Ocena dojrzałości wdrażania AI

Sprawdźcie, jak świadomie wasz zespół korzysta dziś z AI.

Wypróbuj tę analizę stanu zdrowia w czasie rzeczywistym

Czym jest ocena dojrzałości wdrażania AI?

Wprowadzenie narzędzi AI do zespołu to najłatwiejsza część. O tym, czy faktycznie pomagają, decyduje wszystko wokół nich: jakie przypadki użycia wybieracie, czy ludzie sprawdzają wyniki, czego nigdy nie wkleja się do promptu i czy ktokolwiek mierzy efekty. W ocenie dojrzałości wdrażania AI zespół ocenia 36 stwierdzeń dotyczących tych nawyków, pogrupowanych w dziewięć obszarów: od strategii i przywództwa w zakresie AI po pomiar wpływu. Każde stwierdzenie oceniane jest na pięciostopniowej skali od poziomu Ad hoc do poziomu Zoptymalizowanego, z opcją „nie dotyczy” dla tych, które nie pasują do waszej pracy. Stwierdzenia takie jak Weryfikujemy informacje wygenerowane przez AI przed ich użyciem czy Dokumentujemy, kiedy, jak i dlaczego używamy AI przy ważnej pracy sprawiają, że oceny są konkretne, a dyskusja dotyczy określonych praktyk, a nie ogólnego entuzjazmu czy obaw. Porównajcie, jak daleko posunęło się wdrażanie (narzędzia, umiejętności, codzienne użycie) w stosunku do zabezpieczeń (ład, prywatność, nadzór człowieka). Jedno i drugie powinno rozwijać się równolegle.

Wymiary

Strategia i przywództwo w zakresie AI

Na ile wykorzystanie AI wiąże się z celami, jak wybierane są przypadki użycia i jak aktywnie liderzy wspierają odpowiedzialne wdrażanie oraz biorą za nie odpowiedzialność.

  • Zgodność ze strategią

    Nasze wykorzystanie AI wyraźnie wspiera cele zespołu, działu lub organizacji.

    1. Ad hocUżywamy AI, bo jest dostępna, a nie dlatego, że służy jakiemuś konkretnemu celowi.
    2. Rozwijający sięCzęść pracy z AI luźno wiąże się z szerszymi celami; większość ma charakter okazjonalny.
    3. ZdefiniowanyWykorzystanie AI jest powiązane z konkretnymi celami zespołu lub biznesu, które zespół potrafi wymienić.
    4. ZarządzanyInwestycje w AI są świadomie priorytetyzowane względem celów strategicznych.
    5. ZoptymalizowanyStrategia AI i strategia zespołu to jedna rozmowa; kompromisy są podejmowane świadomie.

  • Priorytetyzacja przypadków użycia

    Wybieramy przypadki użycia AI na podstawie wartości, wykonalności i ryzyka.

    1. Ad hocO wyborze przypadków użycia decyduje ten, kto głośniej krzyczy, albo to, co akurat modne.
    2. Rozwijający sięPrzed startem przypadki użycia przechodzą szybką ocenę „na wyczucie”; brakuje uporządkowanej analizy.
    3. ZdefiniowanyZanim zaangażujemy się w przypadek użycia AI, bierzemy pod uwagę wartość, wykonalność i ryzyko.
    4. ZarządzanyJasny proces priorytetyzacji kieruje inwestycjami w AI; pomysły o niskiej wartości lub wysokim ryzyku są odrzucane na wczesnym etapie.
    5. ZoptymalizowanyWybór przypadków użycia jest rygorystyczny, szybki i stale aktualizowany w miarę napływu wyników.

  • Wsparcie liderów

    Liderzy aktywnie zachęcają do odpowiedzialnego wdrażania AI i nim kierują.

    1. Ad hocLiderzy milczą na temat AI lub są sceptyczni; zespół jest zdany na siebie.
    2. Rozwijający sięKierownictwo toleruje eksperymenty z AI; wyraźne wsparcie zdarza się rzadko.
    3. ZdefiniowanyLiderzy otwarcie zachęcają do korzystania z AI i dają pewne wskazówki co do granic.
    4. ZarządzanyKierownictwo konsekwentnie promuje odpowiedzialne AI, samo daje przykład i usuwa przeszkody.
    5. ZoptymalizowanyLiderzy są wiarygodnymi rzecznikami AI: dobrze poinformowanymi, zaangażowanymi w praktykę i odpowiedzialnymi za wyniki.

  • Odpowiedzialność i rozliczalność

    Odpowiedzialność za decyzje, wykorzystanie i rezultaty AI jest jasno określona.

