagot ang tanong. Samakatuwid, bago magsimula ang pilot, dapat tukuyin ang sukatan ng tagumpay at ang kasalukuyang sitwasyon ay dapat masukat sa mga numero. Hindi mo maaaring pamahalaan at ipagtanggol ang halaga na hindi mo masusukat.

6. Aling mga item sa gastos ang pinakamadalas na napapansin ng mga institusyon sa pagkalkula ng artificial intelligence ROI at nagiging dahilan upang isipin nila na kumikita ang proyekto?

• A) Pangkalahatang gastos lamang tulad ng upa sa opisina at kuryente
• B) Mga nakatagong gastos tulad ng pagsasama, patuloy na pangangasiwa ng tao at pagpapanatili ✔
• C) Badyet sa marketing at advertising lamang
• D) Wala; Ang bayad sa lisensya ay ang tanging tunay na halaga

Paliwanag: Karaniwang binibilang lamang ng mga institusyon ang bayad sa lisensya/paggamit; samantalang sa AI, ang mga nakatagong gastos sa pangkalahatan ay pagsasama, paghahanda ng data, patuloy na pagsubaybay ng tao, pagpapanatili at pamamahala ng pagbabago, at ang mga ito ay kadalasang mas malaki kaysa sa paglilisensya. Kapag ang mga item na ito ay tinanggal, ang isang proyekto na inaakalang 'kumikita' ay maaaring aktwal na gumagana nang lugi. Bilang karagdagan, sa panig ng benepisyo, dapat itong tanungin kung ang oras na natipid ay talagang nagiging halaga.

7. Ano ang ibig sabihin ng 'model drift' sa mga panganib sa AI at bakit ito nangangailangan ng patuloy na pagsubaybay?

• A) Paglipat ng modelo sa pagitan ng mga pisikal na server
• B) Ang bayad sa lisensya ng modelo ay tumataas sa paglipas ng panahon
• C) Tahimik na bumababa ang pagganap ng modelo sa paglipas ng panahon habang nagbabago ang mundo ✔
• D) Ang output ng modelo ay palaging nananatiling pareho

Paliwanag: Ang pag-anod ng modelo ay kapag naubos ang modelo at tahimik na bumababa ang pagganap nito habang nagbabago ang mundo (mga bagong produkto, bagong gawi, bagong pattern ng panloloko). Ang isang modelo na mahusay na gumagana nang isang beses ay hindi gumagana nang maayos magpakailanman; Iyon ang dahilan kung bakit mahalaga ang regular na pagsubaybay sa pagganap. Halimbawa, ang isang pattern ng pandaraya ay maaaring tahimik na humina sa harap ng isang bagong pattern, at nang hindi sinusubaybayan ang pagkawala ay lumalaki nang husto.

8. Ano ang tamang diskarte kapag nagdidisenyo ng mga proseso ng pag-apruba sa pamamahala ng AI?

• A) Pagsasailalim sa bawat inisyatiba ng artificial intelligence sa parehong mabigat na pag-apruba, anuman ang panganib nito
• B) Pag-apruba ng tiering ayon sa antas ng panganib: mabilis na mababa ang panganib, mahigpit na kontrol sa mataas na panganib ✔
• C) Pagbibigay ng ganap na kalayaan sa mga koponan nang walang anumang proseso ng pag-apruba
• D) Iniiwan lamang ang lahat ng pag-apruba sa pangkat ng teknolohiya

Paglalarawan: Binabalanse ng mabuting pamamahala ang bilis, seguridad at pagkakapare-pareho. Ang paglalapat ng parehong mabigat na pag-apruba sa bawat trabaho (kahit na mababa ang panganib) ay nagtutulak sa mga koponan sa paggamit ng anino; Walang pag-apruba na nag-iipon ng panganib. Ang tamang diskarte ay ang pag-apruba sa layer ayon sa antas ng panganib: ang trabahong mababa ang panganib ay dapat dumaloy nang mabilis, ang trabahong may mataas na peligro lamang ang dapat sumailalim sa mabigat na pagsusuri. Kaya, ang parehong bilis at kontrol ay pinananatili.

