ለንግድ ሥራ ወሳኝ የሆነ AIን በእምነት ማሰማራት

• አሁን አብዛኞቹ ድርጅቶች AIን በምርት ሥራ ላይ አውለዋል። ነገር ግን ከሞላ ጎደል አንዳቸውም AIን በእውነት አስፈላጊ በሆኑት ማለትም ደንበኞች በቀጥታ በሚጠቀሙባቸው ተሞክሮዎች፣ ለንግዱ ወሳኝ በሆኑ ውሳኔዎች ወይም በአነስተኛ የሰው ክትትል በሚከናወኑ ሂደቶች ላይ አላዋሉትም። የውድድር ብልጫ እየተገኘ ወይም እየጠፋ ያለው በዚህ ክፍተት ውስጥ ነው።

• እንቅፋቱ ብዙውን ጊዜ የአቅም ሳይሆን የእምነት ማጣት ነው። ከፍተኛ አደጋ ባለው የAI ማሰማራት ሥራ ይህ የሚገኘው አራት የተወሰኑ መስፈርቶች ሲሟሉ ነው።

• እነዚህ መስፈርቶች የAIን ባህሪ እንዴት እንደሚፈትኑ፣ መፍትሔዎችን በድርጅት ደረጃ እንዴት እንደሚገነቡና እንደሚያስተዳድሩ፣ እንዲሁም አመራሩ ጉዳዩ ለምን አስፈላጊ እንደሆነ በእውነት አምኖበት እንደሆነ ይሸፍናሉ።

• እነዚህን የእምነት መስፈርቶች ማሟላት በልምምድ የዳበረ አቅምና ተጠያቂነት ይገነባል፤ ትርጉም ያለው ለውጥ ለማምጣት AIን ከማሰማራት የሚያሸሽ ምክንያትንም ይቀንሳል። ያለዚህ፣ AI ድርጅቱ በሚሠራበት መንገድ ላይ ጉልህ ተፅዕኖ ሳያመጣ በጎንዮሽ አጠቃቀሞች ጥቂት ፓውንዶችን በመቆጠብ ላይ ብቻ ይቀራል።

ባለፈው ዓመት በዚህ ጊዜ—በAI ዘመን ሲሰላ ከአሥርተ ዓመታት በፊት—አብዛኞቹ ኩባንያዎች “በAI POC መንጠልጠያ” ውስጥ ነበሩ፤ AI ምን ማድረግ እንደሚችል የሚያሳዩ ብዙ አስደሳች POCዎች ነበሯቸው፣ ግን አንዳቸውንም ወደ ምርት ሥራ ለማስገባት ይቸገሩ ነበር። ከአንድ ዓመት በኋላ፣ ብዙ ድርጅቶች አሁን ቢያንስ አንዳንድ የAI መፍትሔዎችን በምርት ሥራ ላይ አውለዋል፤ ይህም ታላቅ የእድገት እርምጃ ነው።

ይሁንና፣ AI ብዙውን ጊዜ በጎንዮሽ ሂደቶች ላይ ነው የሚውለው፤ ማድረጉ ቀላል ነው፣ የፈጠራ ቡድን ፍላጎት ካለው የንግድ ተጠቃሚ ጋር ሊያዘጋጀው ይችላል፣ እና ችግር ቢፈጠር “የዓለም ፍጻሜ አይደለም።” ሂደቱ በእውነት ወሳኝ አይደለም፣ በእጅ የሚከናወን ምትኬ ሂደት አለ፣ ወይም አሉታዊ ውጤቶችን ለመገደብ በርካታ “በሂደቱ ውስጥ ያሉ ሰዎች” አሉ።

የዚህ ሊገባ የሚችል ግን ጥንቃቄ የበዛበት አቀራረብ ውጤት፣ የመፍትሔዎቹ ተፅዕኖም ውስን መሆኑ ነው፤ በዕድገት ዕድል፣ በደንበኛ ተሞክሮ ወይም በወጪ መዋቅር ላይ ጉልህ ለውጥ ያመጣ መሆኑ አይቀርብም።

