Upprätta AI-relaterade roller och ansvarsområden

Slutförd

Alla strategier för AI-implementering måste hantera dina befintliga affärsfunktioner. Vi gick igenom detta i modulen "Skapa affärsvärde från AI". Målet med den här modulen är att förbereda företaget för AI-initiativ. Frågan är nu: inom din organisation, vem ansvarar för vilka uppgifter när det gäller AI? I den här lektionen går du igenom hur du kan tilldela AI-relaterade ansvarsområden i din organisation.

Att aktivera AI i din organisation är ett kollektivt ansvar

Alla har en roll att spela i AI-omvandling, inte bara IT. Det är viktigt att ge personer från alla funktioner i företaget möjlighet att aktivt bidra med idéer om AI-program. Det är viktigt att främja samarbete mellan affärsteam och tekniska team när du planerar design och implementering. Efter distributionen måste team över de tekniska och operativa sidorna i verksamheten vara involverade i att underhålla AI-lösningar över tid:

• Mäta affärsprestanda och ROI från AI-lösningen.
• Övervaka modellens prestanda och noggrannhet.
• Agera på insikter från en AI-lösning.
• Ta itu med problem som uppstår och bestämma hur du kan förbättra lösningen över tid.
• Samla in och utvärdera feedback från AI-användare (oavsett om de är kunder eller anställda).

Det är det yttersta ansvaret för ledningsgruppen att äga den övergripande AI-strategin och investeringsbesluten, skapa en AI-redo kultur, ändringshantering och ansvarsfulla AI-policyer.

När det gäller de andra ledarna i en organisation finns det ingen enskild modell att följa, men olika roller kan spela en roll. Din organisation måste fastställa en modell som passar din strategi och dina mål, teamen inom din verksamhet och din AI-mognad.

Verksamhetsledare

Den här personen är en företagsledare som ansvarar för driften av en viss funktion, verksamhetsgren eller process inom en organisation.

• Källidéer från alla anställda: Personer från alla avdelningar och nivåer bör gärna bidra med idéer, ställa frågor och komma med förslag relaterade till AI. Vi har upptäckt att idéer för vår mest effektfulla tillämpning av AI har kommit från våra anställda inom affärsfunktioner, inte utifrån eller senare.

• Identifiera nya affärsmodeller: AI:s verkliga värde ligger i affärsomvandling: att driva nya affärsmodeller, möjliggöra innovativa tjänster, skapa nya intäktsströmmar med mera.

• Skapa valfria communities för att utbyta idéer: De ger möjligheter för IT- och affärsroller att ansluta kontinuerligt. Du kan implementera det här måttet praktiskt taget via verktyg som Yammer eller personligen vid nätverksevenemang eller lunch- och inlärningssessioner.

• Utbilda affärsexperter till att bli agila produktägare: En produktägare är medlem i det agila teamet som ansvarar för att definiera funktionerna i programmet och effektivisera körningen. Genom att ta med den här rollen som en del av eller hela en företagsexperts ansvarsområden kan de ägna tid och arbete åt AI-initiativ.

Chief Digital Officer

CDO (Chief Digital Officer) är en ändringsagent som övervakar omvandlingen av traditionella åtgärder med hjälp av digitala processer. Deras mål är att skapa nya affärsmöjligheter, intäktsströmmar och kundtjänster.

• Odla en kultur av datadelning i företaget: De flesta organisationer genererar, lagrar och använder data på ett siloat sätt. Även om varje avdelning kan ha en bra överblick över sina egna data, kan de sakna annan information som kan vara relevant för deras verksamhet. Att dela data är nyckeln till att effektivt använda AI.
• Skapa ditt AI-manifest: Det här är "nordstjärnan" som tydligt beskriver organisationens vision för AI och digital omvandling mer allmänt. Dess mål är inte bara att stärka företagets strategi, utan att inspirera alla i hela organisationen och hjälpa dem att förstå vad omvandlingen innebär för dem. CDO måste arbeta med andra medlemmar i ledningsgruppen för att skapa dokumentet och skicka det till företaget.
• Identifiera katalysatorprojekt för snabba vinster: Kickstarta AI-omvandling genom att identifiera arbete som omedelbart kan dra nytta av AI, dvs. H1-initiativ. Visa sedan upp dessa projekt för att bevisa dess värde och få fart bland andra team (H2 och H3).
• Distribuera ett utbildningsprogram om metodtips för datahantering: När fler personer utanför IT engagerar sig i att använda eller skapa AI-modeller är det viktigt att se till att alla förstår metodtips för datahantering. Data måste rensas, konsolideras, formateras och hanteras så att de enkelt kan användas av AI och kan undvika fördomar.

