Proč se “AI-připravenost” stala nejzneužívanějším pojmem v cloudu

“AI-připravenost” je ve všech prezentacích prodejců a všech agendách, které jsem prošel v minulém roce. Tento pojem je všude. To, co znamená, již není jasné.

Když finanční ředitel říká AI-připravenost, myslí tím schválený rozpočet. Když to říká IT ředitel, myslí tím zavedené platformy. Když to říká konzultant, myslí tím rozsah práce. Když to říká člen správní rady, myslí tím obhajitelnou pozici. Stejné dvě slova. Čtyři rozhovory.

Výsledek je předvídatelný: společnosti prohlašují AI-připravenost na základě toho, které definice je nejvíce lichotí, a poté sledují, jak jejich pilotní projekty selhávají ve výrobě z důvodů, které nikdo neočekával — protože nikdo vlastně nevyřešil stejný problém.

Tento pojem není problémem. Chybějící pochopení je. A stojí za to jej vyřešit, protože to, co “AI-připravenost” skutečně znamená, má velmi málo společného s tím, co většina společností kupuje.

Vrstva platformy zrálná, ale to není mezera

Pokud jsou lidé požádáni o definici, většina z nich se shodne na stejném místě. AI-připravenost znamená technickou pozici: platformy jsou na místě, identitní architektura je definována, governance je dokumentována, observabilita je nasazena, FinOps kontroly jsou aktivní, možná byl najat i Chief AI Officer.

To není špatně. Tyto věci jsou důležité a technická vrstva se dramaticky zlepšila. Na Google Cloud Next minulý týden byla zpráva jasná — “éra pilotů je u konce, éra agentů je zde.” Identita, governance a observabilita jsou budovány přímo do platformy samotné. Velké hyperscalery se sbližují na podobných schopnostech podobnou rychlostí.

To je skutečný posun a stojí za to jej brát vážně. Ale jakmile se vrstva platformy zlepší, zbývající práce zákazníků nezmizí — stává se více viditelnou. Existuje vrstva mezi platformou a vašimi lidmi, kterou žádný prodejce nebude stavět za vás. Většina společností ještě nezačala.

Chybějící vrstva: Harness

Říkejme jí harness. Deterministický middleware mezi vašimi lidmi a AI — nástrojový řetězec, který znemožňuje autonomnímu systému odchýlit se od vašeho specifika, vašich zábran nebo vašich cílů.

V softwarovém vývoji není harness modelem. Je to specifický systém, testovací infrastruktura, kontrolní brány, nasazovací zásady — scaffolding, který udržuje výstup AI v souladu s tím, co podnik skutečně potřebuje, a ne s tím, co si platforma myslí, že “dobrý kód” vypadá obecně.

Platforma byla postavena tak, aby byla obecná. Sladění s vaším podnikem je problém stavby a pouze vy jej můžete vyřešit. Většina společností ještě nezačala. Nasazují AI na zavedené platformy a důvěřují výchozím hodnotám, aby zajistily sladění. Výchozí hodnoty nikdy nebyly určeny k tomu.

Ale i s fungujícím harnessem není technická vrstva mezerou. Mezerou je lidská.

Skutečná láhev: Lidské chování

Minulý týden jsem strávil čtyřicet pět minut psaním e-mailu ručně, než jsem si uvědomil, co dělám.

Pracuji v tomto prostoru každý den. Mám přístup k nejlepším nástrojům, hluboké pochopení, kdy a jak je používat, a silnou osobní motivaci maximalizovat AI ve své vlastní práci. A přesto jsem se stále uchýlil ke starému způsobu — psaní řádek po řádku, se stejnou svalovou pamětí, kterou jsem používal dvacet let — než jsem si uvědomil, co dělám.