የወደፊት አሸናፊዎችን ከሌሎቹ የሚለየው ይህ ነው፤ ተራማጅ ኩባንያዎች ለንግዱ አፈጻጸም ወሳኝ በሆነበት ቦታ AIን ለመጠቀም ኢንቨስት እያደረጉ ነው።

ወደኋላ የቀሩትም “AIን እየሠሩ” ነው፤ ነገር ግን በንግዱ ላይ ትርጉም ያለው ተፅዕኖ በሚያመጣበት ቦታ አይደለም።

እርግጥ ነው፣ AIን በኢንቨስትመንት ውሳኔዎች፣ በደንበኛ ተሞክሮ፣ በምርት ልማት፣ በምርምር & ዲዛይን እና “ሰው በሂደቱ ውስጥ በሌለበት አውቶሜሽን” ላይ መጠቀም አደገኛ ሊመስል ይችላል፤ እውነተኛው ትርፍ ግን የሚገኘው እዚያ ነው።

በዚህ መስክ እየቀደሙ ያሉት ኩባንያዎች ገና ለገበያው ላይታዩ ይችላሉ፤ ነገር ግን በሚታዩበት ጊዜ ክፍተቱ ትልቅ ከመሆኑም በላይ፣ AIን የማሰማራት ፍጥነት ልዩነት ክፍተቱን ይበልጥ ያሰፋዋል፤ ወደኋላ የቀሩትም እስከዚያ ድረስ በምን ላይ ሲሳሳቱ እንደነበር ይገነዘባሉ።

ስለዚህ ጥያቄው፣ አንድ ድርጅት AIን በእውነት ወሳኝ በሆኑ ሂደቶች ላይ በእምነት ለመጠቀም ምን ያስፈልገዋል? የሚል ነው።

በመጀመሪያ፣ “እንደ ChatGPT ያለ AI መሣሪያ አለን” ከሚለው ወደ “POCዎች አሉን”፣ ከዚያም ወደ “10 ቀላል የAI መፍትሔዎችን በቀጥታ ሥራ ላይ አውለናል” ተሸጋግረዋል ብለን እናስብ። ካልተሸጋገሩ፣ ይህን በቅድሚያ ማስተካከል አለብዎት። እነዚህ የመጀመሪያ እርምጃዎች ቀላል ሊመስሉ ይችላሉ፤ ነገር ግን በድርጅቱ ውስጥ የAI ግንዛቤን ለመገንባት፣ የተሻሉ የአጠቃቀም ሐሳቦችን ለማፍለቅ እና AIን ወደ ምርት ሥራ ለማስገባት የሚያስፈልጉ ውስጣዊ እርምጃዎችን ለማወቅ ወሳኝ ናቸው።

በዚህ ደረጃ ድርጅቱ የበለጠ ትልቅ ግብ ይዞ “ትርጉም ያላቸውን፣ በሰው ክትትል የሚሠሩ ተግባራዊ የAI መፍትሔዎችን” ማቅረብ፣ ከዚያም ልዩነት ወደሚፈጥረው “AIን በዋና ሂደቶቻችንና በደንበኛ ተሞክሮዎቻችን ላይ እንጠቀማለን” ደረጃ መሸጋገር አለበት።

እነዚህ የመጨረሻ የእድገት እርምጃዎች በቴክኖሎጂ ሳይሆን በድርጅታዊ እምነት ማነስ የሚገደቡት ብዙ ጊዜ ነው። ምክንያቱም ከባድ ነገሮችን ለማዘግየት ወይም ለመሸሽ ሁልጊዜ ምክንያት አለ፦

“የተሳሳተ ግንዛቤ ቢሰጥስ?”፣ “በተሳሳተ መንገድ ቢሠራና ዜና ላይ ብንወጣስ?”፣ “ስሌቱን ቢያሳስትና የተሳሳተ ውሳኔ ብናደርግስ?”፣ “ደንበኞችን ቢሳደብስ?”፣ “ሞዴሉ ባይገኝስ?”፣ “የዚህን ዝማኔዎች እንዴት እንደግፋለን?”፣ “ደንቡ ቢቀየርስ?”፣ “አዲሱን ሞዴል መጠበቅ ይኖርብን ይሆን?”፣ ወዘተ።

