Dojrzałość adopcji AI w organizacji

Zmierz dojrzałość adopcji AI w organizacji w zakresie strategii, przywództwa, ludzi, danych, ładu organizacyjnego i wartości — oraz uzgodnij, gdzie inwestować dalej.

Proszę biegać w TeamRetro

Oceń dojrzałość adopcji AI w Twojej organizacji

Dobre wdrożenie AI w całej organizacji rzadko dotyczy wyłącznie technologii — zależy od strategii, przywództwa, kompetencji, danych, ładu organizacyjnego oraz jasnego powiązania z wartością. Model Dojrzałości adopcji AI w organizacji daje zespołom kierowniczym uporządkowany sposób oceny, jak dojrzała naprawdę jest ich adopcja AI — funkcja po funkcji i kompetencja po kompetencji. Obejmując siedem obszarów — od strategii AI i wsparcia kadry zarządzającej, przez zasięg adopcji, ludzi i kompetencje, fundamenty danych, ład organizacyjny, aż po realizację wartości — ujawnia, gdzie AI jest naprawdę zakorzeniona, gdzie jest improwizowana, a gdzie uwaga jest już spóźniona. Każdy wymiar jest oceniany według pięciostopniowej skali dojrzałości, od Doraźnego po Zoptymalizowany, dzięki czemu zespoły mogą prowadzić uczciwą, wspólną rozmowę o swoim obecnym stanie i ustalić, gdzie inwestować dalej. Wykorzystaj go, aby określić punkt wyjścia dojrzałości AI, uzgodnić wśród liderów ambicje wobec ryzyka i śledzić postępy w miarę pogłębiania się adopcji w czasie.

Wymiary

Strategia i wizja AI

Czy organizacja ma jasny, wspólny kierunek dla AI — dlaczego ma znaczenie, jak daleko go forsować i które przypadki użycia wspierać.

  • Kierunek strategiczny w zakresie AI

    Organizacja ma jasny, wyartykułowany pogląd na to, dlaczego AI ma znaczenie, gdzie pasuje i co ma zmienić.

    1. DoraźnyO AI mówi się reaktywnie; brak wspólnego poglądu, dlaczego ma znaczenie lub gdzie pasuje.
    2. Wyłaniający sięKilku liderów ma poglądy na AI; nie składają się one na kierunek organizacji.
    3. ZdefiniowanyIstnieje spisany kierunek AI i większość liderów potrafi go spójnie wyartykułować.
    4. ZarządzanyKierunek AI kształtuje roczne planowanie i inwestycje; jest weryfikowany w miarę zmian otoczenia.
    5. ZoptymalizowanyAI jest częścią podstawowej strategii organizacji; każda funkcja rozumie swoją rolę w jej realizacji.

  • Ambicja vs. postawa wobec ryzyka

    Organizacja ustaliła, jak daleko jest gotowa forsować adopcję AI i jak duże ryzyko akceptuje, robiąc to.

    1. DoraźnyAmbicja i ostrożność wahają się przypadek po przypadku; brak stabilnej postawy.
    2. Wyłaniający sięKierownictwo ma poglądy na apetyt i ryzyko, ale nie są one uzgodnione w całej firmie.
    3. ZdefiniowanyIstnieje jasne stanowisko, jak agresywna będzie organizacja w kwestii AI i jakie ryzyko akceptuje.
    4. ZarządzanyPostawa jest weryfikowana w miarę zmian technologii i regulacji; kompromisy są podejmowane jawnie.
    5. ZoptymalizowanyAmbicja i ryzyko są zarządzane jako jedna decyzja; zespoły działają pewnie, wiedząc, co mieści się w granicach, a co nie.

  • Portfel przypadków użycia

    Organizacja wie, w które przypadki użycia AI inwestuje w poszczególnych funkcjach i dlaczego te przypadki zostały wybrane.

    1. DoraźnyPrzypadki użycia powstają tam, gdzie ktoś je wspiera; brak widoku portfela.
    2. Wyłaniający sięIstnieje lista inicjatyw AI; kryteria ich wyboru są niespójne.
    3. ZdefiniowanyUtrzymywany jest portfel przypadków użycia AI ze wspólnym uzasadnieniem włączenia i priorytetów.
    4. ZarządzanyPortfel jest zrównoważony między szybkimi zwycięstwami, strategicznymi zakładami i pracami fundamentowymi; jest regularnie weryfikowany.
    5. ZoptymalizowanyPrzypadki użycia są dodawane, wstrzymywane i wycofywane na podstawie dowodów; portfel jest świadomym narzędziem zarządczym.

