Organisaatioissa käsitellään paljon AI-kysymyksiä, mutta keskustelu jää helposti työkaluihin, irrallisiin ideoihin ja pieniin testauksiin. Miten hajanaisista AI-kipukohdista edetään arvoa tuottaviin tekoihin?
Pääset seuraamaan strategiakartan rakentamista, joka tähtää siihen, että organisaatiossa havaituista AI-transformaation tuomista kipukohdista edetään kohti ratkaisuja. Tapahtumassa kuvataan tyypilliset AI-muutosmatkan oireet organisaatiossa, kootaan eri asiantuntijoiden näkemykset ratkaisuista ja hoitosuositukset eteenpäin pääsemiseksi. Tunnin aikana näet, millaisia näkökulmia ja menetelmiä muutosjohtamisen, tekoälyn ja datan asiantuntijat käyttävät strategiakartan rakentamiseen. Saat käytännön tarkkailupaikan ja pääset lisäksi kommentoimalla vaikuttamaan työn etenemiseen.
Maksuton webinaari on suunnattu:
Toimivan AI-hallintamallin omistajuus on yleensä jakautunut liiketoimintoihin. Yhteiset linjaukset työkaluista, tietoturvasta ja kulutuksesta voidaan vastuuttaa esimerkiksi organisaation yhteiselle AI -elimelle joka myös voi omistaa yleiset prosessit AI-käyttötapausten toteuttamiseen liittyen. Lisäksi näin voidaan osittain hallita sitä ettei tehdä päällekkäisiä investointia ratkomaan samoja ongelmia AI:lla organisaation eri osissa. Mutta varsinaisten AI-ratkaisujen hallinta ja omistajuus tulisi asua liiketoiminnassa jotka ymmärtävät ja omistavat datan, prosessit tai työkulut jotka ovat osa AI-ratkaisua.
Teknologia edellä lähtenyt kokeilu tuskin on täysin harha-askel, mutta kannattaa silti peruuttaa hieman. Pohtikaa, mitä tällä teknologialla oikeastaan yritetään saavuttaa ja mikä liiketoiminnan ongelma sillä ratkaistaan. Liittyykö se oikeasti johonkin isompaan tavoitteeseen? Kääntäkää ajattelu siitä mitä teknologialla voidaan tehdä siihen, mitä pitäisi saada aikaan liiketoiminallisesti. Korjatkaa kurssia ja lähestymistapaa tarpeen mukaan, kun löydätte liiketoiminnan tavoitteista suuntaa ja perusteluja.
Jos lähtötason data ei ole saatavilla järkevästi käyttämättä kohtuuttomasti aikaa esim manuaalisesti korjaamaan datan laatua joka on kestämätöntä pitkässä juoksussa kannattaa miettiä, onko meillä muita mittareita joihin data on saatavilla jolla voidaan asiaa seurata, jos ei ole realistista saada alkuperäisen mittarin datalaatua kuntoon. Sitten vaihtoehtona on myös astetta pehmeämpiä mittareita joihin data voidaan saada vaikkapa henkilöstökyselyiden kautta.