AI-modenhetsselvsjekk

Hvor klar er organisasjonen din
for AI i informasjonssystemarbeid?

En selvtest av hvordan organisasjonen din bruker AI i livssyklusen til informasjonssystemene sine. Du får et nivå fra 1 til 5, en poengsum for hver av seks seksjoner, styrkene og prioriteringene dine, og resultatet som en PDF.

De syv seksjonene

01Organisasjonsprofil og rolle i informasjonssystemenes livssyklus
02Personer og AI-ferdigheter
03Kontekst og organisasjonskunnskap
04Praktisk AI-bruk i informasjonssystemenes livssyklus
05Pålitelighet og verifiserbarhet av AI-utdata
06AI-styring, datasikkerhet og kontroll
07AI-adopsjonsstyring og forretningsfordeler

Anslått tid: ca. 10 minutter.

Start selvtesten

Navnet ditt, organisasjonen og arbeids-e-posten din blir spurt om én gang, på slutten, før resultatet.

Organisasjonsprofil og rolle i informasjonssystemenes livssyklus

01Hvilken rolle har organisasjonen din i vedlikehold og utvikling av informasjonssystemer?

Velg alle aktuelle svar hvis organisasjonen din har flere roller.

Vi forvalter informasjonssystemene i organisasjonen vår, med utvikling og vedlikehold levert hovedsakelig av eksterne leverandørerVi forvalter og utvikler informasjonssystemene i organisasjonen vår med et internt IT-teamVi utvikler og/eller vedlikeholder informasjonssystemer for andre organisasjonerVi tilbyr rådgivning om informasjonssystemanalyse, arkitektur, utvikling eller styringVi tilbyr informasjonssystemers cybersikkerhet, sikkerhetstesting eller risikostyringAnnen driftsmodell

02Hvilken bransje er organisasjonen din i?

Velg ett svar.

Informasjonsteknologi og programvareutviklingOffentlig sektorFinans, bank og forsikringProduksjon og industriDetaljhandel og e-handelTransport og logistikkHelse og farmasiEnergi og forsyningTelekommunikasjonProfesjonelle tjenester og rådgivningUtdanning og forskningAnnen bransje

03Hvor mange personer i organisasjonen din er involvert i vedlikehold, utvikling eller styring av informasjonssystemer?

Inkluder ledere, analytikere, arkitekter, utviklere, testere, sikkerhetseksperter og andre som regelmessig er involvert i disse prosessene. Ikke tell hele arbeidsstokken.

1–5 personer6–10 personer11–25 personer26–50 personer51–100 personer101–250 personerMer enn 250 personer

04Hva skaper i dag de største utfordringene med å vedlikeholde og utvikle informasjonssystemene deres?

Velg inntil tre av de mest betydningsfulle utfordringene.

0 / 3

Det er vanskelig å finne nødvendig informasjon og dokumenterViktig kunnskap sitter i hodene på enkeltspesialisterOnboarding av nye medarbeidere eller leverandører tar for lang tidKrav og omfang endres, og det er vanskelig å spore endringeneDet er for lite oversikt over fremdrift, tidsfrister og kostnaderTekniske og arkitektoniske beslutninger er vanskelige å underbygge med bevisDokumentasjonen er ufullstendig, utdatert eller ikke vedlikeholdtRapportering og informasjonskonsolidering tar for mye tidMye av arbeidet gjentas, og utviklings- eller testkvaliteten er utilstrekkeligDet er for stor avhengighet av eksterne leverandører og deres ekspertiseDet er vanskelig å sikre endringssporing, sikkerhet og samsvarDet er for tiden ingen betydelige problemer

Personer og AI-ferdigheter

01Hvor utbredt er bruken av AI i organisasjonens daglige arbeid?

Tenk på ansatte som er involvert i styring, analyse, utvikling, testing og vedlikehold av informasjonssystemer.