Przywództwo i wsparcie

Czy kadra kierownicza jest właścicielem AI, wiarygodnie ją finansuje, sama jej używa i koordynuje ją w całej firmie.

  • Odpowiedzialność kadry zarządzającej

    Wyższy rangą lider odpowiada za AI jako całość, mając uprawnienia do podejmowania decyzji w różnych funkcjach.

    1. DoraźnyNikt nie jest właścicielem AI; sprawy posuwa naprzód ten, kto najgłośniej krzyczy.
    2. Wyłaniający sięOdpowiedzialność spoczywa na jednej funkcji (często IT) i nie obejmuje pełnego zakresu prac nad AI.
    3. ZdefiniowanyWyznaczony wyższy rangą lider odpowiada za AI w całej organizacji.
    4. ZarządzanyWłaściciel ma uprawnienia, budżet i zasięg, by skutecznie egzekwować decyzje międzyfunkcyjne.
    5. ZoptymalizowanyOdpowiedzialność za AI jest wbudowana w sposób działania organizacji; sukcesja i ciągłość są zaplanowane.

  • Zaangażowanie inwestycyjne

    Organizacja inwestuje w AI na poziomie dopasowanym do deklarowanej ambicji, a inwestycje są finansowane w przewidywalny sposób.

    1. DoraźnyInwestycje w AI to jakikolwiek budżet, który da się zebrać przypadek po przypadku.
    2. Wyłaniający sięIstnieją pewne środki; nie odpowiadają ambicjom, o których mówią liderzy.
    3. ZdefiniowanyIstnieje finansowany plan AI z przewidywalną pulą budżetową.
    4. ZarządzanyInwestycje są kalibrowane względem wyników; realokacja między inicjatywami jest normą.
    5. ZoptymalizowanyFinansowanie skaluje się w górę i w dół na podstawie dowodów; inwestycje w AI zachowują się jak każde inne zobowiązanie strategiczne.

  • Widoczne korzystanie przez liderów

    Liderzy sami używają AI i mówią o tym otwarcie; adopcja AI nie jest czymś, czego wymagają od innych, sami tego nie robiąc.

    1. DoraźnyLiderzy proszą resztę firmy o wdrożenie AI, ale sami jej nie używają.
    2. Wyłaniający sięNiektórzy liderzy używają AI osobiście; inni postrzegają to jako zadanie kogoś innego.
    3. ZdefiniowanyWiększość liderów używa AI we własnej pracy i mówi o tym otwarcie.
    4. ZarządzanyKorzystanie z AI przez liderów jest widoczne dla zespołów i kształtuje oczekiwania.
    5. ZoptymalizowanyLiderzy modelują korzystanie z AI jako podstawową kompetencję zawodową; ton z góry jest spójny i wiarygodny.

  • Koordynacja międzyfunkcyjna

    Prace nad AI są koordynowane między funkcjami, zamiast aby każdy zespół na własną rękę kupował narzędzia, pisał polityki i prowadził pilotaże.

    1. DoraźnyFunkcje prowadzą prace nad AI niezależnie; powielanie, sprzeczne narzędzia i sprzeczne polityki są powszechne.
    2. Wyłaniający sięIstnieje pewna koordynacja; uzgadnianie jest nieformalne i zależy od relacji.
    3. ZdefiniowanyStałe forum lub funkcja koordynuje prace nad AI w całej firmie.
    4. ZarządzanyKoordynacja prowadzi do konkretnych decyzji — wspólnych narzędzi, wspólnych standardów, wspólnej nauki między funkcjami.
    5. ZoptymalizowanyMiędzyfunkcyjna koordynacja w zakresie AI to sposób działania organizacji; żadna funkcja nie jest pozostawiona sama sobie.

Adopcja w różnych funkcjach

Jak szeroko i głęboko AI jest faktycznie wykorzystywana w całej firmie — i czy adopcja jest zrównoważona między pracą z klientem a pracą wewnętrzną.