በእኛ እይታ፣ ከፍተኛ ተፅዕኖ ያለውን በAI የተጎለበተ ለውጥ “Go Live” ለማድረግ የሚያስችል እምነት የሚሰጡ አራት ሁኔታዎች አሉ።

1. ምክንያቱ፦ ድርጅቱ፣ በተለይም ከፍተኛ አመራሩ፣ “AI ለንግድ ስኬታችን ለምን አስፈላጊ ነው?” የሚለውን ትርክት በእውነት ተቀብሎታል? ካልተቀበለው፣ ድርጅቱ ከከባድ ውሳኔዎች የሚሸሽባቸውን ምክንያቶች የማግኘት ዕድሉ ከፍተኛ ነው።

2. ማስቻል፦ ድርጅቱ AIን ተጠቅሞ እየተለወጠ ሲሄድ የሚደግፈው የAI ለውጥ/ትራንስፎርሜሽን/ማስቻል ቡድን አለ? ይህ ቡድን ጉዲፈቻን፣ ትምህርትን፣ ደንቦችን፣ አዳዲስ የሥራ መንገዶችን፣ ግምቶችን መፈተንን፣ አስፈላጊ ገንዘብ ማቅረብን ወዘተ ያስተናግዳል። AI፣ የCloud ወይም Digital ተነሳሽነቶች ብዙውን ጊዜ እንደነበሩት፣ “ቴክኖሎጂ ክፍሉ የሚያስተካክለው” ለውጥ አይደለም። በንግድ ክፍሉ ሊመራና ጠንካራ ድጋፍ ሊያገኝ ይገባል።

3. እንዴት፦ ለተግባራዊ AI የተቋቋመ የድርጅትና የመፍትሔ አርክቴክቸር አለ? ይህ መስክ ያለማቋረጥ እየተለወጠ ቢሆንም፣ ግልጽ አቋም መኖሩ ስለ ትክክለኛ መከላከያ ወሰኖች፣ ወጪ፣ ታዛቢነት፣ ቁጥጥሮች፣ የሞዴል መዳረሻ ወዘተ በጥልቀት ማሰብና ዕውቀት ማዳበርን ያስገድዳል። ይህም ድርጅቱ AIን በተመለከተ “ምን እንደሚሠራ ያውቃል” የሚል ውስጣዊ ተአማኒነት መገንባት ይጀምራል፤ ብዙ የተለያዩ የግንባታ መንገዶች እንዳይፈጠሩም ይከላከላል።

4. የGo-Live እምነት ፈተና፦ የመፍትሔ ባለቤቶች “በቀጥታ ሥራ ላይ ለመዋል በቂ ጥራት አለው?” በሚለው ጥያቄ ማለቂያ ለሌለው ጊዜ ሊያዘገዩ ይችላሉ። በQA ቡድኖች የሚደረገው ባህላዊ ፈተና ለማይወሰን የAI ሥርዓት ያንን እምነትና የተጠያቂነት ስሜት አይሰጥም። ግምገማዎች ግን ይሰጣሉ።

እነዚህን ከመጨረሻው ወደ መጀመሪያው እንመልከት፤ ምክንያቱም ይህ ቅደም ተከተል በGo-Live እምነት ዙሪያ ከሚደረገው ውሳኔ ጋር የቀረበ ነው።

ድርጅቶች አንድ ልቀት በቂ ጥራት እንዳለው እንዲወስን ለአሥርተ ዓመታት በQA ቡድን ላይ ተመርኩዘዋል። በወረቀት ላይ ፈተናውን የንግድ ባለድርሻዎች ያከናውኑት ነበር፤ በተግባር ግን የሚያከናውነው የQA ቡድን ነበር። ፈተናው ማለፍ ወይም መውደቅ ነበር፤ ስፍር ቁጥር በሌላቸው “ይህ ከሆነ ያን አድርግ” ሕጎች ላይ የተመሠረተ። ብዙ ሥራ ነው፣ ግን ቀጥተኛ ነው።