AI brukes praktisk talt ikke, eller vi vet ikke om ansatte bruker det.Enkelte ansatte bruker AI på eget initiativ, uten en felles tilnærming.AI brukes regelmessig av ett team eller en bestemt faggruppe, for eksempel utviklere.AI brukes regelmessig av flere team og spesialister i ulike roller.Bruken av AI er rutine og bevisst organisert på tvers av team og arbeidsflyter.

02Hvordan fanges og deles vellykket erfaring med AI-bruk i organisasjonen?

For eksempel oppdager en ansatt en effektiv måte å bruke AI til å forberede krav eller analysere programvarekode.

Vellykkede praksiser fanges eller deles ikke.Ansatte deler av og til erfaringer i uformelle samtaler.Vellykkede tilnærminger diskuteres og adopteres innenfor individuelle team.Nyttige metoder og eksempler dokumenteres og er tilgjengelige for andre team.Validerte metoder innlemmes i delte arbeidsflyter, instruksjoner eller gjenbrukbare AI-løsninger.

03Hvordan avgjør ansatte om informasjon eller resultater fra AI er korrekte?

For eksempel ved kontroll av krav, kodeendringer, tester eller tekniske anbefalinger generert av AI.

Resultater fra AI kontrolleres ikke systematisk, eller ansatte bruker ikke AI ennå.Ansatte baserer seg hovedsakelig på om et svar fra AI virker plausibelt.Noen spesialister kontrollerer resultater fra AI, men dette avhenger av individuell erfaring.De fleste brukere av AI vet hvordan de skal kontrollere resultater mot dokumenter, kode eller andre pålitelige kilder.Kontroll av resultater fra AI er en definert del av arbeidsflyten, med klare kvalitetskriterier og ansvarlige eiere.

04Hvordan utvikler organisasjonen din de ansattes evne til å bruke AI i sitt faglige arbeid?

Tenk ikke bare på generell AI-opplæring, men også på ferdigheter for å anvende AI på spesifikke oppgaver i informasjonssystemers livssyklus.

Utvikling av AI-ferdigheter får ingen oppmerksomhet.De ansatte lærer AI på egen hånd ved hjelp av offentlig tilgjengelig materiale.Organisasjonen tilbyr av og til AI-opplæring eller erfaringsutveksling.Målrettet AI-opplæring og praktiske eksempler gis for ulike ansattroller.AI-ferdigheter utvikles og vurderes systematisk gjennom reelle arbeidsoppgaver og pågående faglig utvikling.

Kontekst og organisasjonskunnskap

01Hvilken informasjon om informasjonssystemene dine er tilgjengelig for AI-verktøy?

For eksempel krav, dokumentasjon, arbeidsoppgaver, programkode, arkitektur og endringshistorikk.

AI har ikke tilgang til organisasjonsinformasjon utover det en ansatt legger inn i samtalen.Ansatte kan laste opp individuelle dokumenter eller filer manuelt til et AI-verktøy.AI kan få tilgang til utvalgte informasjonskilder, for eksempel dokumenter eller programkode.AI kan bruke flere sammenkoblede kilder, for eksempel krav, dokumentasjon, arbeidsoppgaver og kode.AI kan få tilgang til sammenkoblet, oppdatert kunnskap om systemer, arkitektur, krav, beslutninger og endringshistorikk under passende kontroller.

02Hvor lett kan organisasjonen din fastslå hvorfor en bestemt beslutning om informasjonssystemer ble tatt?

For eksempel hvorfor en bestemt arkitektur ble valgt, en funksjon ble innført eller et forretningskrav ble endret.

Beslutningsbegrunnelser beholdes ofte ikke og er bare kjent for enkeltspesialister.Begrunnelser er spredt på e-poster, meldinger og andre kilder, noe som gjør dem vanskelige å finne.Noen beslutninger dokumenteres, men informasjonen er ikke alltid oppdatert eller lett å finne.Beslutninger og begrunnelser dokumenteres og kan søkes i et samlet eller sammenkoblet kunnskapsmiljø.Beslutninger kan spores fra det opprinnelige behovet og kravet via godkjenning til implementerte endringer og begrunnelser.

