مقدمه
چگونه از شروع های غلط گران قیمت در هنگامی که تقاضا برای استفاده از هوش مصنوعی افزایش می یابد اما آمادگی سازمانی عقب می افتد، جلوگیری کنیم؟ با استفاده از ارائه آمادگی هوش مصنوعی (بخش 1) ما، هدف های هوش مصنوعی خود را بازطراحی کنید. با تجزیه و تحلیل متناسب از چشم انداز فعلی خارجی و اکوسیستم داخلی شروع کنید، سپس از میان مجموعه ای از چارچوب های آمادگی هوش مصنوعی - که توسط رهبران صنعت مانند سیسکو و اینتل توسعه یافته اند - برای انجام ارزیابی خود انتخاب کنید، پس از آن نیازمندی های منابع مورد نیاز برای آمادگی هدف خود را تعیین کنید و در نهایت، برای پیشرفت بلند مدت با برنامه های راهبردی و ردیاب ها آماده شوید. این رویکرد جامع تبلیغات را به اقدامات مرتب سازی شده تبدیل می کند، تخصیص سرمایه را با فاصله های قابلیت واقع بینانه هماهنگ می کند و زمان به ارزش را از طریق مدیریت تغییر متمرکز سریع می کند.
با مدیریت آمادگی خوب هماهنگ شده، سازمان ها می بینند که محصولات سودآور هوش مصنوعی به سرعت در حال گسترش هستند، استعدادهای چند کاربره به مسائل با ارزش بیشتر متمایل می شوند و با مقامات نظارتی و شرکای تجاری، اعتبار بیشتری کسب می کنند. این سودها به مرور زمان با افزایش منحنی های درآمد و کاهش اضافه کاری عملیاتی، تجمع می یابند.
تحلیل متناظر
بلوغ هوش مصنوعی (بر اساس مدل بلوغ هوش مصنوعی گارتنر)
نمایش بصری بلوغ هوش مصنوعی که بر اساس مدل پنج سطحی گارتنر استوار است، نقشه امتیاز توانایی فعلی سازمان را در مقابل میانگین رقبا و سطوح هدف آرزومندی خود نشان می دهد. این منحنی بلوغ نشان می دهد که آمادگی برای هوش مصنوعی حالت باینری "بله/خیر" نیست بلکه یک مداومت از توانایی است که باید به طور دقیق در طول زمان ردیابی شود. بنابراین می شود مفصل داستانی که بر روی آن بقیه تجزیه و تحلیل آمادگی می چرخد، زیرا هر توصیه بعدی، درخواست بودجه یا ابتکار کاهش خطر اکنون قابل ردیابی به یک کمبود بلوغ به طور واضح بیان شده است.
تحلیل شکاف بین تاثیر و آمادگی
جایی که منحنی بلوغ توانایی آمادگی را تشخیص می دهد، اسلاید تحلیل شکاف بین تاثیر و آمادگی عواقب ایستادن را به پول تبدیل می کند.با رسم تاثیر بالقوه بالاتر از سطوح آمادگی واقعی در زمینه های هماهنگی استراتژیک، زیرساخت داده، استعداد و سازمان، حکومت و ریسک، و مدیریت تغییر، کمبود سایه دار فاصله های مجرد را به اجبارات امانتداری تبدیل می کند.
برای اهداف تجزیه و تحلیل متناسب، نمودار هدف استراتژیک را به میزان قابل سنجش متصل می کند، بنابراین بخش های بعدی در مورد نیازمندی های منابع و ترتیب برنامه راهبردی بر اساس اقتصاد سخت تر بجای سیاست سازمانی می گنجاند. آن را از یک وظیفه اجباری به یک ابزار رشد تجاری تغییر می دهد و در این کار، بحث را از جزئیات عملیاتی به ایجاد ارزش سازمانی ارتقا می دهد.