Personalledare

Hr-chefen ger grundläggande bidrag till en organisations kultur- och personutveckling. Deras omfattande uppgifter omfattar att implementera kulturell utveckling, skapa interna utbildningsprogram och anställa enligt verksamhetens behov.

• Främja en "inlärningskultur": Överväg hur man uppmuntrar en kultur som förespråkas av ledarskap som omfamnar utmaningar och erkänner misslyckande som en värdefull del av kontinuerligt lärande och innovation.

• Utforma en strategi för "digitalt ledarskap": Gör en plan för att hjälpa verksamhetsledare och ledningsgruppen att bygga sin egen AI-läs- och skrivkunnighet och leda team genom AI-implementering. Tänk på att alla AI-strategier bör följa ansvarsfulla AI-principer.

• Skapa en anställningsplan för nya roller, till exempel datavetare: Det långsiktiga målet är att ge dina anställda kompetens, men på kort sikt kan du behöva anställa några nya roller specifikt för AI-initiativ. Nya roller som kan krävas är dataforskare, programvarutekniker och DevOps-chefer.

• Skapa en kompetensplan för roller som påverkas av AI: Att skapa en AI-redo kultur kräver ett varaktigt engagemang från ledningen för att utbilda och höja kompetensen för anställda på både tekniska och affärsmässiga sidor.

  • På den tekniska sidan behöver anställda grundläggande kunskaper i att skapa och operationalisera AI-program. Det kan vara bra att samarbeta med andra företag för att få dina team att komma igång, men AI-lösningar är aldrig statiska. De kräver ständiga justeringar för att utnyttja nya data, nya metoder och nya möjligheter för personer som också har en intim förståelse för verksamheten.
  • På affärssidan är det viktigt att utbilda människor att införa nya processer när ett AI-baserat system ändrar sitt dagliga arbetsflöde. I utbildningen ingår att lära dem att tolka och agera utifrån AI-förutsägelser och rekommendationer med hjälp av ett sunt mänskligt omdöme. Du bör hantera den ändringen eftertänksamt.

IT-ledare

Medan Chief Digital Officer har till uppgift att skapa och implementera den övergripande digitala strategin, övervakar en IT-chef den dagliga teknikverksamheten.

• Starta agila arbetsinitiativ mellan företag och IT: Genom att implementera agila processer mellan affärs- och IT-team kan du hålla teamen i linje med ett gemensamt mål. Genomförandet kräver en kulturell förändring för att underlätta samarbete och minska revirkrig. Verktyg som Microsoft Teams och Skype är effektiva samarbetsverktyg.
• Skapa en åtgärdsplan för "mörka data": Mörka data är ostrukturerade, otaggade och siloade data som organisationer inte kan analysera. Den är inte klassificerad, skyddad eller styrd. Företag i olika branscher har stor nytta av att de kan föra in mörka data i ljuset. För att göra det behöver de en plan för att ta bort datasiloer, extrahera strukturerad information från ostrukturerat innehåll och rensa bort onödiga data.
• Konfigurera flexibla korsfunktionella leveransteam och projekt: Korsfunktionella leveransteam är avgörande för att kunna köra framgångsrika AI-projekt. Personer med intim kunskap om och kontroll över affärsmål och processer bör vara en central del i planering och underhåll av AI-lösningar. Dataforskare som arbetar isolerat kan skapa modeller som saknar kontext, syfte eller värde som skulle göra dem effektiva.
• Skala MLOps i hela företaget: Det är komplicerat att hantera hela maskininlärningslivscykeln i stor skala. Organisationer behöver en metod som gör DevOps smidigare i maskininlärningslivscykeln. Vi kallar den här metoden MLOps: praxis för samarbete mellan dataforskare, AI-tekniker, apputvecklare och andra IT-team för att hantera livscykeln för maskininlärning från slutpunkt till slutpunkt. Läs mer om MLOps i motsvarande enheter i modulen "Utnyttja AI-verktyg och resurser för ditt företag".

Affärsarbetares funktion är inte bara att leverera insikter till dataforskare. AI måste hjälpa dem att fungera bättre och snabbare. I nästa lektion ska vi se hur det här målet kan uppnås med kodfria verktyg som inte kräver datavetenskapsexpertis eller medling.