03Hvor lett kan du avgjøre hvilke informasjonssystemkrav og -endringer som er godkjent?

For eksempel avgjøre hva kunden godkjente, hva som er omfattet og hva som faktisk er levert.

Informasjonen er spredt, og det kan ta flere dager å finne den uten sikkerhet for at den er fullstendig.Den nødvendige informasjonen må samles manuelt fra kontrakter, korrespondanse og arbeidsoppgaver.Kravene og endringene registreres, men det kreves ekstra innsats for å sammenligne dem.Godkjente krav, endringer og arbeidsstatus er gjennomsiktige og kan finnes relativt raskt.Opprinnelige krav, godkjente endringer, arbeidsoppgaver og faktisk implementert funksjonalitet kan spores og sammenlignes.

04Hvordan sikrer du at AI bruker oppdatert og nøyaktig informasjon om informasjonssystemene dine?

For eksempel ved å hindre at AI baserer seg på en utdatert spesifikasjon, et kansellert krav eller en tidligere systemversjon.

Informasjonsvalutaen er ikke kontrollert, eller AI bruker ennå ikke organisasjonskunnskap.Ansatte velger informasjonen de gir til AI og kontrollerer valutaen etter eget skjønn.Noen opplysninger har versjoner eller oppdateringsdatoer, men AI kan ikke alltid ta hensyn til dem.AI bruker styrte informasjonskilder der dokumentversjoner, statuser og valuta kan identifiseres.AI bruker styrt, sammenkoblet kontekst, tar hensyn til informasjonsstatus og versjon, og flagger manglende data eller motstridende kilder.

Praktisk AI-bruk i informasjonssystemenes livssyklus

01I hvilke faser av informasjonssystemenes livssyklus bruker organisasjonen din AI i praksis?

Tenk på analyse, design, utvikling, testing, implementering og vedlikehold.

AI brukes ikke i vedlikehold eller utvikling av informasjonssystemer.AI brukes hovedsakelig til å utarbeide generelle tekster, e-poster eller sammendrag.AI brukes regelmessig i én bestemt fase, for eksempel programmering eller testing.AI brukes i flere faser, for eksempel kravanalyse, design, utvikling og testing.AI er bevisst integrert gjennom hele IS-livssyklusen, og bevarer informasjons- og utdatakontinuitet mellom fasene.

02Hvordan hjelper AI med å forberede krav, spesifikasjoner og arbeidsoppgaver?

For eksempel nye funksjonskrav, endringsforespørsler, brukerhistorier og akseptansekriterier.

AI brukes ikke til å forberede krav eller arbeidsoppgaver.AI hjelper til med å forbedre ordlyden eller formulere individuelle ideer.AI hjelper til med å utarbeide dokumenter eller arbeidsoppgaver ved hjelp av informasjon gitt av en ansatt.AI lager strukturerte utkast ved hjelp av organisasjonskrav, dokumentasjon og tidligere arbeidsoppgaver.AI hjelper til med å utvikle konsistente krav, spesifikasjoner og akseptansekriterier, og knytter dem til det eksisterende systemet og sender utdata til menneskelig gjennomgang og godkjenning.

03Hvordan brukes AI i programvareutvikling, testing og feilretting?

Hvis organisasjonen din ikke skriver kode selv, vurder hvordan AI hjelper med å gjennomgå eller vurdere arbeid levert av eksterne leverandører.

AI brukes ikke i utvikling, testing eller feilanalyse.AI hjelper av og til med å forklare feil eller foreslå generiske tekniske løsninger.AI hjelper regelmessig med å skrive eller gjennomgå kode, forberede tester eller analysere feil.AI brukes til utvikling, testing og feilanalyse basert på prosjektkode og -krav, med spesialister som verifiserer resultatene.AI støtter en sammenkoblet utviklings-, test- og feilrettingsarbeidsflyt der endringer kan spores til krav og verifiseres før distribusjon.

04Hvordan støtter AI beslutninger om utvikling og vedlikehold av informasjonssystemer?