رانندگان آمادگی هوش مصنوعی در مقابل موانع
هیچ تجزیه و تحلیل متناسبی بدون بررسی نیروهای خارجی که می توانند هدف های هوش مصنوعی را تسریع کنند یا به آنها برخورد کنند، کامل نیست. بر خلاف ابزارهای قبلی در این بخش، که عمدتا قابلیت داخلی را مورد سوال قرار می دهند، ما اکنون تقاضای کلان را با شرایط تامین داخلی تراپز می کنیم. ماتریس در برابر دیدگاه تونلی کار می کند، زیرا جلوی تیم ها را از فرض که افزایش توانایی داخلی به تنهایی موفقیت را تضمین می کند، می گیرد.
چارچوب های ارزیابی آمادگی هوش مصنوعی
شاخص آمادگی هوش مصنوعی سیسکو
بخش ارزیابی آمادگی از این ارائه، با استفاده از کارت های امتیازی تشخیصی، حدس و گمان را با پایه های قابل سنجش جایگزین می کند. شاخص آمادگی هوش مصنوعی سیسکو این نقش را با فشرده سازی شش ستون آمادگی - استراتژی، زیرساخت، داده، حکمرانی، استعداد و فرهنگ - به یک نمای کلی ایفا می کند که امتیازدهی عددی، فراخوانی های کیفی، و یک سنجش از پیشگام تا تاخیرزده را ترکیب می کند.
مزیت آن فراتر از هماهنگی داخلی است. وقتی با سرمایه گذاران یا مقامات نظارتی به اشتراک گذاشته می شود، این شاخص نشان می دهد که سازمان به جای دیدگاه فنی باریک، به صورت جامع به سنجش سلامت هوش مصنوعی می پردازد. با سنجش و قرار دادن آمادگی در یک نمایشگاه واحد، شاخص آمادگی هوش مصنوعی سیسکو به توافق بر سر اولویت ها سرعت می بخشد، چرخه های تصمیم گیری را کوتاه می کند و مسئولیت را در تعهدات نقشه راه بعدی ایجاد می کند.
مدل آمادگی هوش مصنوعی اینتل
مدل اینتل آمادگی را در سه لایه بنیادی، عملیاتی و تحولی سازماندهی می کند، که توسط امتیازات دقیق تر به زیر مجموعه هایی مانند پلتفرم های زیرساخت، مطابقت با حاکمیت، و پذیرش تجاری تکمیل می شود. این به طور خاص پیشرفت را نشان می دهد تا تفاوت لحظه ای.
برای صاحبان محصول، دیدگاه لایه ای موارد محدود کننده ای را که باز کردن موج بعدی از گسترش مورد استفاده را باز می کند، روشن می کند؛ برای ماموران ریسک، آن را در سطوحی که باید اتوماسیون حاکمیت مقیاس شود، مشخص می کند؛ برای مالی، آن انتظارات مناسب مرحله ROI را ارائه می دهد، که از قول های درآمد زودهنگام جلوگیری می کند.
تعلق بین توانایی-آمادگی
در نهایت، ماتریس تعلق بین توانایی-آمادگی یک بعد را که اغلب در چارچوب های ارزیابی نادیده گرفته می شود، مورد بررسی قرار می دهد: ارتباط سیستمی بین مناطق آمادگی.چیدمان ماتریسی آن هر پیش نیاز را به پنج دامنه آمادگی با نشانگرهای ارتباط اولیه و ثانویه مرتبط می کند، که نشان می دهد هیچ توانایی به تنهایی وجود ندارد. ماتریس یک نقطه مذاکره برای پاسخگویی متقابل عملکردی را فراهم می کند، که تشویق به حکومت همکارانه بجای بهینه سازی سیلویی می کند. به عبارت دیگر، آن را از یک لیست بررسی به یک نقشه شبکه تبدیل می کند.
