Egy stratégiai terv olyan mondatokat tartalmaz, amelyeket senki nem ismer fel feltételezésként, mert tényként vannak leírva. „A mi embereink végzik ezt a munkát, tehát ez egy ekkora nagyságú költségtétel marad.” „Ez az osztály az oka, hogy gyorsabbak vagyunk a versenytársnál.” Ezek nem következtetések, hanem feltételezések, amelyek a leírásuk pillanatában helyesek voltak. A kérdés nem az, hogy akkor helyesek voltak-e. A kérdés az, hogy valaki azóta ellenőrizte-e őket.
Egy tény ma igaz, és holnap is, amíg az ellenkezője nem derül ki. Egy feltételezésnek van érvényességi ideje, még akkor is, ha senki nem írta le, meddig tart. „Ehhez a feladathoz öt tapasztalt ember szükséges” két évvel ezelőtt észszerű feltételezés volt. Az, hogy még ma is helyes-e, attól függ, mi változott az elmúlt két évben a feladat magában, nem attól, akik elvégzik. Ez a különbségtétel az, mi a különbség egy AI-kockázat és egy AI-feltételezés között: egy kockázat valami, ami megtörténhet, egy feltételezés valami, amiről már eleve elfogadja, hogy igaz, anélkül hogy ellenőrizné.
Az AI, amely átveszi a munkát, nem minden feltételezést érint egyformán. A strukturált lépésekből álló munkánál egy feladatot mára jórészt egy rendszer is elvégezhet. Az ítéletet igénylő munkánál ez részben történik meg, egy emberrel, aki jóváhagy vagy elutasít, és ehhez indokot ad. Egy harmadik munkakategória pedig alig változik, mert a feladat olyasmi körül forog, amihez nincs betanítási adat, vagy amihez a felelősség személyesen van meghatározva.
Az, hogy ezt az egyik vállalatnál már bevezették, a másiknál még nem, ritkán a technológián múlik. Azon múlik, hogy a szervezeten belül ki kezdte el elsőként gyanakodni a feltételezésre. Egy csoportvezető, aki látja, hogy egy jelentés mostanra jórészt automatikusan érkezik be, tudja, hogy a „ez három ember munkája” feltételezés már nem helytálló. Az azonban más kérdés, hogy ez a tudás eljut-e az igazgatósághoz.
A feltételezés mérhetővé tétele nem azt jelenti, hogy kitalál egy százalékot. Azt jelenti, hogy három dolgot rögzít: mit állít pontosan a feltételezés, mire alapult a leírásának pillanatában, és milyen jelzés mutatná, hogy már nem helytálló. Ez a harmadik pont az, amiről a legtöbb stratégiai dokumentum hallgat. Le van írva, mit tételeznek fel, de nem, hogy mikor gondolnák azt újra át.
Ezért érdemes minden feltételezéshez egy utolsó megerősítési dátumot feltüntetni, ugyanúgy, ahogy egy tanúsítványnak lejárati dátuma van. Nem azért, mert a feltételezés ezután automatikusan hamis lesz, hanem mert így tudja, hogy senki nem nézte át már egy ideje. Így rögzíti, miért jár le egy AI-ról szóló feltételezés: nem ítéletként arról, ki fogalmazta meg valaha a feltételezést, hanem dátumként arról, mikor változott meg a világ alatta.
Ez a módszer nem ad előrejelzést. Nem mondja meg, mikor veszi át egy feladatot a mesterséges intelligencia, és azt sem, hogy egyáltalán megtörténik-e. Csak azt mondja meg, hogy a feltételezés, amelyre a terve épül, jelenleg még alátámasztott-e azzal, ami a vállalaton belül és kívül történik. Egy feltételezés, amely már nem alátámasztott, nem feltétlenül hamis. Lehet, hogy az alátámasztást egyszerűen nem ellenőrizték nemrég.
A módszer arról sem mond semmit, mit kell tennie ezzel az eredménnyel a személyzet vonatkozásában. Ha egy feladat nagyrészt átvehetőnek bizonyul, ez egy tény a munkáról, nem tanács azokról az emberekről, akik most végzik. Az ezzel kapcsolatos döntéseknek saját jogi követelményei vannak, és ezek kívül esnek ezen a próbanyomaton.
Van még egy korlát: egy eredmény nem mond semmit, amíg a feltételezés maga nincs elég pontosan megfogalmazva ahhoz, hogy megcáfolható legyen. „A mesterséges intelligencia megváltoztatja ezt a munkát” nem olyan feltételezés, amelyet tesztelni lehet. „Ehhez a feladathoz tapasztalt véleményezőre van szükség, mert a kimenet nem strukturált” viszont igen. A feltételezés pontosítása gyakran több munkát igényel, mint a tesztelése.
Egy igazgatósági csapaton belül a probléma ritkán abból adódik, hogy valaki egy nyilvánvalóan már nem helytálló feltételezést véd. Abból adódik, hogy két feltételezés, amelyek külön-külön észszerűek, már nem tudnak együtt fennállni. Az egyik osztály olyan feladatfelosztásból indul ki, amelyet a másik osztály már elhagyott. Lásd mit tegyen, ha két feltételezés ellentmond egymásnak arról, hogyan válik ez az ellentmondás láthatóvá, mielőtt egy döntésbe kerülne. Gyakran ez az első jelzés arra, hogy az igazgatósági csapat elképzelései eltérnek egymástól, és a kérdés, miért térnek el egymástól az igazgatósági csapat elképzelései, pontosan erről a mechanizmusról szól: nem azért, mert valakinek nincs igaza, hanem mert senki nem frissítette utoljára ugyanazt a feltételezést.
Minden ilyen feltételezés mögött egyetlen kérdés áll, amelyre vállalatonként eltérő a válasz: melyik munkát lehet itt, tényszerűen, a mesterséges intelligenciával átvenni, melyiket részben, emberi felügyelettel, és melyiket egyáltalán nem. Pontosan ezt méri fel feladatonként az FTE TO AI munkascanje, függetlenül attól, mit tételez fel erről a szervezet mostanáig.
Egy feltételezés mérhetővé tétele nem egy rendszerrel kezdődik, hanem egy listával: milyen feltételezéseket hordoz a stratégiája, és mikor ellenőrizték utoljára az egyes feltételezéseket. Pontosan ez az, amire az outside-in gondolkodás a gyakorlatban is kilyukad: nem a saját feltételezését veszi kiindulópontnak, hanem azt teszteli, hogy a szervezeten kívüli világ még megerősíti-e azt.
Az ingyenes feltételezés-ellenőrzés egy rövid kör, amelyben megnevezi a legfontosabb feltételezéseit, és minden feltételezésnél látja, mikor erősítették meg utoljára. Nincs jelentés, nincs tanács, csak egy dátum minden feltételezés mellett, amelyekkel már most is rendelkezett. A teljes próbanyomat, amelyben a kívülről érkező kép az igazgatóság önértékelése mellett jelenik meg, még készül.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.