  • Zasięg pokrycia funkcji

    AI jest aktywnie wykorzystywana w głównych funkcjach firmy (HR, finanse, operacje, sprzedaż, marketing, wsparcie, produkt) — a nie tylko w jednej czy dwóch.

    1. DoraźnyJedna lub dwie funkcje eksperymentują z AI; reszta organizacji nie.
    2. Wyłaniający sięKilka funkcji zaczęło; zasięg i głębokość znacznie się różnią.
    3. ZdefiniowanyWiększość głównych funkcji ma co najmniej jedno znaczące zastosowanie AI w produkcji.
    4. ZarządzanyWszystkie główne funkcje używają AI w sposób dopasowany do swojej pracy; luki są widoczne i adresowane.
    5. ZoptymalizowanyAI jest częścią sposobu działania każdej funkcji; pytaniem nie jest już czy, lecz jak dobrze.

  • Głębokość w obrębie funkcji

    Tam, gdzie AI jest używana, jest używana merytorycznie — wbudowana w przepływy pracy, a nie doczepiona na obrzeżach.

    1. DoraźnyKorzystanie z AI jest powierzchowne — gdzieś chatbot, gdzieś narzędzie do szkiców; niewielki wpływ na codzienną pracę.
    2. Wyłaniający sięNiektóre funkcje używają AI w realnych przepływach pracy; wiele traktuje ją jako dodatek.
    3. ZdefiniowanyFunkcje, które używają AI, robią to w znaczący sposób, wbudowany w przepływy pracy.
    4. ZarządzanyGłębokość jest mierzona; funkcje są popychane poza powierzchowną adopcję ku realnej zmianie.
    5. ZoptymalizowanyAI jest wpleciona w sposób wykonywania pracy w każdej adoptującej funkcji; granica między przepływem z AI a bez AI zniknęła.

  • Równowaga front-office vs back-office

    Adopcja AI jest zrównoważona między pracą z klientem a operacjami wewnętrznymi, a nie skoncentrowana po jednej stronie firmy.

    1. DoraźnyAI jest skoncentrowana po jednej stronie firmy; druga jest w dużej mierze nietknięta.
    2. Wyłaniający sięIstnieje pewna równowaga; po jednej stronie pozostają znaczące luki.
    3. ZdefiniowanyZarówno front-office, jak i back-office mają znaczącą adopcję AI.
    4. ZarządzanyRównowaga jest celowa i dopasowana do tego, gdzie AI tworzy największą wartość dla organizacji.
    5. ZoptymalizowanyAI jest stosowana wszędzie tam, gdzie tworzy wartość, niezależnie od tego, gdzie w firmie to się znajduje.

Ludzie i kompetencje

Czy organizacja ma kompetencje w zakresie AI, umiejętności specjalistyczne, wspólne uczenie się i ścieżki rozwoju talentów, by dobrze realizować AI i stale się doskonalić.

  • Podstawowa znajomość AI

    Pracownicy w całej organizacji mają podstawową znajomość AI oczekiwaną na ich stanowisku — potrafią rozsądnie korzystać z narzędzi AI i znają ich ograniczenia.

    1. DoraźnyZnajomość AI to cokolwiek ludzie nabędą samodzielnie; luki są duże.
    2. Wyłaniający sięZaoferowano pewne szkolenia; uczestnictwo i jakość są nierówne.
    3. ZdefiniowanyIstnieje oczekiwanie co do podstawowej znajomości AI dla odpowiednich stanowisk i jest ono spełniane.
    4. ZarządzanyZnajomość jest oceniana i odświeżana; nowi pracownicy szybko dochodzą do standardu.
    5. ZoptymalizowanyZnajomość AI to podstawowa kompetencja zawodowa w całej organizacji; poprzeczka jest skalibrowana i rośnie.

  • Kompetencje specjalistyczne

    Organizacja ma potrzebne specjalistyczne kompetencje AI (dane, ML/ops, projektowanie promptów, ład organizacyjny), by dobrze realizować AI w obszarach, które tego wymagają.

