Vytvoření rolí a odpovědností souvisejících s AI

Dokončeno

Jakákoli strategie přechodu na AI musí řešit vaše stávající obchodní možnosti. Probrali jsme to v modulu "Vytvoření obchodní hodnoty z AI". Cílem tohoto modulu je připravit vaši společnost na iniciativy umělé inteligence. Otázka je: v rámci vaší organizace, kdo zodpovídá za jaké úkoly, pokud jde o AI? V této lekci se dozvíte, jak ve vaší organizaci přiřadit zodpovědnosti související s AI.

Povolení umělé inteligence ve vaší organizaci je kolektivní odpovědností

Každý má roli při transformaci umělé inteligence, nejen v OBLASTI IT. Je důležité umožnit lidem ze všech funkcí ve vaší společnosti aktivně přispívat nápady na aplikace umělé inteligence. Při plánování návrhu a implementace je klíčové podporovat spolupráci mezi obchodními a technickými týmy. Po nasazení musí být týmy napříč technickými a provozními stranami firmy zapojeny do údržby řešení umělé inteligence v průběhu času:

• Měření obchodního výkonu a NÁVRATNOSTI z řešení AI
• Monitorování výkonu a přesnosti modelu
• Akce na základě přehledů získaných z řešení AI
• Řešení problémů, ke kterým dochází, a rozhodování o tom, jak v průběhu času zlepšit řešení.
• Shromažďování a vyhodnocování zpětné vazby od uživatelů umělé inteligence (ať už jsou to zákazníci nebo zaměstnanci).

Je nejvyšší zodpovědností vedoucího vedení týmu vedení vedení, aby vlastní celkovou strategii AI a investiční rozhodnutí, vytvořil kulturu připravenou na AI, řízení změn a zodpovědné zásady AI.

Pokud jde o ostatní vedoucí pracovníky v celé organizaci, neexistuje jediný model, který by bylo možné sledovat, ale různé role můžou hrát roli. Vaše organizace potřebuje určit model, který je vhodný pro vaši strategii a cíle, týmy v rámci vaší firmy a vyspělost umělé inteligence.

Vedoucí obchodní pozice

Tato osoba je obchodním ředitelem zodpovědným za provoz konkrétní funkce, obchodní řady nebo procesu v rámci organizace.

• Zdrojové nápady od všech zaměstnanců: Lidé z každého oddělení a úrovně by měli bez obav přispívat k nápadům, klást otázky a vytvářet návrhy související s AI. Zjistili jsme, že nápady pro naši nejvýraznější aplikaci umělé inteligence pocházejí od našich zaměstnanců v rámci obchodních funkcí, ne odjinud nebo odjinud.

• Identifikace nových obchodních modelů: Skutečná hodnota umělé inteligence spočívá v obchodní transformaci: řízení nových obchodních modelů, umožnění inovativních služeb, vytváření nových datových proudů výnosů a další.

• Vytvářejte volitelné komunity pro výměnu nápadů: Poskytují příležitosti pro IT a obchodní role, které se budou průběžně připojovat. Tuto míru můžete implementovat virtuálně prostřednictvím nástrojů, jako je Yammer, nebo osobně na síťových akcích nebo na obědech a ve výukových relacích.

• Vytrénujte obchodní odborníky, aby se stali vlastníky agilních produktů: Vlastník produktu je členem agilního týmu zodpovědného za definování funkcí aplikace a zjednodušení provádění. Zahrnutí této role jako součásti nebo všech povinností odborníka na podnikání jim umožní věnovat čas a úsilí iniciativám umělé inteligence.

Hlavní ředitel pro digitální služby

Ředitel digitálních služeb (CDO) je agent změny, který dohlíží na transformaci tradičních operací pomocí digitálních procesů. Jejich cílem je generovat nové obchodní příležitosti, streamy výnosů a služby zákazníků.

• Kultivujte kulturu sdílení dat v celé společnosti: Většina organizací generuje, ukládá a používá data v silovém způsobem. Každé oddělení sice může mít dobrý přehled o svých vlastních datech, ale nemusí mít k dispozici další informace, které by mohly být relevantní pro jejich provoz. Sdílení dat je klíčem k efektivnímu používání AI.
• Vytvořte manifest AI: Jedná se o "severní hvězdu", která jasně popisuje vizi organizace pro umělou inteligenci a digitální transformaci obecněji. Jeho cílem není jen zorientovat se ve strategii společnosti, ale inspirovat všechny lidi v organizaci a pomoci jim pochopit, co pro ně transformace znamená. CDO musí spolupracovat s dalšími členy vedoucího vedení vedení a vytvořit dokument a poslat zprávu společnosti.
• Identifikujte projekty katalyzátoru pro rychlé výhry: Zahájení transformace umělé inteligence tím, že identifikujete práci, která může okamžitě těžit z iniciativ AI, tj. iniciativy H1. Pak tyto projekty předveďte, aby prokázaly jeho hodnotu a získaly dynamiku mezi ostatními týmy (H2 a H3).
• Zavedení vzdělávacího programu o osvědčených postupech správy dat: S tím, jak se do používání nebo vytváření modelů AI zapojilo více lidí mimo IT, je důležité zajistit, aby všichni porozuměli osvědčeným postupům správy dat. Data je potřeba vyčistit, konsolidovat, naformátovat a spravovat, aby byla snadno využitelná AI a aby se zabránilo předsudkům.