    1. Ad hocNikt wyraźnie nie odpowiada za decyzje dotyczące AI; ani problemy, ani sukcesy nie mają właściciela.
    2. Rozwijający sięWokół pojedynczych przypadków użycia pojawia się nieformalna odpowiedzialność; brak rozwiązań systemowych.
    3. ZdefiniowanyOdpowiedzialność za AI (decyzje, wykorzystanie, ryzyko) jest udokumentowana dla głównych przypadków użycia zespołu.
    4. ZarządzanyRole i zakresy odpowiedzialności są jasne, aktualne i respektowane; gdy AI zawiedzie, wiadomo, jak naprawić sytuację.
    5. ZoptymalizowanyOdpowiedzialność naturalnie towarzyszy pracy z AI; kwestie własności nigdy nie blokują zespołu.

Wdrażanie narzędzi i dostęp

Czy zespół ma dostęp do właściwych narzędzi AI, czy pasują one do pracy i jak konsekwentnie są używane.

  • Dostępność narzędzi

    Członkowie zespołu mają dostęp do narzędzi AI, których potrzebują, by dobrze wykonywać swoją pracę.

    1. Ad hocLudzie chcą narzędzi AI, ale nie mogą ich dostać, albo po cichu korzystają z prywatnych kont.
    2. Rozwijający sięIstnieje kilka zatwierdzonych narzędzi; dostęp jest powolny lub niekonsekwentny.
    3. ZdefiniowanyZespół ma niezawodny dostęp do rozsądnego zestawu zatwierdzonych narzędzi AI.
    4. ZarządzanyDostęp do narzędzi jest szybki, dobrze wspierany i dopasowany do pracy; kosztami zarządza się świadomie.
    5. ZoptymalizowanyDostęp jest bezproblemowy i regularnie weryfikowany; zestaw narzędzi zmienia się wraz z potrzebami zespołu i rynkiem.

  • Dopasowanie narzędzi

    Nasze narzędzia AI pasują do zadań, procesów pracy i potrzeb zespołu.

    1. Ad hocUżywamy narzędzia, które najłatwiej było zdobyć, niezależnie od tego, czy pasuje.
    2. Rozwijający sięNarzędzia sprawdzają się przy niektórych zadaniach, przy innych używa się ich na siłę; ludzie obchodzą luki.
    3. ZdefiniowanyNarzędzia w większości pasują do pracy; zespół wie, w czym każde z nich jest dobre, a w czym słabe.
    4. ZarządzanyWybór narzędzi jest przemyślany, łącznie z tym, jaki model lub funkcję stosować do danego zadania.
    5. ZoptymalizowanyNarzędzia są precyzyjnie dopasowane do pracy; zespół ponownie je ocenia i bez wahania je zmienia, gdy pojawiają się lepsze opcje.

  • Spójność wdrożenia

    Członkowie zespołu konsekwentnie korzystają z narzędzi AI tam, gdzie wnoszą one wartość.

    1. Ad hocZ AI korzysta kilku entuzjastów; większość zespołu działa tak, jakby jej nie było.
    2. Rozwijający sięWdrożenie jest nierówne; przy niektórych zadaniach zawsze korzysta się z AI, przy innych nigdy.
    3. ZdefiniowanyWiększość członków zespołu używa narzędzi AI, gdy wyraźnie mogą pomóc; zasięg jest szeroki, choć nie powszechny.
    4. ZarządzanyWdrożenie jest spójne w całym zespole; niechęć traktuje się jako problem procesu pracy, a nie cechę charakteru.
    5. ZoptymalizowanyKorzystanie z AI jest dobrze rozłożone; zespół wspólnie rozumie, gdzie się opłaca, a gdzie nie.

  • Znajomość nowych możliwości

    Śledzimy nowe możliwości AI istotne dla naszej pracy.

    1. Ad hocNikt nie śledzi nowości; zespół korzysta z tych samych narzędzi w ten sam sposób co zawsze.
    2. Rozwijający sięKilka osób śledzi zmiany na własną rękę; wnioski rzadko docierają do zespołu.
    3. ZdefiniowanyOd czasu do czasu dzielimy się istotnymi nowościami; zespół ma ogólny obraz sytuacji.
    4. ZarządzanyZespół aktywnie wyszukuje nowe możliwości i ocenia je pod kątem bieżących potrzeb.
    5. ZoptymalizowanyŚledzenie narzędzi to rutynowy nawyk zespołu; nowe możliwości są wdrażane (lub odrzucane) świadomie, a nie odruchowo.

Umiejętności i pewność w pracy z AI

Rozumienie AI przez zespół, umiejętność pisania promptów i krytycznego myślenia oraz to, jak świadomie zespół je rozwija.

  • Znajomość AI

    Rozumiemy, co AI potrafi, a czego nie.