    1. DoraźnySpecjalistyczne kompetencje AI to cokolwiek zespół przypadkiem posiada; luki wypełnia się nadzieją.
    2. Wyłaniający sięIstnieją pewne umiejętności specjalistyczne; nie pokrywają one prac, których organizacja się podjęła.
    3. ZdefiniowanyOrganizacja zidentyfikowała potrzebne kompetencje specjalistyczne i je posiada.
    4. ZarządzanyPojemność specjalistyczna jest dopasowana do portfela AI; luki są celowo wypełniane.
    5. ZoptymalizowanySpecjalistyczne kompetencje AI skalują się wraz z ambicją; organizacja może podejmować nowe prace nad AI bez niespodzianek.

  • Wewnętrzna społeczność i dzielenie się wiedzą

    Osoby uczące się o AI odnajdują się nawzajem, dzielą tym, co działa, i podnoszą zbiorowe umiejętności organizacji szybciej, niż mogliby to robić w pojedynkę.

    1. DoraźnyNauka odbywa się w silosach; te same lekcje są ponownie przyswajane w różnych zakątkach.
    2. Wyłaniający sięPewne dzielenie się odbywa się nieformalnie; zależy od energii poszczególnych osób.
    3. ZdefiniowanyIstnieje społeczność praktyków, forum lub kanał, gdzie nauka o AI jest dzielona między funkcjami.
    4. ZarządzanyDzielenie się przynosi widoczny wzrost — wzorce się rozprzestrzeniają, błędy się nie powtarzają.
    5. ZoptymalizowanyNauka kumuluje się w całej organizacji; nowe kompetencje AI są przyswajane w tempie rozwoju technologii.

  • Rekrutacja i ścieżki kariery

    Organizacja rekrutuje pod kątem kompetencji AI tam, gdzie to ma znaczenie, i oferuje ścieżki kariery, które zatrzymują rozwijanych ludzi.

    1. DoraźnyKompetencje AI nie są częścią sposobu, w jaki organizacja rekrutuje lub rozwija ludzi.
    2. Wyłaniający sięRekrutacja czasem uwzględnia kompetencje AI; ścieżki kariery dla osób z kompetencjami AI są niejasne.
    3. ZdefiniowanyKompetencje AI są częścią kryteriów rekrutacji i planów rozwoju dla stanowisk, gdzie ma to znaczenie.
    4. ZarządzanyIstnieją ścieżki kariery dla osób z kompetencjami AI; retencja jest monitorowana i działa się w jej zakresie.
    5. ZoptymalizowanyOrganizacja jest miejscem, w którym osoby z kompetencjami AI chcą być; rozwija i zatrzymuje rozwijane talenty.

Dane i fundamenty

Czy dane, platformy i baza dostawców, od których zależy AI, są gotowe, współdzielone i zarządzane na poziomie organizacji.

  • Gotowość danych

    Dane potrzebne AI do wykonywania użytecznej pracy — dokładne, dostępne, dobrze zarządzane — są w stanie wspierającym wybrane przez organizację przypadki użycia AI.

    1. DoraźnyDane są nieuporządkowane, rozproszone i trudne w użyciu; prace nad AI są przez nie wstrzymywane.
    2. Wyłaniający sięCzęść danych jest gotowa do użycia w AI; pozostają duże luki w jakości, dostępie lub pokryciu.
    3. ZdefiniowanyDane stanowiące podstawę priorytetowych przypadków użycia AI są odpowiednie do celu i niezawodnie dostępne.
    4. ZarządzanyGotowość danych jest celowo poprawiana w miarę wprowadzania nowych przypadków użycia AI.
    5. ZoptymalizowanyDane są traktowane jako strategiczny zasób dla AI; gotowość nadąża za ambicją.

  • Fundamenty technologiczne

    Platformy, integracje i narzędzia, na których opiera się AI, są na miejscu — nie są improwizowane przy każdej nowej inicjatywie.

    1. DoraźnyKażda inicjatywa AI buduje własne rusztowanie; nic nie jest ponownie wykorzystywane.
    2. Wyłaniający sięIstnieją pewne wspólne fundamenty; wiele inicjatyw nadal działa na własną rękę.
    3. ZdefiniowanyWspólny zestaw platform i integracji AI jest na miejscu i ponownie wykorzystywany.
    4. ZarządzanyFundamenty ewoluują, by sprostać nowym potrzebom; zespoły budują na nich, a nie od zera.
    5. ZoptymalizowanyFundamenty AI są przewagą konkurencyjną; nowe przypadki użycia uruchamiają się szybciej dzięki nim.