የAIን ባህሪ መገምገም ስለሚኖርብን፣ ያ አቀራረብ ለAI አይሠራም።

ግምገማዎች፣ ወይም evals፣ ጥራታዊ የAI ባህሪን የሚለካ የማድረጊያ መንገዶች ናቸው። ማለፍ/መውደቅ ከማለት ይልቅ፣ መስፈርቶችን—ለምሳሌ ትክክለኛነት፣ የንግግር ቃና፣ እውነታዊ መሠረት ማስያዝ፣ የእምቢታ ባህሪ—ይወስኑና ነጥብ ይሰጣሉ። ጥያቄዎቹን፣ ሞዴሎቹን፣ መከላከያ ወሰኖቹን ወዘተ እያሻሻሉ በፕሮጀክቱ ቆይታ ውስጥ እነዚህን ነጥቦች ይከታተሉ፤ ከዚያም የፕሮጀክቱ ቡድን፣ የለውጥ ኮሚቴዎችና የንግድ አመራሩ በእምነት ሊወስኑበት የሚችሉት ነገር ያገኛሉ፦ በፕሮጀክቱ ጊዜ ከx ወደ y ያደገ የትክክለኛነት ነጥብ።

ያ ቁጥር ሁለት ነገሮችን ያከናውናል። በመጀመሪያ፣ በጊዜ ሂደት የተገኘውን መሻሻል በማሳየትና ሥርዓቱ በተቀመጡት ግምቶች ውስጥ በአስተማማኝና ወጥ መንገድ እየሠራ መሆኑን ለባለድርሻዎች ተጨባጭ ማስረጃ በመስጠት እምነት ይገነባል።

ሁለተኛ፣ ተጠያቂነትን ይፈጥራል። እነሱ ሊጠቅሷቸው የሚችሏቸው ቁጥሮችና የእነዚያ evals የዘር ሐረግ ናቸው። በግልጽ በተወሰኑ ሁኔታዎች ላይ የተፈተነ በሰነድ የተያዘ የግምገማ ስብስብ፣ ለፈቃድ ሰጪው ኮሚቴ ተገቢ ምርመራ መደረጉን የሚያሳየው የፈተና ሪፖርት የAI አቻ ነው፦ ማድረግ ያለበትን ብቻ ያደርጋል? እና ያንንስ ማድረግ ባለበት መንገድ ብቻ ያደርጋል?

በእርግጥ፣ እነዚያ ቁጥሮች ትርጉም የሚኖራቸው የግምገማ መስፈርቶቹ በቂ ጥልቀት ካላቸው ብቻ ነው። ይህም አብዛኞቹ ድርጅቶች መጀመሪያ ላይ የሚሳሳቱበትን የአሠራር ሞዴል ለውጥ ይጠይቃል፦ የግምገማ መስፈርቶቹ ባለቤት “የንግድ ክፍሉ” መሆን አለበት፤ የቴክኖሎጂ ቡድኑ፣ የQA ቡድኑ ወይም ብቻውን የተመደበ ጀማሪ ተጠቃሚ አይደለም። የምርት ባለቤቶችና ባለሙያዎች መስኩን፣ የጠርዝ ሁኔታዎችን፣ የሚፈለገውን የንግግር ቃና፣ ተጠቃሚዎች ሊያቀርቧቸው የሚችሉ የግንኙነት ዓይነቶችን፣ ትርጉም የሚሰጡ የማመዛዘን ደረጃዎችን፣ የውድቀት ሁኔታዎችን፣ ትክክለኛ የQ&A ጥንዶችን ወዘተ ይረዳሉ። መፍትሔውን የሚጠቀሙና የሚያሰማሩ ሰዎች ጥሩ ውጤት ምን እንደሚመስል መወሰን አለባቸው።

ይህ ማለት AIን በደንበኛ ተሞክሮ እምብርት ላይ የሚጠቀም መፍትሔ ለማጽደቅ ከፈለጉ፣ ሁለት ጥያቄዎችን ብቻ መጠየቅ አለብዎት፦

(1) የግምገማ መስፈርቶቹን የነደፈው ማን ነው? እና

(2) የeval አፈጻጸሙ በጊዜ ሂደት ከእነዚያ መስፈርቶች አንጻር ተሻሽሎ፣ አሁን ዝቅተኛውን ገደብ አልፏል?