    1. Ad hocPoważne błędne wyobrażenia o działaniu AI; zespół albo za bardzo jej ufa, albo ją lekceważy.
    2. Rozwijający sięCzęść osób ma podstawową wiedzę; luki prowadzą do nierealistycznych oczekiwań lub nieuzasadnionych obaw.
    3. ZdefiniowanyZespół ma praktyczne wyobrażenie o mocnych stronach, ograniczeniach i typowych błędach AI.
    4. ZarządzanyWiedza jest wspólna i aktualna; nowi członkowie zespołu są celowo wprowadzani w temat.
    5. ZoptymalizowanyZespół myśli o AI trzeźwo, bez zachwytu i bez lekceważenia, i aktualizuje swoje wyobrażenia w miarę rozwoju technologii.

  • Umiejętność pisania promptów

    Dajemy AI jasne instrukcje, kontekst i ograniczenia.

    1. Ad hocPrompty to jednozdaniowe pytania; wyniki są nieprzewidywalne i często bezużyteczne.
    2. Rozwijający sięNiektórzy piszą skuteczne prompty; inni mają trudności i po cichu się poddają.
    3. ZdefiniowanyWiększość osób pisze użyteczne prompty; wyniki zwykle trafiają w cel.
    4. ZarządzanyPisanie promptów traktuje się jako umiejętność, którą się ćwiczy; zespół wspólnie rozumie, jak wygląda dobry prompt.
    5. ZoptymalizowanyPisanie promptów przychodzi płynnie; ludzie uzyskują wysokiej jakości wyniki za pierwszym lub drugim podejściem i pomagają w tym innym.

  • Krytyczne myślenie

    Kwestionujemy, sprawdzamy i dopracowujemy wyniki generowane przez AI.

    1. Ad hocWyniki AI przyjmuje się bez zastrzeżeń; błędy i halucynacje trafiają do efektów pracy.
    2. Rozwijający sięJest pewien sceptycyzm, ale niekonsekwentny; ludzie wyłapują oczywiste pomyłki, a subtelne przeoczają.
    3. ZdefiniowanyPrzed użyciem wyniki są rutynowo sprawdzane pod kątem poprawności i trafności.
    4. ZarządzanyKrytyczna ocena jest odruchem; zespół ma jasne zasady, kiedy ufać AI, a kiedy przyjrzeć się dokładniej.
    5. ZoptymalizowanyKrytyczne myślenie o AI jest automatyczne, szybkie, uczciwe i stosowane z adekwatnym nakładem wysiłku.

  • Nauka i rozwój

    Świadomie inwestujemy w rozwój naszych umiejętności związanych z AI.

    1. Ad hocBrak wyraźnie przeznaczonego czasu lub budżetu na naukę AI; ludzie rozwijają się tylko przypadkiem.
    2. Rozwijający sięKilka osób uczy się samodzielnie; brak struktury i wspólnych postępów.
    3. ZdefiniowanyZespół przeznacza czas na naukę AI (szkolenia, ćwiczenia, sesje dzielenia się wiedzą).
    4. ZarządzanyRozwój umiejętności to realna inwestycja z widoczną poprawą; nowe techniki są testowane i wdrażane wspólnie.
    5. ZoptymalizowanyCiągły, świadomy rozwój umiejętności jest częścią tożsamości zespołu; z każdym kwartałem wszyscy są wyraźnie bardziej kompetentni.

Integracja z procesami pracy

Na ile naturalnie AI wpisuje się w codzienną pracę i standardowe procesy, jak wygląda równowaga między człowiekiem a AI i czy zmieniły się sposoby pracy.

  • Codzienne użycie

    AI jest naturalną częścią naszej codziennej pracy.

    1. Ad hocAI to ciekawostka używana od czasu do czasu; nie jest częścią normalnej pracy.
    2. Rozwijający sięPrzy niektórych zadaniach regularnie korzysta się z AI; przy wielu innych, które mogłyby na tym zyskać, nie.
    3. ZdefiniowanyAI jest używana codziennie przy różnych zadaniach; ludzie sięgają po nią bez zastanowienia.
    4. ZarządzanyCodzienne użycie jest przemyślane; AI stosuje się tam, gdzie wnosi wartość, i pomija tam, gdzie nie.
    5. ZoptymalizowanyAI jest wpleciona w pracę tak naturalnie, że zespół potrafi dokładnie wyjaśnić, kiedy i dlaczego z niej nie korzysta.

  • Integracja z procesami

    AI jest wbudowana w nasze standardowe procesy, a nie doklejona z boku.

    1. Ad hocAI funkcjonuje poza naszymi procesami; ludzie używają jej po swojemu, obok oficjalnego przepływu pracy.
    2. Rozwijający sięAI jest czasem dokładana do istniejących procesów bez większego ich przeprojektowania.
    3. ZdefiniowanyKluczowe procesy zawierają wyraźne kroki z udziałem AI tam, gdzie ma to sens.
    4. ZarządzanyProcesy są od początku projektowane z myślą o wsparciu AI; integracja jest zamierzona.
    5. ZoptymalizowanyProcesy i AI rozwijają się razem; zespół stale dostosowuje miejsce AI w przepływie pracy.

