HƯỚNG DẪN ứng dụng

Đánh giá mức độ sẵn sàng AI cho các tổ chức

Đánh giá mức độ sẵn sàng của AI là một đánh giá có cấu trúc nhằm đánh giá mức độ chuẩn bị của một tổ chức để áp dụng AI trên các lĩnh vực như dữ liệu, cơ sở hạ tầng, kỹ năng, khả năng lãnh đạo và khẩu vị rủi ro trước khi tổ chức đó cam kết số tiền đáng kể.

Nghe hướng dẫn nàyAI thuật lại · ~3 min

Trên trang nàyđọc 4 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của việc đánh giá mức độ sẵn sàng AI cho các tổ chức
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

Nó quan trọng vì nó bộc lộ những lỗ hổng có khả năng nhấn chìm một dự án nhất, chẳng hạn như dữ liệu không ai có thể tiếp cận hoặc không có chủ sở hữu điều hành, trong khi chi phí sửa chữa chúng vẫn rẻ.

Lặn sâu

Đánh giá mức độ sẵn sàng xem xét một số lĩnh vực và danh sách chính xác sẽ khác nhau tùy theo khuôn khổ. Những điểm chung là: - Chiến lược và khả năng lãnh đạo: mục tiêu rõ ràng, nhà tài trợ điều hành, ngân sách. - Dữ liệu: liệu có thể tiếp cận được hay không, chất lượng, khả năng quản lý và quyền hợp pháp để sử dụng dữ liệu đó. - Công nghệ và cơ sở hạ tầng: điện toán, đám mây, tích hợp, bảo mật. - Con người và kỹ năng: tài năng kỹ thuật và hiểu biết chung về AI. - Quản trị và rủi ro: chính sách, trách nhiệm giải trình, khẩu vị rủi ro. - Văn hóa và sự sẵn sàng thay đổi: mọi người sẵn sàng thay đổi cách họ làm việc như thế nào. Bằng chứng đến từ các cuộc phỏng vấn, khảo sát nhân viên, đánh giá tài liệu và kiểm toán kỹ thuật của hệ thống và dữ liệu. Mỗi lĩnh vực thường được đánh giá theo thang điểm trưởng thành, thường là từ 1 đến 5, từ đặc biệt đến tối ưu hóa. Đầu ra là một hồ sơ về điểm mạnh và khoảng trống, không phải là đạt hay không đạt. Nhiều nhà tư vấn và nhà cung cấp công bố các khuôn khổ sẵn sàng. Chỉ số sẵn sàng AI của Cisco, được phát hành lần đầu tiên vào năm 2023, là một ví dụ. Không có tiêu chuẩn nào là tiêu chuẩn chính thức, vì vậy các tổ chức thường áp dụng tiêu chuẩn này cho phù hợp với lĩnh vực và mục tiêu của họ. Khẩu vị rủi ro cần được quan tâm đặc biệt. Nó có nghĩa là lãnh đạo sẽ chấp nhận mức độ không chắc chắn và tác hại có thể xảy ra để theo đuổi lợi ích AI. Ngân hàng hoặc bệnh viện thường sẽ chấp nhận ít hơn một đại lý tiếp thị và điều đó ảnh hưởng đến trường hợp sử dụng nào là hợp lý. Ba quan niệm sai lầm phổ biến. Đầu tiên là một điểm tổng thể là đủ. Tính trung bình có thể che giấu một điểm yếu nghiêm trọng và một dự án có các công cụ tuyệt vời nhưng dữ liệu không sử dụng được vẫn sẽ thất bại. Thứ hai là sự sẵn sàng là trừu tượng. Sẽ hữu ích hơn nếu hỏi xem bạn đã sẵn sàng cho trường hợp sử dụng cụ thể này chưa. Thứ ba là tin tưởng vào sự tự đánh giá như hiện tại. Việc tự đánh giá có xu hướng thổi phồng điểm số trừ khi người chấm điểm phải đưa ra bằng chứng.

Triển khai trong thế giới thực

Một nhà bán lẻ cỡ trung bình tự chấm điểm từ 1 đến 5 trên sáu lĩnh vực và nhận điểm 2 cho dữ liệu, vì dữ liệu bán hàng, hàng tồn kho và lòng trung thành nằm trong các hệ thống riêng biệt không có ID khách hàng chung. Nó tài trợ cho việc tích hợp trước bất kỳ mô hình cá nhân hóa nào.

Một tổ chức phi lợi nhuận khảo sát 40 nhân viên về việc sử dụng AI và nhận thấy nhiều người đã dán thông tin của nhà tài trợ vào các chatbot miễn phí. Phát hiện đó đưa chính sách sử dụng có thể chấp nhận được lên đầu danh sách hành động.

Một bệnh viện đạt điểm cao về cơ sở hạ tầng nhờ thiết lập đám mây hiện đại, nhưng lại kém về quản trị rủi ro vì không ai chịu trách nhiệm xem xét các công cụ AI lâm sàng. Nó thành lập một ủy ban đánh giá đầu tiên.