  • Zarządzanie dostawcami i narzędziami

    Dostawcy i narzędzia AI są wybierani, integrowani i racjonalizowani na poziomie organizacji — a nie kupowani zespół po zespole.

    1. DoraźnyKażdy zespół kupuje własne narzędzia AI; rozrost, nakładanie się i niespodziewane wydatki są stałym zjawiskiem.
    2. Wyłaniający sięIstnieje pewna koordynacja zakupów; wiele zakupów wciąż odbywa się poza radarem.
    3. ZdefiniowanyWybór narzędzi AI jest skoordynowany; głównych dostawców wybiera się na poziomie organizacji.
    4. ZarządzanyZasób narzędzi AI jest przeglądany i racjonalizowany; wydatki odpowiadają użyciu.
    5. ZoptymalizowanyDecyzje dotyczące dostawców i narzędzi AI są podejmowane strategicznie; zasób jest oszczędny, dobrze zrozumiany i łatwy do zmiany.

Ład organizacyjny, ryzyko i zgodność

Czy AI jest zarządzana odpowiedzialnie — jasna polityka, zarządzane ryzyko, zgodność regulacyjna i etyka stosowana w realnych decyzjach.

  • Polityka AI i dopuszczalne użycie

    Organizacja ma jasną, aktualną i znaną politykę dotyczącą tego, z jakich narzędzi AI ludzie mogą korzystać, na jakich danych i w jakich celach.

    1. DoraźnyNie ma polityki AI albo istnieje, ale nikt jej nie zna.
    2. Wyłaniający sięIstnieje projekt polityki; zakres i świadomość są niejednolite.
    3. ZdefiniowanyAktualna polityka dopuszczalnego użycia AI jest opublikowana i znana w całej organizacji.
    4. ZarządzanyPolityka jest przeglądana w miarę ewolucji narzędzi i ryzyk; zmiany są komunikowane i przyswajane.
    5. ZoptymalizowanyPolityka jest traktowana jako żywy dokument, którego ludzie naprawdę używają do podejmowania decyzji.

  • Zarządzanie ryzykiem

    Ryzyka specyficzne dla AI (halucynacje, stronniczość, wyciek danych, dryf modelu, zależność od dostawcy) są rozpoznawane, oceniane i zarządzane wraz z innymi ryzykami organizacyjnymi.

    1. DoraźnyRyzyka AI nie są odrębnie identyfikowane ani oceniane; niespodzianki są częste.
    2. Wyłaniający sięNiektóre ryzyka AI są rozpoznawane; ocena jest nieformalna.
    3. ZdefiniowanyRyzyka AI są skatalogowane i oceniane wraz z innymi ryzykami operacyjnymi.
    4. ZarządzanyŚrodki zaradcze wobec ryzyka są na miejscu i przeglądane; właściciel każdego głównego ryzyka AI jest jasny.
    5. ZoptymalizowanyZarządzanie ryzykiem AI jest dojrzałe, antycypacyjne i wiarygodne wobec wewnętrznej i zewnętrznej kontroli.

  • Postawa regulacyjna i zgodność

    Organizacja śledzi regulacje mające zastosowanie do jej użycia AI, przestrzega ich i dostosowuje się w miarę zmian przepisów.

    1. DoraźnyEkspozycja regulacyjna w zakresie AI nie jest badana; zgodność jest przedmiotem nadziei, a nie zarządzania.
    2. Wyłaniający sięNiektóre regulacje są znane i adresowane; pokrycie jest nierówne na różnych rynkach.
    3. ZdefiniowanyObowiązujące regulacje dotyczące AI są udokumentowane, a organizacja działa zgodnie z nimi.
    4. ZarządzanyZgodność jest monitorowana w miarę ewolucji przepisów; aktualizacje są terminowe i komunikowane.
    5. ZoptymalizowanyPostawa regulacyjna jest możliwa do obrony, przejrzysta i gotowa na zewnętrzną kontrolę.