  • Równowaga między człowiekiem a AI

    Wiemy, kiedy polegać na AI, a kiedy niezbędny jest ludzki osąd, wiedza ekspercka lub weryfikacja.

    1. Ad hocLudzie albo nadmiernie ufają AI (i przepuszczają jej błędy), albo jej unikają (i tracą korzyści, jakie daje).
    2. Rozwijający sięGranica jest ustalana od przypadku do przypadku; decyzje są niespójne.
    3. ZdefiniowanyWiększość osób ma rozsądne wyczucie, kiedy potrzebny jest ludzki osąd.
    4. ZarządzanyZespół ma wspólne, jasno sformułowane zasady podziału pracy między człowieka a AI, zwłaszcza przy wynikach o dużej wadze.
    5. ZoptymalizowanyRównowaga to druga natura; zespół płynnie przechodzi między pracą ludzką a pracą z AI i otwarcie wyjaśnia swoje powody.

  • Przeprojektowanie pracy

    Przemyślamy na nowo zadania, role i procesy pracy, aby wykorzystać możliwości AI.

    1. Ad hocPraca jest zorganizowana dokładnie tak jak przed AI; niczego nie przemyślano na nowo.
    2. Rozwijający sięDrobne zmiany na poziomie zadań zachodzą samoistnie; brak zmian systemowych.
    3. ZdefiniowanyKonkretne procesy pracy zostały przeprojektowane pod kątem AI; efekty są widoczne.
    4. ZarządzanyZespół aktywnie przekształca pracę wokół możliwości AI, w tym to, czym zajmują się poszczególne role, a czym nie.
    5. ZoptymalizowanyPrzeprojektowywanie pracy trwa nieustannie; zespół traktuje AI jako okazję do ciągłego wymyślania na nowo swojego sposobu działania.

Dane, wiedza i kontekst

Czy zespół dostarcza AI wiarygodne dane, ma dostęp do potrzebnej wiedzy, zapewnia dobry kontekst i dba o swoje zasoby.

  • Jakość danych

    Informacje, których używamy w narzędziach AI, są wiarygodne, dokładne i aktualne.

    1. Ad hocAI dostaje to, co akurat jest pod ręką; wyniki cierpią przez nieaktualne, błędne lub niepełne dane wejściowe.
    2. Rozwijający sięJakość danych bywa różna; niektórzy starannie sprawdzają dane wejściowe, inni nie.
    3. ZdefiniowanyZespół świadomie dostarcza AI dane dobrej jakości i zauważa, gdy tak nie jest.
    4. ZarządzanyJakość danych używanych z AI jest aktywnie utrzymywana; zespół może ręczyć za swoje źródła.
    5. ZoptymalizowanyJakość danych to stały element myślenia zespołu o pracy z AI; problemy są wychwytywane i naprawiane u źródła.

  • Dostęp do wiedzy

    Łatwo docieramy do wewnętrznej wiedzy potrzebnej w pracy wspieranej przez AI.

    1. Ad hocWiedza wewnętrzna jest rozproszona lub niedostępna; AI nie ma do niej dostępu, a ludzie nie zadają sobie trudu, by ją zebrać.
    2. Rozwijający sięCzęść źródeł wiedzy jest dostępna; ludzie ręcznie kopiują i wklejają potrzebne fragmenty.
    3. ZdefiniowanyZatwierdzona wiedza jest dostępna tam, gdzie zespół jej potrzebuje; można do niej podłączyć narzędzia AI.
    4. ZarządzanyDostęp do wiedzy jest uporządkowany i zintegrowany z pracą z AI; potrzebny kontekst jest domyślnie pod ręką.
    5. ZoptymalizowanyWiedza wewnętrzna i użycie AI są ze sobą ściśle sprzężone; luki są szybko ujawniane i uzupełniane.

  • Dostarczanie kontekstu

    Przekazujemy AI odpowiednie tło, przykłady i ograniczenia.

    1. Ad hocLudzie zadają AI pytania bez kontekstu; wyniki są ogólnikowe i często chybione.
    2. Rozwijający sięKontekst pojawia się, gdy jest oczywisty; subtelniejsze ograniczenia są pomijane.
    3. ZdefiniowanyPrompty rutynowo zawierają tło, przykłady i ograniczenia istotne dla zadania.
    4. ZarządzanyKontekst jest dostarczany świadomie i umiejętnie; ludzie wiedzą, co uwzględnić, a co pominąć.
    5. ZoptymalizowanyPraca z kontekstem to mocna strona zespołu; wyniki trafiają w cel przy minimalnej liczbie poprawek.