Một công ty hậu cần lặp lại đánh giá tương tự 12 tháng sau để cho hội đồng quản trị thấy rằng điểm số về kỹ năng và dữ liệu đã tăng lên sau một chương trình đào tạo và một dự án nền tảng dữ liệu.

Tương lai của việc đánh giá mức độ sẵn sàng AI cho các tổ chức

Đánh giá mức độ sẵn sàng có thể bổ sung các tiêu chí liên quan đến quy định, chẳng hạn như khả năng ghi lại hệ thống, phân loại mức độ rủi ro và đáp ứng các nghĩa vụ minh bạch mà các quy định như Đạo luật AI của EU đưa ra. Khi AI tổng hợp lan rộng thông qua các công cụ hàng ngày, khả năng hiểu biết về AI của tất cả nhân viên có thể có trọng lượng hơn bên cạnh các kỹ năng chuyên môn. Nhiều phần mềm hơn có thể tự động hóa các phần của kiểm toán kỹ thuật, chẳng hạn như lập hồ sơ dữ liệu và kiểm kê việc sử dụng AI. Các yêu cầu phán xét, bao gồm khẩu vị rủi ro và sự phù hợp chiến lược, vẫn sẽ cần được lãnh đạo thảo luận.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Xây dựng lựa chọn. Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không.
  • Nhóm và quy trình làm việc. Tích hợp quy trình làm việc tốt sẽ giúp tăng năng suất mà người dùng có thể tin tưởng.
  • Rủi ro và an toàn. Các trường hợp sử dụng có phạm vi phù hợp giúp giảm bớt sự mệt mỏi khi thay đổi và rủi ro triển khai.

coi chừng

  • Tự động hóa một quy trình bị hỏng có thể khuếch đại các vấn đề hiện có.
  • Các nhóm có thể tự động hóa quá mức và loại bỏ sự phán xét cần thiết của con người.
  • Chất lượng có thể thay đổi nếu kết quả đầu ra không được đánh giá liên tục.

Các bước tiếp theo

  1. Lập sơ đồ quy trình làm việc hiện tại và xác định bước có mức độ ma sát cao nhất.
  2. Xác định các điểm kiểm tra của con người trước khi tự động hóa hoàn toàn.
  3. Đào tạo người dùng về lời nhắc, đường dẫn leo thang và tiêu chuẩn chất lượng.
  4. Theo dõi kết quả ở cấp độ nhiệm vụ để xác nhận giá trị bền vững.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Take the AI Readiness Assessment for Organizations quiz

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

Đánh giá mức độ sẵn sàng AI cho các tổ chức là gì?

Đánh giá mức độ sẵn sàng của AI là một đánh giá có cấu trúc nhằm đánh giá mức độ chuẩn bị của một tổ chức để áp dụng AI trên các lĩnh vực như dữ liệu, cơ sở hạ tầng, kỹ năng, khả năng lãnh đạo và khẩu vị rủi ro trước khi tổ chức đó cam kết số tiền đáng kể. Nó quan trọng vì nó bộc lộ những lỗ hổng có khả năng nhấn chìm một dự án nhất, chẳng hạn như dữ liệu không ai có thể tiếp cận hoặc không có chủ sở hữu điều hành, trong khi chi phí sửa chữa chúng vẫn rẻ.

Tại sao một điểm sẵn sàng trung bình có thể gây hiểu nhầm?

Điểm trung bình của công cụ mạnh có thể bù đắp cho điểm dữ liệu rất yếu ở mức trung bình, nhưng dự án vẫn sẽ thất bại về dữ liệu. Đó là lý do tại sao ngưỡng liên kết yếu nhất được sử dụng.

Neo hành vi trong thang đo trưởng thành là gì?

Điểm cố định mô tả các điều kiện có thể quan sát được ở mỗi cấp độ, do đó, những người đánh giá khác nhau sẽ ghi điểm một cách nhất quán và điểm số có thể được so sánh theo thời gian.

Trong đánh giá mức độ sẵn sàng, 'khẩu vị rủi ro' nghĩa là gì?

Hình dạng khẩu vị rủi ro trong đó các trường hợp sử dụng là hợp lý. Các tổ chức được quản lý chặt chẽ như ngân hàng và bệnh viện thường chấp nhận ít hơn.

Tổ chức phi lợi nhuận đã tìm thấy nhân viên dán thông tin của nhà tài trợ vào các chatbot miễn phí. Điều gì đã khiến điều này được đưa lên đầu danh sách hành động?

Việc sử dụng AI không được quản lý liên quan đến dữ liệu nhạy cảm là một lỗ hổng trong quản trị và cách khắc phục nhanh nhất là chính sách rõ ràng về những công cụ và nhân viên dữ liệu có thể sử dụng.

Điều gì có xu hướng xảy ra với việc tự đánh giá trừ khi người đánh giá phải cung cấp bằng chứng?

Mọi người có xu hướng đánh giá tổ chức của họ một cách hào phóng. Yêu cầu bằng chứng như danh mục, chính sách hoặc sơ đồ phản ánh điều này.