9. Alin ang totoo tungkol sa kaugnayan sa pagitan ng etika at pagsunod sa batas?

• A) Ang etika at legal na pagsunod ay pareho; Kung ano ang nakakatugon sa isa ay nakakatugon din sa isa.
• B) Ang legal na pagsunod ay isang mas mataas na linya kaysa sa etika
• C) Ang legal na pagsunod ay ang pinakamababa; ang etika ay mas mataas na linya at hindi lahat ng legal ay maaaring etikal ✔
• D) Mahalaga lamang ang etika kapag nag-iiwan ng puwang ang batas

Paglalarawan: Ang legal na pagsunod ay ang pinakamababa; Ang etika ay isang mas mataas na linya. Ang isang bagay ay maaaring legal ngunit hindi etikal; Halimbawa, maaaring hindi ipinagbabawal ang feature na artificial intelligence na nagmamanipula ng gawi ng user, ngunit ito ay hindi etikal. Mga responsableng institusyon 'bawal ba?' Hindi 'Totoo ba?' tanong niya. Ang etika ay hindi maaaring iwanan hanggang sa wakas; dapat na naka-embed sa disenyo mula sa simula.

10. Ano ang pangunahing pamantayan para sa isang sistema na ituring na 'mataas na panganib' sa EU AI Law?

• A) Gaano kamahal ang sistema
• B) Ilang user ang mayroon ang system
• C) Saang bansa binuo ang sistema?
• D) Direktang nakakaapekto ang sistema sa mga pangunahing karapatan, seguridad o pagkakataon sa buhay ng mga tao ✔

Paglalarawan: Ang EU AI Law ay nagtatatag ng lohika na nakabatay sa panganib. Ang isang high-risk system ay isa na direktang makakaapekto sa mga pangunahing karapatan, kaligtasan o mga pagkakataon sa buhay ng mga tao (mga trabaho, kredito, edukasyon, kalusugan). Ang pamamahala sa peligro, kalidad at walang pinapanigan na data, pangangasiwa ng tao, dokumentasyon, pag-iingat ng rekord at transparency ay mahalaga para sa mga sistemang ito. 'Kasali ba ang sistemang ito sa isang desisyon na nakakaapekto sa trabaho, pera, kalusugan o kalayaan ng isang tao?' Ang tanong ay isang magandang paunang tagapagpahiwatig.

11. Bakit isa sa mga pinaka-mapanganib at madalas na paglabag sa KVKK para sa isang empleyado na i-paste ang personal na data ng customer sa isang magagamit na publiko, dayuhang tool na artificial intelligence?

• A) Dahil lamang sa nagiging sanhi ito ng mabagal na pagtakbo ng sasakyan
• B) Dahil madalas itong nangangahulugan ng hindi awtorisadong paglilipat ng data sa ibang bansa at hindi sinasadyang pagproseso ✔
• C) Dahil lamang ang sasakyan ay binabayaran
• D) Sa totoo lang, hindi ito nagdadala ng anumang mga panganib, ito ay ganap na ligtas.

Paliwanag: Ang pagkilos na ito ay kadalasang nangangahulugan ng parehong 'paglipat ng data sa ibang bansa' (napapailalim sa mga espesyal na panuntunan) at 'hindi sinasadyang pagpoproseso' (ginagamit ang data para sa mga layunin maliban sa layunin kung saan ito nakolekta) at kadalasang ginagawa nang walang wastong legal na batayan at paglilinaw. Lumilikha ito ng malubhang panganib ng paglabag at administratibong multa sa mga tuntunin ng KVKK; Samakatuwid, mahalaga ang isang katanggap-tanggap na patakaran sa paggamit at mga tool ng kumpanya na hindi naglalabas ng data.