  • Opieka nad danymi

    Zarządzamy własnością, poprawnością i właściwym wykorzystaniem danych oraz zasobów wiedzy.

    1. Ad hocWłasność danych jest niejasna; AI pobiera i wytwarza informacje, a nikt tego nie śledzi.
    2. Rozwijający sięIstnieje nieformalna opieka nad najbardziej wrażliwymi danymi; pozostałe zasoby pozostają bez nadzoru.
    3. ZdefiniowanyWażne dane i wiedza mają wskazanych właścicieli; użycie AI respektuje te granice.
    4. ZarządzanyOpieka nad danymi jest aktywna: zasoby są aktualne, użycie AI jest rejestrowane tam, gdzie to ważne, a zespół potrafi obronić swoje praktyki.
    5. ZoptymalizowanyOpieka nad danymi jest wbudowana w sposób pracy zespołu; AI wzmacnia jego bazę wiedzy, zamiast ją osłabiać.

Ład, ryzyko i zgodność

Znajomość polityki AI, ochrona prywatności, uwaga poświęcana stronniczości i sprawiedliwości oraz możliwość audytu użycia AI.

  • Znajomość polityk

    Rozumiemy obowiązujące w organizacji polityki, granice i zasady zatwierdzania dotyczące AI.

    1. Ad hocLudzie nie znają polityki organizacji dotyczącej AI; każdy improwizuje.
    2. Rozwijający sięPolityka istnieje, ale jest słabo znana; większość osób nie jest pewna, gdzie przebiegają granice.
    3. ZdefiniowanyCzłonkowie zespołu potrafią opisać podstawy polityki AI i przestrzegają jej w istotnych kwestiach.
    4. ZarządzanyPolityka jest widoczna, zrozumiała i utrwalana w codziennych procesach pracy.
    5. ZoptymalizowanyZespół traktuje politykę jako wspólny zasób i przekazuje uwagi jej autorom, gdy praktyka zaczyna rozmijać się z zapisami.

  • Prywatność i poufność

    Nie wprowadzamy do narzędzi AI informacji wrażliwych, danych osobowych ani informacji objętych ograniczeniami.

    1. Ad hocLudzie wklejają do narzędzi AI wszystko, łącznie z danymi poufnymi i osobowymi.
    2. Rozwijający sięWiększość osób unika oczywistych błędów; subtelniejsze wycieki (szkice zawierające dane osobowe, nazwy klientów) wciąż się zdarzają.
    3. ZdefiniowanyObowiązują jasne praktyki, w większości przestrzegane; błędy są rzadkie i wyciąga się z nich wnioski.
    4. ZarządzanyOchrona prywatności jest częścią normalnego procesu pracy (anonimizacja, zatwierdzone narzędzia, jasne zasady), a zespół domyślnie z niej korzysta.
    5. ZoptymalizowanyPrywatność jest chroniona systemowo, a nie tylko przez przypomnienia; zespół potrafi z przekonaniem wyjaśnić, jak poufne dane są trzymane z dala od narzędzi AI.

  • Stronniczość i sprawiedliwość

    Bierzemy pod uwagę stronniczość, sprawiedliwość i potencjalne szkody w wynikach wspieranych przez AI.

    1. Ad hocNikt nie pyta, czy wyniki AI są stronnicze, wykluczające lub szkodliwe; wykorzystuje się wszystko, co wyjdzie.
    2. Rozwijający sięŚwiadomość istnieje; konkretne sprawdzenia odbywają się dopiero wtedy, gdy problem staje się oczywisty.
    3. ZdefiniowanyZespół rutynowo bierze pod uwagę stronniczość i sprawiedliwość w ważnych wynikach wspieranych przez AI.
    4. ZarządzanyStronniczość i sprawiedliwość to wyraźne punkty kontrolne w odpowiednich procesach; zespół potrafi opisać, na co zwraca uwagę.
    5. ZoptymalizowanyOcena pod kątem sprawiedliwości weszła zespołowi w krew; potencjalne szkody są standardowo wychwytywane i eliminowane na wczesnym etapie.

  • Audytowalność

    Dokumentujemy, kiedy, jak i dlaczego używamy AI przy ważnej pracy.

    1. Ad hocUżycie AI jest niewidoczne; nikt nie byłby w stanie odtworzyć, jak powstał dany efekt pracy.
    2. Rozwijający sięIstnieją nieformalne notatki, ale nic na tyle wiarygodnego, by mogło posłużyć do audytu.
    3. ZdefiniowanyUżycie AI jest dokumentowane przy istotnych wynikach; zespół zwykle potrafi wskazać, jak powstała dana praca.
    4. ZarządzanyAudytowalność jest wbudowana w procesy dotyczące ważnej pracy; zapisy są kompletne i łatwe do odnalezienia.
    5. ZoptymalizowanyZespół potrafi szybko, dokładnie i z pewnością wyjaśnić, jak AI przyczyniła się do każdego istotnego efektu pracy.

