Sade anlatım
Bir kez güzel bir akşam yemeği pişirmiş biriyle her akşam iki yüz kişiye servis yapan bir restoran mutfağı arasındaki farkı düşünün. İkisi de yemek yapabilir. Bunu güvenilir biçimde yapacak tedarikçiler, rutinler, eğitimli ekip ve hijyen kuralları yalnızca birinde vardır. Yapay zeka olgunluğu, bir kurumun bu ikisi arasında nerede durduğunu anlatır: meraklıların dağınık denemelerinden, sahibi, bütçesi ve kontrolleri olan, günlük operasyonun içinde çalışan yapay zekaya.
Neden önemli
Dürüst bir olgunluk okuması, kurumunuzun bugün hangi tür girişimi kaldırabileceğini söyler. Verisine erişilemeyen ve sistemlerinin sahibi belli olmayan bir şirket, teknoloji ne kadar iyi olursa olsun bir ajan programından pek az şey elde eder. İşe yarayan çıktı, boyutlara göre profildir, çünkü hızı en zayıf boyut belirler: güçlü teknoloji ile zayıf benimsenme, kullanılmayan araçlar üretir. İki uyarı. Standart bir model yoktur; farklı çerçevelerin puanları birbiriyle karşılaştırılamaz. Olgunluk düzeyi de bir yetkinliği tarif eder; bir iş sorununa uygulanmadıkça kazanç getirmez.
Örnek
Bir perakendeci kendini beş kademeli, temsili bir ölçekte puanlıyor. Teknoloji 4 çıkıyor: modern bir bulut platformu ve her çalışan için lisans var. Strateji 3; veri, insan ve operasyonda kullanım 2; yönetişim ise 1: ne bir politika var ne de bir sorumlu. Planlanan ajan programı erteleniyor. Sonraki iki çeyrek bir kullanım politikasına, her veri alanına bir sahip atanmasına ve role göre eğitime ayrılıyor.
Bununla en çok karıştırılan kavram
AI Maturity ve AI readiness (yapay zeka hazırlığı) arasındaki fark
İki terim çoğu zaman eş anlamlı kullanılır; birçok değerlendirme de ikisini karıştırır. Hazırlık ileriye bakar ve belirli bir işle ilgilidir: bu girişimi başlatmak için veri, beceri, bütçe ve kontroller yerinde mi? Olgunluk kurumun bütününe ve bugüne kadar neyi rutine dönüştürdüğüne bakar. Bir şirket genel olarak olgunlaşmamışken ilk asistanı için hazır olabilir; olgun bir şirket de ajanlar için hazır olmayabilir.
Köken: Kademeli biçim, 1980'lerin sonunda Carnegie Mellon Üniversitesi'ndeki Software Engineering Institute'ta yazılım için geliştirilen Capability Maturity Model'e dayanır.
Teknik katman
Modellerin çoğu aynı yapıyı paylaşır: dört ila altı kademe ve bunların puanlandığı birkaç boyut. Kademeler dağınık denemelerden tekrarlanabilir projelere, oradan operasyona yerleşmiş yapay zekaya ve en üstte iş modelinin parçası olan yapay zekaya uzanır. Tipik boyutlar: strateji ve finansman, veri, teknoloji ve platform, insan ve beceriler, yönetişim ve risk, operasyonda kullanım. Yayımlanmış örnekler arasında Gartner'ın farkındalıktan dönüşüme uzanan beş kademeli modeli ile altı sütunu beş düzeyde puanlayan MITRE AI Maturity Model vardır. Kanıt, görüşten değerlidir: canlıdaki kullanım senaryolarını, onaylı araçları her hafta kullanan çalışanların payını, fikirden canlıya geçen süreyi, sahibi ve değerlendirmesi olan sistemlerin payını sayın. Tuzaklar: öz değerlendirme yanlılığı, çünkü yöneticiler işi yapan ekiplerden yüksek puan verir; en zayıf boyutu gizleyen ortalama; en üst kademeyi her şirket için hedef saymak; iş birimleri birbirinden çok farklı olan bir gruba tek puan vermek. Değerlendirmeyi aynı sorularla, sabit aralıklarla yineleyin.