Vedoucí oddělení lidských zdrojů

Ředitel lidských zdrojů vytváří základní příspěvky do kultury organizace a rozvoje lidí. Mezi jejich rozsáhlé úkoly patří implementace kulturního rozvoje, vytváření interních školicích programů a nábor podle potřeb firmy.

• Podpora "kultury výuky": Zvažte, jak podpořit kulturu, kterou podporuje vedení, které přijímá výzvy a uznává selhání jako cennou součást neustálého učení a inovací.

• Navrhni strategii "digitálního vedení": Vytvořte plán, který pomůže vedení podniků a vedoucímu týmu vedoucích pracovníků vytvořit svou vlastní inteligenci a vést týmy prostřednictvím přechodu na AI. Mějte na paměti, že jakákoli strategie umělé inteligence by měla dodržovat zodpovědné zásady AI.

• Vytvořte plán náboru pro nové role, jako jsou datoví vědci: I když je dlouhodobým cílem zvýšení dovedností zaměstnanců, v krátkodobém horizontu možná budete muset najmout některé nové role speciálně pro iniciativy umělé inteligence. Mezi nové role, které můžou být potřeba, patří datoví vědci, softwaroví inženýři a manažeři DevOps.

• Vytvoření plánu dovedností pro role ovlivněné AI: Vytvoření kultury připravené na AI vyžaduje trvalý závazek od vedení k vzdělávání a zvyšování dovedností zaměstnanců na technické i obchodní straně.

  • Na technické straně potřebují zaměstnanci základní dovednosti při vytváření a zprovoznění aplikací AI. Může být užitečné spolupracovat s dalšími společnostmi, aby vaše týmy zrychlily, ale řešení umělé inteligence nejsou nikdy statická. Vyžadují neustálé úpravy, aby využívaly nová data, nové metody a nové příležitosti lidí, kteří mají také intimní porozumění podnikání.
  • Na obchodní straně je důležité vytrénovat lidi, aby přijali nové procesy, když systém založený na umělé inteligenci změní svůj každodenní pracovní postup. Školení zahrnuje výuku, jak interpretovat a reagovat na predikce AI a doporučení s využitím řádného lidského úsudku. Měli byste to zvládnout promyšleně.

Vedoucí IT

I když se ředitel digitálního oddělení stará o vytvoření a implementaci celkové digitální strategie, ředitel IT dohlíží na každodenní provoz technologií.

• Spouštění agilních pracovních iniciativ mezi firmami a IT: Implementace agilních procesů mezi obchodními a IT týmy vám může pomoct udržet tyto týmy v souladu se společným cílem. Implementace vyžaduje kulturní posun, který usnadňuje spolupráci a snižování válek. Nástroje, jako jsou Microsoft Teams a Skype, jsou efektivní nástroje pro spolupráci.
• Vytvoření plánu nápravy "tmavých dat": Tmavá data jsou nestrukturovaná, neoznačené a naložení dat, která organizace nedokážou analyzovat. Není klasifikovaný, chráněný ani řízený. V různých odvětvích společnosti výrazně využívají, pokud můžou do světla přinést tmavá data. K tomu potřebují plán pro odebrání datových sil, extrakci strukturovaných informací z nestrukturovaného obsahu a vyčištění nepotřebných dat.
• Nastavení agilních týmů pro doručování napříč funkcemi a projektů: Týmy pro doručování napříč funkcemi jsou pro úspěšné projekty AI zásadní. Lidé s důvěrnými znalostmi a kontrolou nad obchodními cíli a procesy by měli být ústřední součástí plánování a údržby řešení AI. Datoví vědci, kteří pracují izolovaně, můžou vytvářet modely, které nemají kontext, účel nebo hodnotu, které by je mohly účinně využít.
• Škálování MLOps napříč společností: Správa celého životního cyklu strojového učení ve velkém měřítku je složitá. Organizace potřebují přístup, který přináší flexibilitu DevOps do životního cyklu strojového učení. Tento přístup nazýváme MLOps: postup spolupráce mezi datovými vědci, inženýry umělé inteligence, vývojáři aplikací a dalšími IT týmy za účelem správy kompletního životního cyklu strojového učení. Další informace o MLOps najdete v odpovídajících lekcích modulu "Využití nástrojů a prostředků AI pro vaši firmu".

Funkce podnikových pracovníků není jen poskytovat přehledy datovým vědcům. AI jim musí pomoct pracovat lépe a rychleji. V další lekci se podíváme, jak lze tohoto cíle dosáhnout pomocí nástrojů bez kódu, které nevyžadují odborné znalosti datových věd ani mediaci.