نیازمندی های منابع
مدیریت آمادگی هوش مصنوعی همچنین به عنوان یک تمرین تخصیص سرمایه عمل می کند که تصمیم می گیرد آیا فاصله توانایی ها کاهش می یابد یا سخت می شود. نمایش تخصیص منابع بینش های ارزیابی قبلی را به یک مجموعه گزینه های هزینه که به صراحت هدف کمبودهای آمادگی را می زند، ترجمه می کند. چون نقشه رادار هر پرتو را به یک ستون آمادگی می انکرد، سه سناریو تبدیل به فرضیات بصری می شوند که چگونه سازمان به سرعت می تواند به سطح آمادگی هدف خود برسد.
سرمایه، با این حال، فقط زمانی موثر است که نمایه بازپرداخت زمانی نقاط کلیدی آمادگی را منعکس می کند.اسلاید نتیجه سرمایه گذاری هماهنگی را صریح می کند، جریان های نقدی سال به سال را برای مسیرهای سرمایه گذاری کم، متوسط و تسریع شده نمایش می دهد و آنها را با بازده سرمایه متناسب می کند. تصمیم گیران می توانند تحمل خطر خود را با یک مسیر آمادگی قابل سنجش مطابقت دهند: پذیرش بازده کندتر برای مدیریت نقدی ثابت تر، یا پذیرش سوخت و ساز بزرگتر در ابتدا برای به دست آوردن مزیت اولین حرکت کننده در راه اندازی محصول مبتنی بر هوش مصنوعی.
حتی مورد کسب و کار زیباترین هم شکست می خورد اگر ذینفعان نتوانند دلارها را به افزایش قابل اندازه گیری توانایی ارتباط دهند. اسلاید تأثیر بر آمادگی این علت و معلولیت را بسته می کند. این مقایسه بین پوشه های فعلی و آینده سرمایه گذاری با امتیازات آمادگی دقیقی که انتظار می رود هر تزریق حرکت کند.
نقشه راه و پیگیری
تبدیل استراتژی به اجرای واقعی با اولویت بندی شروع می شود. ماتریس مجموعه اقدامات موارد عملیاتی مورد نظر را در مقابل محورهای تأثیر کسب و کار کمی شده و تلاش برای اجرا رسم می کند.سیستم ثبت موارد کناری تقویت کننده مسئولیت با نشان دادن هر حباب با تاثیر دلاری، هزینه تلاش، و تاریخهای تحویل محکم.
اولویتبندی بدون اندازهگیری به امید تبدیل میشود، که این دلیلی است که اسلاید اندازهگیری پیشرفت با یک مجموعه KPI که با دقت انتخاب شده است که هماهنگی استراتژی، زیرساخت داده، استعداد، حکمرانی، و پذیرش تغییر را در بر میگیرد. هر نوار مقادیر هدف و دستاوردها را جفت میکند تا اهداف مجرد را به نقاط کنترل قابل مشاهده تحویل دهد.
حتی دقیقترین معیارها نیازمند یک ساختار زمانی هستند، و نقشه راه توسعه آمادگی آن را با فعالیتهای اولیه و پیشرفته در سراسر چهار فصل برای هر ستون آمادگی تامین میکند. بر خلاف نمودارهای گانت عمومی، این نقشه راه وظایف را درون منحنی بلوغی که قبلاً تعیین شده است، قرار میدهد. ستون سمت راست "فعالیتهای پیشرفته" به عنوان یک پیشبینی ظرفیت عمل میکند.
نتیجهگیری
مدیریت جامع آمادگی هوش مصنوعی تبدیل آرزوها به ایجاد ارزش متعهد میشود.تجزیه و تحلیل متناسب فشارهای خارجی و فاصله های داخلی را جدا می کند؛ سنجش های بلوغ و وابستگی های متقابل تمرکز را تنظیم می کنند؛ منابع کمی شده با بازپرداخت مرحله ای سرمایه را هماهنگ می کند؛ و مجموعه های اقدامات، KPI ها و نقشه های راه مسئولیت اجرایی را محکم می کنند. سازمان هایی که این توالی را اعمال می کنند، می توانند مقیاس، انعطاف پذیری و اعتماد ذی نفعان را تسریع کنند.