Jakość wyników i weryfikacja przez człowieka

Jak dobrze zespół weryfikuje poprawność, utrzymuje standardy jakości, zapewnia nadzór człowieka i uczy się na błędach AI.

  • Weryfikacja poprawności

    Weryfikujemy informacje wygenerowane przez AI przed ich użyciem.

    1. Ad hocWyniki AI są używane bez weryfikacji; zmyślone przez nią fakty trafiają do efektów pracy.
    2. Rozwijający sięPoprawność bywa sprawdzana, ale niekonsekwentnie; subtelne błędy się prześlizgują.
    3. ZdefiniowanyPrzed użyciem ważne twierdzenia są rutynowo sprawdzane w zaufanych źródłach.
    4. ZarządzanyWeryfikacja poprawności to normalna praktyka; zespół ma jasne standardy, co wymaga weryfikacji, a co nie.
    5. ZoptymalizowanyPoprawność nie podlega negocjacjom; zespół ma szybkie, skuteczne metody kontroli skupione tam, gdzie AI najczęściej się myli.

  • Standardy jakości

    Wyniki wspierane przez AI spełniają nasze standardy przejrzystości, poprawności i profesjonalizmu.

    1. Ad hocJakość wyników wspieranych przez AI jest nierówna; zespół nie potrafi opisać, jak wygląda dobra praca.
    2. Rozwijający sięNiektóre wyniki są dopracowane; inne to wyraźnie surowy materiał z AI, który i tak idzie dalej.
    3. ZdefiniowanyPraca wspierana przez AI zwykle spełnia oczekiwania zespołu co do jakości przy rozsądnym nakładzie wysiłku.
    4. ZarządzanyJakość jest spójna i dobrze rozumiana; zespół ma jasno określoną poprzeczkę i świadomie ją osiąga.
    5. ZoptymalizowanyWyniki wspierane przez AI konsekwentnie spełniają standardy zespołu; styl i staranność są rozpoznawalnie jego własne.

  • Nadzór człowieka

    Wiemy jasno, kiedy wymagana jest weryfikacja lub akceptacja przez człowieka.

    1. Ad hocTo, czy coś zostanie sprawdzone przez człowieka, zależy od przypadku lub indywidualnych nawyków.
    2. Rozwijający sięWyniki o dużej wadze zwykle są sprawdzane, ale granica jest rozmyta.
    3. ZdefiniowanyIstnieją jasne zasady, co przed użyciem musi sprawdzić człowiek; ludzie w większości ich przestrzegają.
    4. ZarządzanyNadzór jest niezawodny, dobrze ukierunkowany i proporcjonalny do ryzyka; zespół nie sprawdza ani za dużo, ani za mało.
    5. ZoptymalizowanyNadzór jest stale kalibrowany; zespół potrafi uzasadnić, w których miejscach procesu potrzebny jest człowiek.

  • Nauka na błędach

    Uczymy się na pomyłkach AI, halucynacjach i słabych wynikach.

    1. Ad hocBłędy AI są poprawiane i zapominane; nic się nie zmienia.
    2. Rozwijający sięLudzie dzielą się anegdotami o wpadkach; nikt nie śledzi powtarzających się wzorców.
    3. ZdefiniowanyZespół dostrzega powtarzające się wzorce błędów AI i odpowiednio ukierunkowuje swój wysiłek.
    4. ZarządzanyWzorce błędów przekładają się na prompty, procesy i obszary weryfikacji; pomyłki rzadko się powtarzają.
    5. ZoptymalizowanyNauka na błędach działa w szybkiej pętli; wzorce szybko zamieniają się w działania zapobiegawcze, a zespół z czasem wyraźnie lepiej unika błędów.

Współpraca i dzielenie się wiedzą

Czy zespół dzieli się praktykami, bezpiecznie eksperymentuje, uczy się od innych zespołów i tworzy zasoby AI wielokrotnego użytku.

  • Wspólne praktyki

    Dzielimy się przydatnymi promptami, przykładami, procesami pracy i wnioskami.

    1. Ad hocKażdy samodzielnie rozwiązuje te same problemy z promptami; nic nie jest zapisywane.
    2. Rozwijający sięKilka przydatnych przykładów trafia na czat i znów ginie.
    3. ZdefiniowanyWe wspólnym miejscu gromadzone są prompty i praktyki; ludzie je uzupełniają i z nich korzystają.
    4. ZarządzanyWspólne praktyki są porządkowane, aktualne i traktowane jako realny zasób zwiększający produktywność.
    5. ZoptymalizowanyWspólne praktyki napędzają się same; to, co wymyśli jedna osoba, następnego dnia wykorzystuje cały zespół.