መልሱ "የቴክኖሎጂ ቡድኑ ገንብቷቸዋል፣ እኛ ግን በውጤቶቹ ደስተኞች ነን" ከሆነ፣ መተግበሪያው ዝግጁ አይደለም። መልሱ “አዎ፣ ባለፈው ሳምንት ፈትነነው አልፏል” ከሆነ፣ ግምገማዎቹ የግንባታው መነሻ ነበሩ ማለት ስለማይቻል፣ ይህ ምናልባት አስፈላጊውን እምነት የሚፈጥር የEval ብስለት ደረጃ አይደለም።

ነገር ግን የንግድ ምርት ባለቤቱ በግንባታው ጊዜ ሁሉ evalsን ሲወስን፣ ሲገመግምና ሲያሻሽል ቆይቶ፣ የአፈጻጸም አቅጣጫው ወደ ትክክለኛው ጎን እየሄደ መሆኑን ሊያሳይዎት ከቻለ፣ ለማጽደቅ የሚገባ ነገር አለዎት።

ሌላው የእምነት ደረጃ የሚገኘው ከAI አርክቴክቸር መርሆችና መመዘኛዎች ጋር በመጣጣም ነው። የመጀመሪያዎቹን አምስት የAI መተግበሪያዎች ሥራ ለመጀመር ብቻ በተመቸ ማንኛውም መንገድ መገንባቱ ተገቢ ቢሆንም፣ በድርጅቱ ውስጥ ደህንነቱ የተጠበቀና በሚገባ የሚተዳደር AIን በስፋትና በከፍተኛ ፍጥነት ለማሰማራት የማጣቀሻ መተግበሪያ አርክቴክቸሮችንና የድርጅት AI መድረክን የያዘ የተደራጀ አቀራረብ አስፈላጊ ይሆናል።

ሁሉም የምሕንድስና ቡድኖች በመፍትሔው ምሕንድስና ላይ እንዲያተኩሩ፣ የሞዴል መዳረሻን፣ መከላከያ ወሰኖችን፣ ታዛቢነትን፣ ማስፋትን፣ የወጪ አስተዳደርን ወዘተ በፍጥነት “መውረስ” መቻል አለባቸው።

ፈጣን ለውጡ ዕድሜውን አጭር ቢያደርገውም፣ ስለ ድርጅቱ AI መድረክና የአርክቴክቸር አቀራረቦች ግልጽ አቋም መኖሩ ድርጅቱ AIን በወሳኝ ሥርዓቶች ላይ በደህና ማሰማራት እንደሚችል ያለውን እምነት ያጠናክራል። ምክንያቱም አንድ ሰው ሁሉንም ቁልፍ ጉዳዮች አስቦባቸው ወደ ማሰማራት የሚወስደውን ምርጥ መንገድ መርጧል ማለት ነው፤ ይህም መፍትሔው እነዚያን ወሳኝ ሂደቶች እንደሚደግፍ ተጨማሪ እምነት ይሰጣል።

ይህ “ያንኑ ነገር ማድረግ፣ ልዩነቱ የAI መሣሪያ መዳረሻ መኖሩ ብቻ” አይደለም። ተደጋግሞ የሚነገር ቢሆንም፣ ለውጥ ማለት ሂደቶችን እንደገና መንደፍ፣ የምርት አቅርቦቶችን እንደገና ማሰብ፣ የደንበኛ ተሞክሮን ማሳደግ እና የሥራ መንገዶችን፣ ምናልባትም የቡድን መዋቅሮችን መቀየር ነው።