  • Etyka i odpowiedzialne użycie

    Organizacja ma działające stanowisko w sprawie etyki AI — sprawiedliwość, przejrzystość, nadzór człowieka, wpływ na ludzi — i stosuje je w faktycznych decyzjach.

    1. DoraźnyKwestie etyczne dotyczące AI są podnoszone reaktywnie, jeśli w ogóle.
    2. Wyłaniający sięNiektóre zasady są spisane; nie wpływają niezawodnie na decyzje.
    3. ZdefiniowanyIstnieje działające stanowisko w sprawie etyki AI i kształtuje decyzje dotyczące przypadków użycia i narzędzi.
    4. ZarządzanyPrzegląd etyczny jest częścią sposobu, w jaki inicjatywy AI są określane, zatwierdzane i prowadzone.
    5. ZoptymalizowanyMyślenie o odpowiedzialnym użyciu jest wbudowane w prace nad AI od początku do końca; organizacja może bronić swoich wyborów wobec pracowników, klientów i regulatorów.

Realizacja wartości

Czy organizacja mierzy to, co AI faktycznie dostarcza, rozumie jej koszt i ROI, uczy się na porażkach i stale doskonali swoją praktykę AI.

  • Pomiar rezultatów

    Organizacja mierzy to, co AI faktycznie dostarcza — produktywność, jakość, przychody, koszty, doświadczenie klienta — a nie tylko metryki adopcji.

    1. DoraźnyWartość AI jest anegdotyczna; próżne metryki (użytkownicy, prompty) zastępują rezultaty.
    2. Wyłaniający sięNiektóre rezultaty są śledzone; pokrycie jest częściowe i niespójne.
    3. ZdefiniowanyKażda główna inicjatywa AI ma metryki rezultatów dopasowane do tego, co ma zmienić.
    4. ZarządzanyRezultaty są weryfikowane względem oczekiwań; prace o słabych wynikach są korygowane lub zatrzymywane.
    5. ZoptymalizowanyPomiar rezultatów jest uczciwy, porównywalny między inicjatywami i traktowany jako wiarygodna podstawa decyzji.

  • Widoczność kosztów i ROI

    Organizacja wie, ile łącznie wydaje na AI i co w zamian otrzymuje — na tyle dobrze, by podejmować sensowne decyzje o skalowaniu w górę i w dół.

    1. DoraźnyCałkowite wydatki na AI są nieznane; ROI jest nadzieją.
    2. Wyłaniający sięWydatki są częściowo widoczne; ROI jest w większości anegdotyczny.
    3. ZdefiniowanyWydatki na AI są śledzone na poziomie organizacji i powiązane z rezultatami, które przynoszą.
    4. ZarządzanyWydatki i ROI napędzają decyzje portfelowe; kosztowne prace są analizowane; tanie zwycięstwa są skalowane.
    5. ZoptymalizowanyEkonomia AI jest częścią sposobu, w jaki organizacja planuje; decyzje inwestycyjne są oparte na dowodach na każdym poziomie.

  • Wychwytywanie porażek i nauka

    Gdy inicjatywy AI osiągają słabe wyniki lub zawodzą, organizacja rejestruje, co się stało, i wykorzystuje to do ulepszania późniejszych prac.

    1. DoraźnyNieudane prace nad AI są ukrywane; lekcje nie są rejestrowane.
    2. Wyłaniający sięOdbywają się pewne analizy powdrożeniowe; nie zmieniają sposobu prowadzenia następnej inicjatywy.
    3. ZdefiniowanyStały proces rejestruje i dzieli lekcje z prac nad AI w całej organizacji.
    4. ZarządzanyLekcje napędzają obserwowalne ulepszenia w czasie; organizacja potrafi nazwać, czego się nauczyła.
    5. ZoptymalizowanyNauka kumuluje się między inicjatywami; organizacja jest widocznie lepsza w pracy nad AI z roku na rok.

  • Ciągłe doskonalenie praktyki AI

    Sposób, w jaki organizacja realizuje prace nad AI — strategia, ład organizacyjny, kompetencje, dostarczanie — jest sam przeglądany i ulepszany w miarę zmian dziedziny.