  • Kultura eksperymentowania

    Członkowie zespołu czują się bezpiecznie i są zachęcani do odpowiedzialnego eksperymentowania z AI.

    1. Ad hocEksperymentowanie jest źle widziane lub po cichu zniechęcane; ludzie nie próbują nowych rzeczy.
    2. Rozwijający sięKilka osób eksperymentuje; większość trzyma się tego, co zna.
    3. ZdefiniowanyEksperymentowanie jest mile widziane; przy pracy o niskim ryzyku ludzie testują nowe narzędzia i podejścia bez pytania o zgodę.
    4. ZarządzanyEksperymentowanie ma strukturę: jasne granice, czas na naukę i świadomość, że niektóre próby się nie udadzą.
    5. ZoptymalizowanyZespół ma prawdziwą kulturę odpowiedzialnego eksperymentowania; nieudane próby są cenione jako źródło nauki.

  • Uczenie się od innych zespołów

    Uczymy się od innych zespołów i działów oraz z zewnętrznych przykładów wdrażania AI.

    1. Ad hocNie wiemy, co inne zespoły robią z AI, i nie sprawdzamy tego.
    2. Rozwijający sięSporadyczna, nieformalna wymiana; wnioski rzadko trafiają do naszej praktyki.
    3. ZdefiniowanyAktywnie interesujemy się tym, co robią inne zespoły, i przejmujemy przydatne wnioski.
    4. ZarządzanyRegularna wymiana wiedzy między zespołami (fora, wspólne opracowania czy gildie), która realnie kształtuje naszą praktykę.
    5. ZoptymalizowanyWiedza płynie w obie strony; zespół w istotny sposób przyczynia się do dojrzałości AI w całej organizacji.

  • Zasoby wielokrotnego użytku

    Tworzymy szablony AI, biblioteki promptów, listy kontrolne i playbooki wielokrotnego użytku.

    1. Ad hocBrak zasobów wielokrotnego użytku; każde zadanie zaczyna się od zera.
    2. Rozwijający sięKilka szablonów leży w rozproszonych miejscach; korzysta się z nich nierówno.
    3. ZdefiniowanyDziałający zestaw szablonów, list kontrolnych lub playbooków obejmuje typowe zadania z AI.
    4. ZarządzanyZasoby wielokrotnego użytku są utrzymywane i budzą zaufanie; zespół domyślnie po nie sięga.
    5. ZoptymalizowanyZasoby wielokrotnego użytku realnie zwielokrotniają produktywność; rozwijają się wraz z praktyką zespołu i rzadko się dezaktualizują.

Pomiar wpływu i doskonalenie

Czy zespół mierzy wpływ AI na produktywność, jakość i wartość biznesową oraz wykorzystuje zdobytą wiedzę do doskonalenia.

  • Wpływ na produktywność

    Oceniamy, czy AI oszczędza czas lub zwiększa możliwości zespołu.

    1. Ad hocNikt nie wie, czy AI oszczędza czas; zakładamy, że tak, i idziemy dalej.
    2. Rozwijający sięWzrost produktywności znamy tylko z anegdot; brak wspólnego wskaźnika.
    3. ZdefiniowanyWskaźniki produktywności obserwujemy równolegle z wdrażaniem AI; zespół ma ogólny obraz efektów.
    4. ZarządzanyWpływ na produktywność jest świadomie śledzony; zespół potrafi opisać efekt AI na podstawie danych.
    5. ZoptymalizowanyŚledzenie produktywności uczciwie pokazuje zarówno zyski, jak i straty; zespół dostosowuje użycie AI do tego, co pokazują dane.

  • Wpływ na jakość

    Oceniamy, czy AI poprawia jakość, spójność i użyteczność naszej pracy.

    1. Ad hocNie wiemy, czy AI pomaga, czy szkodzi jakości; nie sprawdzamy tego.
    2. Rozwijający sięWpływ na jakość dostrzegamy tylko w anegdotach; brak wspólnego obrazu.
    3. ZdefiniowanyWskaźniki jakości obserwujemy w kontekście użycia AI; zespół ma roboczy obraz sytuacji.
    4. ZarządzanyWpływ na jakość to stały element myślenia zespołu o AI; pozytywne i negatywne efekty są widoczne, a zespół na nie reaguje.
    5. ZoptymalizowanyJakość to kluczowa perspektywa oceny użycia AI; zespół zmienił praktyki na podstawie tego, co odkrył.

  • Wartość biznesowa

    Łączymy użycie AI z mierzalnymi rezultatami, takimi jak wartość dla klienta, oszczędności czy szybkość.