For eksempel vurdering av endringsvirkninger, arkitekturalternativer, tekniske risikoer eller ressursbehov.

AI brukes ikke til å forberede eller evaluere beslutninger.AI gir generelle anbefalinger som ikke er basert på informasjon om det spesifikke systemet.AI hjelper til med å oppsummere informasjon som er gitt av en ansatt og formulere mulige løsninger.AI hjelper til med å sammenligne løsningsalternativer ved hjelp av tilgjengelige systemkrav, dokumentasjon og teknisk informasjon.AI forbereder begrunnede løsningsalternativer med kilder, konsekvensanalyse, risikoer og neste trinn, og identifiserer eksplisitt usikkerhet mens beslutninger overlates til den ansvarlige spesialisten.

05Hvor tett er AI integrert i organisasjonens daglige arbeidsflyter og verktøy?

For eksempel i arbeidsstyring, dokumentasjon, kodelagre, testing eller endringsstyring.

AI brukes ikke eller er ikke koblet til organisasjonens arbeidsflyter.Ansatte bruker frittstående AI-chatroboter og kopierer informasjon manuelt mellom verktøy.AI er tilgjengelig i individuelle arbeidsverktøy, men utdata overføres fortsatt for det meste manuelt mellom prosesser.AI er integrert i flere arbeidsverktøy og hjelper til med å opprette eller oppdatere informasjon innenfor eksisterende arbeidsflyter.AI er integrert i sammenkoblede arbeidsflyter og kan forberede og overføre utdata mellom trinn mens den respekterer tilgangskontroll, verifiserings- og godkjenningsprosedyrer.

Pålitelighet og verifiserbarhet av AI-utdata

01Når du mottar et AI-svar, kan du verifisere hvilke informasjonskilder det er basert på?

For eksempel ved å åpne et bestemt krav, dokument, arbeidsoppgave eller kildekodefragment.

AI identifiserer ikke kildene som brukes, og det er ingen måte å verifisere hvor informasjonen kom fra.AI nevner noen ganger mulige kilder, men det er uklart om de faktisk ble brukt.AI kan identifisere dokumenter eller filer som brukes, men å verifisere spesifikke påstander krever ytterligere søking.AI-svar inkluderer referanser til spesifikke kilder som brukere kan åpne og verifisere.Materiale AI hevder kan spores til spesifikke verifiserbare kilder, deres versjoner og relevant informasjon.

02Hvordan kontrolleres kvaliteten på AI-genererte arbeidsresultater før de brukes?

For eksempel kravspesifikasjoner, arkitekturforslag, kildekode, testtilfeller eller rapporter.

Det er ikke etablert noen prosedyre for å kontrollere kvaliteten på AI-utdata.Utdata kontrolleres bare når noen stiller spørsmål ved nøyaktigheten.Utdata gjennomgås vanligvis av den ansvarlige medarbeideren, men det finnes ingen konsekvente verifiseringskriterier.AI-utdata kontrolleres mot definerte kvalitetskriterier og sammenlignes med relevante krav eller andre kilder.Verifiseringen er innebygd i arbeidsflyten, og kombinerer egnede automatiserte kontroller, spesialistgjennomgang og nødvendige godkjenninger.

03Hva skjer når AI gir et feilaktig, ufullstendig eller usikkert svar?

For eksempel siterer AI et ikke-eksisterende krav, misforstår et dokument eller foreslår en uegnet teknisk løsning.

Det finnes ingen definert tilnærming til å oppdage AI-feil, og feil kan gå upåaktet hen.Feil rettes bare når en ansatt tilfeldigvis oppdager dem.Ansatte rapporterer betydelige feil, men disse analyseres ikke systematisk.AI-feil registreres, deres årsaker analyseres og forbedringer gjøres for å redusere gjentakelse.Systematisk feilhåndtering er på plass: AI-utdataenes kvalitet overvåkes, hendelser analyseres, forbedringer testes og usikker bruk begrenses når det er nødvendig.