ይህ በትርፍ ጊዜ የሚከናወን ተግባር አይደለም፤ በቴክኖሎጂ ክፍልም ሊመራ አይችልም—እና አይ፣ ባለ3 FTE “ፈጠራ” ቡድንዎም ሊመራው አይችልም። እንዲሁም “ራሱ መንገዱን ያገኛል” የሚል አቀራረብ ከወሰዱ፣ አሸናፊ ተወዳዳሪዎች ሊያሳኩት የሚችሉትን የለውጥ ፍጥነት አያገኙም።

በተጨማሪም፣ እውነተኛ “ጨዋታ ቀያሪ” አጠቃቀሞችን ለማውጣትና ለእነሱ ድጋፍ ለማግኘት፣ በድርጅቱ አቀፍ ደረጃ ጥልቅ የAI ዕውቀትና ለAI አዎንታዊ አመለካከት ያስፈልጋል።

ስለዚህ የAI ለውጥዎን ለማሳካት፣ ድርጅቱ ምን እንደሚያስፈልገው፣ ለውጥን እንዴት ማስቻል እንደሚቻል እና AIን የሚያውቁ ሰዎች ከቦርዱ ተልዕኮ ተሰጥቷቸው ቅንጅትን፣ ጉልበትን፣ ገንዘብን፣ ተፅዕኖ መፍጠርን፣ አስተዳደርን፣ ቅድሚያ አሰጣጥንና ውሳኔ አሰጣጥን መምራት አለባቸው።

በተለይ በመጀመሪያዎቹ ደረጃዎች፣ እንደ ማዕከላዊ AI Hub፣ AI Transformation ወይም AI Office ያለ ተግባር ጥሩ ውጤት ይሰጣል። ይህ ማዕከላዊ ቡድን ድርጅቱ የሚተገብረው ስትራቴጂ እንዳለው፣ ትልልቅ ውሳኔዎች በፍጥነት ተወስነው ወደ ክፍሎች ሊሰራጩ እንደሚችሉ እና ለAI ለውጥ የጥራት መግቢያዎች እንደሚወሰኑ እምነት ይገነባል። ያለዚህ ቡድን፣ አቀራረቡ ከመጠን በላይ ተበታትኖ በውሳኔዎች፣ በምርት/መፍትሔ ምርጫዎችና በጥራት ላይ ወጥነት ሊያጣ ይችላል፤ ይህም በመጨረሻ AIን ከፍተኛ አደጋ ባላቸው መስኮች ለመተግበር ያለውን እምነት ያዳክማል።

ቀደም ሲል እንደተገለጸው፣ ከAI እውነተኛ የውድድር ብልጫ የሚያገኙት ኩባንያዎች፣ የደንበኛ ተሞክሮን፣ የምርት አፈጻጸምን፣ የምርት ፍጥነትን ወዘተ በሚያሻሽሉ ወሳኝ ሂደቶችና ተሞክሮዎች እምብርት ላይ AIን በተደጋጋሚ፣ በፍጥነትና በደህና ለማሰማራት ድርጅታዊ ልምድ፣ ሙያዊ ብቃትና እምነት የገነቡ ይሆናሉ።

ጥሩ የግምገማ ልምዶች፣ በፍጥነት የሚላመድና የሚስፋፋ አርክቴክቸር፣ እንዲሁም ድርጅቱ እንዲማር፣ እንዲላመድና አዳዲስ የሥራ መንገዶችን እንዲያቋቁም የሚያግዝ “እንችላለን” የሚል የለውጥ አስተዳደር አመለካከት ሁሉም ያስፈልጋሉ።

ይሁንና፣ ከእነዚህ አንዳቸውም “ከታች ወደ ላይ” በሚመጣ አቀራረብ በተሳካ ሁኔታ አይከናወኑም። ለውጦቹና ውጤቶቻቸው ለዚያ በጣም ፈጣንና ከፍተኛ ተፅዕኖ ያላቸው ናቸው። “የቦርድ ፈቃድ” ወይም “የአመራር ድጋፍ” ብቻም በቂ አይደለም።