    1. Ad hocUżycie AI uzasadnia się entuzjazmem; nikt nie potrafi wskazać, jaki rezultat biznesowy przynosi.
    2. Rozwijający sięIstnieją luźne powiązania z rezultatami; opowiada się o nich historie, ale się ich nie mierzy.
    3. ZdefiniowanyKonkretne przypadki użycia AI są powiązane z konkretnymi rezultatami; zespół potrafi opisać łańcuch wartości.
    4. ZarządzanyWartość biznesowa głównych inwestycji w AI jest śledzona; kompromisy (koszt a korzyść) są jawne.
    5. ZoptymalizowanyPrzypisywanie wartości jest rygorystyczne i rutynowe; o losie inwestycji w AI decydują wykazane rezultaty.

  • Ciągłe doskonalenie

    Wykorzystujemy informacje zwrotne, wyniki i wnioski, aby lepiej korzystać z AI.

    1. Ad hocSposób, w jaki używamy AI, się nie zmienia; działamy na pierwszych odruchach.
    2. Rozwijający sięSporadyczne korekty wynikające z indywidualnej frustracji lub bodźców z zewnątrz.
    3. ZdefiniowanyZespół regularnie przegląda swoje praktyki AI; zmiany zostają, gdy dowiodą swojej wartości.
    4. ZarządzanyDoskonalenie to prawdziwa pętla (pomiar, korekta, ponowny pomiar), a zespół potrafi wskazać wprowadzone zmiany.
    5. ZoptymalizowanyCiągłe doskonalenie praktyk AI jest częścią sposobu działania zespołu; nic w naszym korzystaniu z AI nie jest statyczne.

Kiedy należy skorzystać z tej kontroli stanu zdrowia

  • Gdy zespół zaczyna korzystać z narzędzi AI i chce wspólnie ustalić, w jakim miejscu jest.
  • Gdy korzystanie z AI wydaje się nierówne i chcecie uzgodnić, jak wygląda dobra praktyka.
  • Podczas kwartalnych przeglądów lub planowania, aby śledzić dojrzałość wdrażania AI w czasie.
  • Gdy liderzy chcą uporządkowanej, szczerej rozmowy o odpowiedzialnym korzystaniu z AI, bez szumu medialnego.
  • Zanim wydacie pieniądze na nowe narzędzia AI, szkolenia lub ład, aby wysiłek trafił tam, gdzie wyniki są najniższe.

Porady i wskazówki

  • Niech każdy najpierw oceni samodzielnie, a potem porównajcie wyniki. Wymiary, w których oceny się rozchodzą, prowadzą do najbardziej wartościowych rozmów.
  • Nie celujcie w poziom Zoptymalizowany wszędzie. Wybierzcie kilka wymiarów, w których przejście o jeden poziom wyżej da największą różnicę.
  • Porównajcie wdrażanie (umiejętności, narzędzia, codzienne użycie) z zabezpieczeniami (ład, prywatność, nadzór). Jeśli jedno wyraźnie wyprzedza drugie, najpierw zmniejszcie tę różnicę.
  • Powtarzajcie ocenę co kwartał, aby postępy w dojrzałości AI były widoczne.
  • Najniżej oceniony wymiar w każdej grupie zamieńcie w działanie z przypisanym właścicielem, a nie w mgliste postanowienie.

Najczęściej zadawane pytania

Co mierzy ta ocena dojrzałości wdrażania AI?
Mierzy, jak zespół wdraża i wykorzystuje AI w dziewięciu obszarach: strategia i przywództwo, wdrażanie narzędzi i dostęp, umiejętności i pewność, integracja z procesami pracy, dane i kontekst, ład i ryzyko, jakość wyników i weryfikacja przez człowieka, współpraca i dzielenie się wiedzą oraz pomiar wpływu.
Jak działa skala dojrzałości?
Każdy wymiar oceniany jest na pięciu poziomach: Ad hoc, Rozwijający się, Zdefiniowany, Zarządzany i Zoptymalizowany. Każdy poziom ma opis, dzięki czemu zespół widzi, gdzie jest obecnie i jak wygląda kolejny krok.
Kto powinien wziąć udział?
Każdy członek zespołu, który korzysta z AI lub którego praca jest przez nią zmieniana, a także lider zespołu. Głosy osób w różnych rolach dają bardziej rzetelny obraz niż same szacunki kierownictwa.
Jak często należy przeprowadzać ocenę?
Dla większości zespołów sprawdza się rytm kwartalny. Regularne powtarzanie oceny zamienia dojrzałość wdrażania AI w trend, który można śledzić i na który można reagować.
Czy chodzi o to, by wszędzie wdrażać więcej AI?
Nie. Wyższa dojrzałość oznacza świadome i odpowiedzialne korzystanie z AI: wiedzę, gdzie wnosi ona wartość, gdzie niezbędny jest ludzki osąd i jak zarządzać ryzykiem.

Powiązane badania kontrolne