12. Ano ang layunin ng papel na 'tagapagsalin', na siyang pinaka-madalas na hindi napapansin at nakakapag-lock ng halaga na tungkulin sa kakayahan ng artificial intelligence?

• A) Pagsasalin lamang ng mga dokumento sa wikang banyaga
• B) Pamamahala ng mga server at database
• C) Ang pagiging taong nagpapabago sa problema sa negosyo sa isang artipisyal na solusyon sa katalinuhan at bumubuo ng tulay sa pagitan ng negosyo at teknolohiya ✔
• D) Magbigay ng pangunahing pagsasanay sa sasakyan sa mga empleyado lamang

Paglalarawan: Ang isang artificial intelligence translator (AI translator) ay isang taong nagsasalin ng wika ng negosyo sa teknikal na wika at vice versa, na bumubuo ng tulay ng 'kung aling problema sa negosyo ang malulutas sa pamamagitan ng kung aling solusyon ng artificial intelligence'. Ang pinakamahal na mga pagkabigo ay kadalasang sanhi hindi ng kakulangan ng mga eksperto kundi ng kakulangan ng mga tagapagsalin: ang teknikal na koponan ay gumagawa ng perpektong modelo ngunit para sa maling problema. Masyadong malaki ang pamumuhunan ng mga institusyon sa mga eksperto at napakaliit sa mga tagasalin at mass literacy; Gayunpaman, karaniwang ang huling dalawa ang nagbubukas ng halaga.

13. Ano ang pangunahing prinsipyo sa desisyong 'gumawa o bumili' para sa isang talentong AI?

• A) Laging bumili, dahil ito ay mas mura
• B) Bumuo ng mga pangunahing kakayahan sa pagkakaiba-iba, bumili ng mga karaniwang kakayahan ✔
• C) Palaging bumuo sa loob, dahil ito ay mas ligtas
• D) Pagpili ng inirerekomenda ng pinakasikat na supplier

Paglalarawan: Ang pangunahing prinsipyo ay: gawing natatangi ang mga pangunahing kakayahan sa organisasyon na lumilikha ng competitive na kalamangan; Bumili ng mga karaniwang, karaniwan, hindi nakakaiba ng mga kakayahan. Ang isang predictive na modelo na hindi kayang buuin ng iyong kakumpitensya gamit ang sarili mong data ay ang core; Ang isang tool sa pagbubuod ng teksto ay pamantayan. Ang outsourcing core talent ay pagrenta ng pagiging mapagkumpitensya sa katagalan at pinalalaki ang panganib ng pag-lock-in ng supplier.

14. Ano ang pinakakaraniwang dahilan ng pagkabigo ng mga pagbabagong-anyo ng AI at ang pinaka-epektibong diskarte laban dito?

• A) Hindi sapat na katumpakan ng modelo; Ang solusyon ay bumili ng mas malaking modelo
• B) Kakulangan ng kagamitan; Ang solusyon ay bumili ng higit pang mga server
• C) Gastos sa lisensya; Ang solusyon ay maghanap ng mas murang supplier
• D) Katatagan ng tao at kultura; Ang solusyon ay ang pamamahala sa pagbabago na malinaw na tumutugon sa mga alalahanin ✔

Paliwanag: Karamihan sa kabiguan ay hindi teknikal, ngunit tao at kultural: takot sa seguridad sa trabaho, pagkabalisa tungkol sa kakayahan, kawalan ng kumpiyansa at pagkawala ng kahulugan. Kapag ang mga kabalisahan na ito ay pinigilan, sila ay bumalik bilang tahimik na pamiminsala. Ang pinaka-epektibong diskarte ay upang matugunan ang mga alalahanin nang hayagan, ipaliwanag ang isang nakakahimok na 'bakit', humantong sa pamamagitan ng halimbawa, at bumuo ng isang kampeon na network ng malalapit na kasamahan. Dapat sukatin ang pag-ampon at dapat alisin ang mga hadlang.