04Hvordan svarer AI når den mangler tilstrekkelig informasjon til å gi et begrunnet svar?

For eksempel er den gjeldende spesifikasjonen utilgjengelig, en beslutningsbegrunnelse mangler eller dokumenter er i konflikt.

AI svarer selv når informasjonen er utilstrekkelig og avslører ikke denne begrensningen.AI varsler noen ganger om usikkerhet, men kan presentere ubegrunnede antakelser som fakta.AI varsler vanligvis om manglende informasjon, men brukerne må selv avgjøre hva annet som trengs.AI identifiserer spesifikke informasjonsmangler eller motsetninger og hjelper til med å formulere de nødvendige avklaringene.Arbeidsflyten for AI omfatter usikkerhetsstyring: den varsler om utilstrekkelig bevis, ber om avklaring eller ytterligere verifisering og presenterer ikke ubegrunnede konklusjoner som etablerte fakta.

05Hvordan gjennomgås og godkjennes AI-genererte utdata før de brukes i viktige beslutninger eller leveranser?

For eksempel før en arkitekturbeslutning godkjennes, endringer distribueres til produksjon eller utdata leveres til en kunde.

Det er ikke definert hvilke AI-utdata som må gjennomgås eller godkjennes.Medarbeiderne avgjør selv om gjennomgang er nødvendig og hvem som er ansvarlig.Materielle utdata gjennomgås vanligvis av en ansvarlig spesialist, men dette dokumenteres ikke alltid.Det er definert hvilke AI-utdata som krever gjennomgang, hvem som utfører den og hvordan godkjenning registreres.Gjennomgangs- og godkjenningskravene står i forhold til arbeidsrelatert risiko, er integrert i relevante arbeidsflyter og sikrer sporbarhet for ansvarlige personer og beslutninger.

AI-styring, datasikkerhet og kontroll

01Vet og kontrollerer organisasjonen din hvor dataene går når ansatte bruker AI?

For eksempel systemdokumentasjon, kildekode, kundeinformasjon, personopplysninger og annet begrenset materiale.

Vi vet ikke hvilke AI-verktøy de ansatte bruker, eller hvor informasjonen som legges inn, går.De ansatte bruker også offentlige eller personlige AI-kontoer, og dataoverføringer kontrolleres ikke sentralt.Organisasjonen har godkjent AI-verktøy, men databehandlingsvilkårene er ikke fullstendig vurdert for alle.AI-verktøy har vurdert databehandlingsvilkår, tillatte datakategorier og passende kontroller.Organisasjonen styrer AI-dataflyt gjennom hele livssyklusen, inkludert behandlingssted, lagring, tilgang, overføringer til tjenesteleverandører og sletting.

02Hvor tydelige er reglene for bruk av AI på jobb i din organisasjon?

For eksempel hvilke AI-verktøy som er tillatt, hvilken informasjon som kan legges inn og hvilke utdata som må kontrolleres.

Organisasjonen har ingen regler for bruk av AI.Det finnes bare uformelle anbefalinger om å være forsiktig ved bruk av AI.Det finnes skriftlige regler for bruk av AI, men de blir ikke konsekvent fulgt opp eller gjennomgått.Godkjente regler for bruk av AI er kjent for de ansatte, med tillatte verktøy og ansvarlige personer definert.Reglene for bruk av AI er integrert i arbeidsflytene, overholdelse overvåkes og reglene oppdateres regelmessig for å gjenspeile risiko og teknologisk endring.

03Hvordan kontrolleres AI-ens tilgang til organisasjonsinformasjon?

For eksempel om AI-en som hjelper en prosjektanalytiker, bare har tilgang til informasjon som analytikeren har tillatelse til å se.

