OpenAI har lagt en planlagt modeludgivelse i skuffen. Modellen skulle ifølge Version2 være kommet i oktober, men levede ikke op til virksomhedens egne krav om blandt andet kontrol, mandat og troværdig besked om det arbejde, den havde udført.
Det ligner en historie om modelsikkerhed. For en virksomheds ledelse rummer den også en mere jordnær besked:
I kan ikke lægge en fremtidig AI-model ind i budgettet, som om den allerede var en medarbejder.
Det er ellers fristende. Leverandørerne viser nye evner, og planerne begynder straks at flytte sig. Næste model kan måske skrive mere kode, løse flere kundesager eller gennemgå flere dokumenter. Derfor udskyder virksomheden en ansættelse, lover kortere leveringstid eller skriver en besparelse ind i næste års budget.
Men en lovet model er ikke kapacitet. Det er en mulighed, som leverandøren både kan forsinke, ændre, begrænse og trække tilbage.
En demonstration kan ikke møde på arbejde
Når en ny model ser stærk ud i en præsentation, er det let at springe direkte til forretningsgevinsten. Men der ligger flere skridt imellem.
Modellen skal kunne håndtere jeres virkelige sager. Den skal have de rigtige kilder og adgange. Resultatet skal kunne bedømmes. Fejl og undtagelser skal have et sted at lande. Prisen skal holde, når opgaven bliver gentaget. Og arbejdet skal fortsætte, når leverandøren ændrer noget.
Først da har I arbejdskapacitet. Indtil da har I en lovende teknisk mulighed.
Det skel er vigtigt, fordi planlægning har konsekvenser, før modellen gør. En stilling kan blive sat på pause. Et team kan få et højere salgsmål. En kunde kan få et løfte om hurtigere svar. Når modellen så bliver forsinket eller viser sig at være dårlig til netop jeres svære sager, er hullet ikke teknisk. Det står i bemandingen, økonomien og kundeløftet.
Det betyder ikke, at ledelsen skal ignorere kommende modeller. Det betyder, at muligheder og kapacitet skal stå på hver sin linje.
Bedre modeller gør ikke forarbejdet overflødigt
I vores arbejde med digitale medarbejdere er den stærkeste model sjældent hele forklaringen på, at et arbejde fungerer. Rollen skal være tydelig. Kilderne skal kunne findes. Et godt resultat skal kunne kendes fra et dårligt. Nogen skal tage over, når sagen falder uden for rammen.
Det arbejde forsvinder ikke, når modellen bliver bedre. Tværtimod kan en stærkere model udføre flere handlinger og nå længere, før nogen opdager, at opgaven var uklart beskrevet.
Derfor begynder vores publicerede tilgang med at vælge arbejdet før AI-modellen. Hvis I ejer prøvesagerne, kvalitetskravene og reservevejen, kan en ny model gøre arbejdsgangen bedre. Hvis I ikke gør, kan en ny model mest gøre jer hurtigere afhængige af leverandørens næste løfte.
Den samme pointe blev synlig, da ISS fortalte om ambitionen om at træne menneskelignende robotter til rengøring. Fordelen ligger ikke i robotten alene, men i virksomhedens evne til at vise godt arbejde, opdage afvigelser og gøre rettelser til fælles læring. En sprogmodel ankommer heller ikke med kendskab til jeres kunder, undtagelser og faglige mål, bare fordi den scorer bedre end sin forgænger.
Budgettér med det, der virker nu
En ansvarlig AI-plan behøver ikke være forsigtig i betydningen langsom. Den skal bare skelne mellem grundplanen og den mulige gevinst.
Grundplanen bør kunne holde med den kapacitet, I faktisk har afprøvet. Det gælder bemanding, omkostninger, leveringstider og de løfter, I giver kunderne. Den næste model kan stå som en mulighed for at gøre noget hurtigere, billigere eller bedre, men gevinsten bør først flyttes ind i driften, når den har vist sig i den konkrete arbejdsgang.
Det giver ledelsen tre forskellige tal at arbejde med:
Mulig gevinst. Hvad kan ændre sig, hvis den kommende model kan det, leverandøren stiller i udsigt?
Dokumenteret gevinst. Hvad viser prøver på jeres egne sager, når kontrol, rettelser og menneskelig tid tælles med?
Driftsklar gevinst. Hvad kan I regne med uge efter uge, også når der er undtagelser, ændringer og nedbrud?
Kun det sidste tal bør bære et løfte til kunder, medarbejdere eller ejere. De to første er værdifulde i strategi og forsøg, men de er endnu ikke en bemandingsplan.
Den hurtige virksomhed har to planer
Nogle vil indvende, at virksomheder mister fart, hvis de venter på fuld sikkerhed. Det er rigtigt. Ingen ny teknologi bliver interessant, hvis den først må bruges, når al usikkerhed er væk.
Løsningen er ikke at lade som om usikkerheden ikke findes. Løsningen er at have to planer.
Den ene beskriver, hvordan virksomheden leverer med de mennesker og systemer, der virker i dag. Den anden beskriver, hvad I vil ændre, hvis en ny model består de prøver, der betyder noget for jer.
Så kan I forberede data, arbejdsgange og ansvar uden at bruge en leverandørs kalender som fundament under næste års resultat. I kan også handle hurtigt, når modellen kommer, fordi beslutningen allerede har klare betingelser: Den skal løse bestemte sager godt nok, til en kendt samlet pris og uden at efterlade et hul, når den fejler.
Det er mere offensivt end at vente passivt. I bygger virksomheden klar til en forbedring uden at foregive, at forbedringen allerede er leveret.
Køb ikke gevinsten på forskud
OpenAIs udsættelse kan vise sig at være kort. Modellen kan blive rettet og udgivet. En anden leverandør kan komme først. Den konkrete vinder er ikke pointen.
Pointen er, at leverandøren ejer udgivelsen. I ejer de beslutninger, som bliver truffet i forventning om den.
Hvis I sætter en ansættelse på pause, ændrer et kundeløfte eller skriver en AI-besparelse ind i budgettet, skal det ske på baggrund af en arbejdsgang, der faktisk virker. Ikke en demonstration, en rangliste eller en dato på en leverandørs plan.
Den næste model kan blive imponerende. Den kan også blive forsinket.
Jeres virksomhed skal kunne møde på arbejde i begge tilfælde.