Pokud by připravenost existovala na úrovni platformy, byla by připravená. Pokud by existovala na úrovni harnessu, byla by připravená. Ale připravenost, jak se skutečně projevuje, existuje někde jinde — v mezeře mezi tím, co je možné, a tím, co se dosáhne. Vynásobeno napříč každým jednotlivcem, na každé úkolu, tisícekrát týdně.

To je mezera, kterou nikdo nevyřešuje. Není to proto, že technologie nemůže pomoci. Je to proto, že dvacet až šedesát pět let svalové paměti se nezmění podle projektu.

Jakmile přijmete to, celý rámec “AI-připravenosti” začíná vypadat špatně.

“AI-připravenost” není cílová čára

“Připravenost” naznačuje cílovou čáru a není jí. Společnosti, které vypadají AI-připravené, stojí na dně další rampy a ty, které ne, stojí na dně dřívější rampy. Obě hledí na práci, kterou ještě neudělaly.

To je důvod, proč “Jsme jsme AI-připravení?” je špatná otázka. Léčí připravenost jako stav, kterého lze dosáhnout, zatímco ve skutečnosti je to škála, po které se musíte vyšplhat — jeden definovaný kus za druhým. Lepší otázka je praktická: co je další kus připravenosti, kterého naše lidé potřebují, a kdo je zodpovědný za to, aby je tam dostal? Neschvalujete rozpočet pro AI-připravenost jako destinaci, protože tam není žádná destinace. Schvalujete rozpočet pro další kousek slona a pak další.

Pro téměř každou společnost je další kousek na individuální úrovni — a to je místo, kde skutečně žije práce, na kterou nikdo není připraven.

Každý zaměstnanec nyní řídí tým AI

Každý jednotlivý přispěvatel ve vaší firmě je nyní očekáváno, že bude řídit heterogenní tým dvaceti specialistů, které nezaměstnal a plně nerozumí.

Váš copywriter má výzkumníka, editora a překladatele. Váš vývojář má juniora a kontrolora kódu. Váš produktový manažer má analytika, designéra a syntetizéra zákaznických rozhovorů. Bez ohledu na roli, bez ohledu na senioritu, každý člověk ve vaší společnosti nyní má tým. Nežádali si ho. Nebyli na to vyškoleni. Kvalita jejich výstupu nyní závisí na tom, jak dobře jej řídí.

To je to, co skutečná připravenost vyžaduje — a není to změnové řízení. Změnové řízení je procedurální: nové pracovní postupy, nové školení, nové nástroje nasazené shora dolů. Co se zde děje, je něco jiného. Každý člověk se musí naučit delegovat, hodnotit a zpochybňovat výstup napříč obory, ve kterých nebyl vyškolěn. To není procedura. To je předefinice práce, která se děje na všech úrovních, bez playbooku.

Říkejme jí cokoliv chcete — zdatnost, praxe, řízení. Štítek je méně důležitý než uznání toho, že toto je práce. Většina společností stále nemá pro to jméno, natož plán.

Přemýšlení o tom, jak se měří připravenost

Přestaňte měřit připravenost jako kontrolní seznam. Začněte měřit ji tam, kde skutečně žije — na individuální úrovni — a navrhněte organizaci kolem svalů, ne kolem platformy.

Následují tři věci. Přestaňte se ptát “jsme jsme AI-připravení” a začněte se ptát “co je další kus připravenosti pro naše lidi, a kdo za to zodpovídá.” Investujte do lidské kapacity se stejnou naléhavostí, s jakou investujete do schopností platformy — většina správních rad má tento poměr vzhůru nohama o řádovou velikost. A najímejte a odměňujte za schopnost řídit heterogenní tým AI specialistů, protože to je nový standard, ne cílová čára.

“AI-připravenost” není špatný pojem. Je nejvíce nepochopeným pojmem v cloudu — a nepochopení stojí společnosti více, než si uvědomují. Společnosti, které to udělají správně, nebudou ty, které mají nejvíce platforem. Budou to ty, jejichž lidé skutečně předefinovali, co dosahují.