    1. DoraźnySposób, w jaki organizacja realizuje AI, jest taki, jaki był na początku; nic w podejściu się nie zmienia.
    2. Wyłaniający sięOkazjonalne korekty się zdarzają, zwykle reaktywnie po tym, jak coś pójdzie nie tak.
    3. ZdefiniowanyModel operacyjny AI jest okresowo przeglądany i aktualizowany, gdy jest to uzasadnione.
    4. ZarządzanyDoskonalenie praktyki AI jest samo w sobie programem — mierz, koryguj, mierz ponownie.
    5. ZoptymalizowanyCiągłe doskonalenie sposobu realizacji AI jest wbudowane w model operacyjny; podejście ewoluuje tak szybko, jak technologia.

Kiedy używać tej oceny kondycji?

  • Określanie punktu wyjścia dojrzałości adopcji AI w organizacji przed ustaleniem strategii lub mapy drogowej AI
  • Uzgadnianie wśród zespołu kierowniczego ambicji wobec apetytu na ryzyko w zakresie AI
  • Identyfikowanie, gdzie adopcja AI jest powierzchowna, silosowa lub wyprzedza ład organizacyjny
  • Śledzenie postępów dojrzałości AI w kolejnych kwartałach lub latach
  • Przygotowanie aktualizacji dla zarządu lub kadry kierowniczej na temat gotowości przedsiębiorstwa do AI

Porady i wskazówki

  • Przeprowadź ją z międzyfunkcyjną grupą kierowniczą, aby reprezentowana była adopcja we wszystkich funkcjach, a nie tylko w IT czy jednym zespole entuzjastów.
  • Traktuj skalę od Doraźnego do Zoptymalizowanego jako wspólny język — omawiajcie, dlaczego oceny się różnią, zanim je uśrednicie.
  • Zestaw niskie oceny w obszarze Ład organizacyjny, ryzyko i zgodność z wysokimi ocenami w obszarze Adopcja, aby ujawnić, gdzie organizacja wyprzedziła swoje zabezpieczenia.
  • Powtarzaj ocenę w regularnym rytmie, aby uwidocznić postępy dojrzałości i rozliczać decyzje inwestycyjne.
  • Skoncentruj podsumowanie na dwóch–trzech wymiarach o największym rozrzucie ocen — to tam zgodność jest najsłabsza.

Często zadawane pytania

Czym jest model dojrzałości adopcji AI?
To uporządkowane ramy oceniające, jak dojrzała jest adopcja AI w organizacji w kilku wymiarach — takich jak strategia, przywództwo, kompetencje, dane, ład organizacyjny i wartość. Każdy wymiar jest oceniany na stopniowej skali, tutaj od Doraźnego, przez Wyłaniający się, Zdefiniowany i Zarządzany, po Zoptymalizowany, dając jasny obraz obecnego stanu i tego, gdzie można się doskonalić.
Kto powinien wziąć udział w tej ocenie?
Najlepiej sprawdza się międzyfunkcyjna grupa liderów — kadra zarządzająca, szefowie funkcji oraz osoby odpowiedzialne za strategię AI, dane, ład organizacyjny i dostarczanie. Szeroki udział zapewnia, że odzwierciedlona jest adopcja w całej firmie, a nie pogląd jednego zespołu.
Jak oceniany jest każdy wymiar?
Każdy wymiar jest oceniany na pięciostopniowej skali dojrzałości od Doraźnego do Zoptymalizowanego, z pisemnym opisem dla każdego poziomu, dzięki czemu uczestnicy mają wspólne rozumienie tego, co oznacza każda ocena.
Jak często powinniśmy ją przeprowadzać?
Większość organizacji określa punkt wyjścia raz, a następnie powtarza ocenę co sześć do dwunastu miesięcy. Kompetencje AI i otaczająca technologia szybko się zmieniają, więc regularny rytm utrzymuje obraz aktualnym i czyni postępy mierzalnymi.
Co powinniśmy zrobić z wynikami?
Wykorzystaj rozrzut ocen do priorytetyzacji. Wymiary, w których oceny są niskie lub w których uczestnicy najbardziej się różnią, są zwykle najlepszym miejscem do skupienia uwagi w następnej kolejności — na przykład zamknięcie luki w ładzie organizacyjnym, która została w tyle za szybką adopcją, lub inwestowanie w kompetencje tam, gdzie ambicja przewyższa umiejętności.