ሠራተኞችዎ ለውጦቹ ለምን አስፈላጊ እንደሆኑ፣ ለእነሱ በግል ምን ማለት እንደሆነ—ጥሩም ይሁን መጥፎ—እና ምን እንደሚያገኙ በግልጽ ማየት ካልቻሉ፣ ብዙ ጎንዮሽ ጉዳት ያለው በስውር የሚካሄድ ለውጥ ይኖርዎታል።

ስለዚህ ከAI ጉዲፈቻ እውነተኛ ብልጫ ለማግኘት አራተኛው አካል፣ የኩባንያው አመራር በAI ላይ ኢንቨስት ማድረግ ለኩባንያው ቀጣይ ስኬት ወሳኝ መሆኑን በእውነት መረዳቱና ማመኑ ነው። በተልዕኮ መግለጫውና በግቦቹ ውስጥ የተካተተው የእነሱ የAI ስትራቴጂ ነው፤ ደጋግመው የሚያስተዋውቁትና በተግባር የተደገፉ ውሳኔዎችን ሲያደርጉ የሚታዩበት ስትራቴጂ ነው።

ይህም በድርጅቱ ውስጥ ያሉ ቡድኖች ክህሎታቸውን እንዲያሳድጉና ትንሽ የማይመቹ ቢሆኑም ወሳኝ የሆኑ ውሳኔዎችን በማድረግ ከባዱን ነገር ግን የበለጠ ውጤታማውን መንገድ እንዲመርጡ ማበረታቻ፣ ድጋፍና የአስቸኳይነት ስሜት ይሰጣል። በAI የተጎለበተውን የደንበኛ ተሞክሮ ወይም የኢንቨስትመንት ውሳኔ ሂደት “Go-Live” ለማድረግ እምነት ይሰጣል።

በቀጣዮቹ ሁለት ዓመታት ከAI ተጠቃሚ የሚሆኑት ኩባንያዎች ከፍተኛውን የማሰማራት ብዛት ያላቸው አይሆኑም። አሸናፊዎቹ፣ AIን ለወሳኝ፣ ለደንበኛ የሚቀርቡ፣ በውሳኔ ላይ ተፅዕኖ የሚያሳድሩና ለንግድ ሥራ ወሳኝ ለሆኑ ሥርዓቶችና ሂደቶች ያዋሉ እንዲሁም ይህን በተከታታይና በደህና ለማድረግ ድርጅታዊ አቅም የገነቡ ይሆናሉ።

እርምጃ እንዲወስዱ የሚቀርብልዎት ጥሪ? ድርጅትዎ “AIን እየሠራ” ቢሆንም በኩባንያው ስኬት ላይ ምንም ተፅዕኖ ከሌለው፣ እነዚህን ጥያቄዎች ለመመለስ ይሞክሩ፦

1. AI የኩባንያዎን ተልዕኮ ለማሳካት የሚጫወተው ሚና ግልጽ ነው? አመራሩ AIን መቀበል ለኩባንያው የወደፊት ስኬት ወሳኝ ነው ብሎ በእውነት እንደሚያምን ይሰማዎታል?

2. የAI አጀንዳውን የሚያራምድ፣ ድርጅቱን የሚያስተምርና ተግባራትን የሚያስተባብር ማዕከላዊ ክፍል አለ?

3. የቴክኖሎጂ ቡድኑ የAI ምሕንድስናን በፍጥነትና በደህና ለማከናወን የሚያስችሉ ሙያዊ ብቃት፣ አቅምና የአሠራር ንድፎችን እየገነባ ነው?

4. የAI ባህሪን በሚመለከቱ ያልተመለሱ ጥያቄዎች ሳቢያ እንቅፋት ሳይፈጠር ልቀቶች ወደ ምርት ሥራ እየደረሱ ነው?

ከእነዚህ ለአንዱም መልሱ አይደለም ከሆነ፣ AIን በፍጥነትና ወጥነት ባለው መንገድ በእውነት ወሳኝ በሆኑ መስኮች በማሰማራት የውድድር ብልጫ እንዲያስገኝዎ ድርጅታዊ እምነትን ከየት መገንባት እንዳለብዎት ያውቃሉ።