AI-ens tilgang til organisasjonsinformasjon kontrolleres ikke, eller tilgangsmetoden er ukjent.Tilgangen bestemmes hovedsakelig av hvilke filer de ansatte laster opp til AI-verktøyet.AI-ens tilgang er begrenset i visse systemer eller datakilder, men kontrollene er inkonsekvente.AI-ens tilgang styres etter brukerroller og tillatelser, og organisasjonens krav til databeskyttelse overholdes.AI-ens tilgang kontrolleres konsekvent for hver forespørsel og handling, og brukerens tillatelser, dataklassifisering og prinsippet om minst mulig privilegier overholdes.

04Kan organisasjonen din spore hvordan AI ble brukt til å fullføre et bestemt arbeidsobjekt?

For eksempel hvordan AI hjalp til med å forberede krav, analysere dokumenter, endre kode eller utvikle et teknisk forslag.

AI-handlinger logges ikke, og det er umulig å fastslå hva som ble gjort.Noen opplysninger forblir i separate AI-samtaler eller ansattes personlige kontoer.AI-samtaler eller -utdata lagres, men det er vanskelig å knytte dem til bestemte arbeidsobjekter.AI-brukshistorikk er knyttet til arbeidsobjekter, noe som gjør det mulig å identifisere brukeren, handlinger og utdata.Risikorelevant revisjonsinformasjon beholdes for vesentlige AI-handlinger, inkludert kilder, verktøy, handlinger, utdata og godkjenninger.

05Hvordan håndterer organisasjonen risikoer når AI kan utføre handlinger i informasjonssystemer eller arbeidsverktøy?

For eksempel opprette arbeidsoppgaver, redigere dokumentasjon, forberede kodeendringer eller kalle system-API-er.

Tillatelser for AI-utførte handlinger og tilknyttede risikoer vurderes ikke.AI kan utføre noen handlinger, men begrensninger og kontroller avhenger i stor grad av brukeren.AI-handlinger er begrenset i visse verktøy, og betydelige endringer krever vanligvis menneskelig gjennomgang.AI-handlinger har definerte tillatelser, risikonivåer og godkjenningskrav før det gjøres vesentlige endringer.AI-handlinger styres av tillatelser med minst mulig privilegier, tekniske sikkerhetskontroller, risikobaserte godkjenninger, overvåking og muligheten til å stoppe eller reversere handlinger der det er teknisk mulig.

AI-adopsjonsstyring og forretningsfordeler

01Hvem i organisasjonen er ansvarlig for AI-adopsjon og utvikling av bruken?

Vurder ansvaret for AI-adopsjon i vedlikehold, utvikling og styring av informasjonssystemer.

Ingen er utpekt som ansvarlig for AI-adopsjon i organisasjonen.AI-bruk fremmes hovedsakelig av individuelle interesserte ansatte på eget initiativ.En team- eller avdelingsleder overvåker AI-adopsjon i tillegg til sine vanlige ansvarsområder.En AI-adopsjonseier er utnevnt med klare ansvarsområder og myndighet til å koordinere organisatoriske aktiviteter.AI-adopsjon er en del av organisasjonens styringsplan, med definert ansvar, beslutningsprosedyrer, ressurser og målbare mål.

02Måler organisasjonen din fordelene som leveres av AI-bruk?

For eksempel spart tid, lavere kostnader, raskere kravforberedelse, færre feil eller bedre kunnskapstilgang.

Fordelene ved AI-bruk verken vurderes eller måles.Ansatte mener at AI hjelper dem å jobbe raskere, men det finnes ingen spesifikke målinger.Det finnes individuelle eksempler eller estimater på spart tid eller forbedrede resultater fra AI.AI-fordeler måles regelmessig i utvalgte arbeidsflyter, og sammenligner resultater med tidligere praksis.AI-fordeler måles og vurderes systematisk i forhold til kostnader, kvalitet og produktivitet, og funnene informerer om fremtidige investeringsbeslutninger.

03Hvordan velger organisasjonen din arbeidsflytene der dere skal innføre AI?

For eksempel kravanalyse, dokumentasjonsvedlikehold, utvikling, testing eller rapportering av systemstyring.

Det finnes ingen definert tilnærming til å vurdere muligheter for bruk av AI.Tilfeller for bruk av AI velges basert på ansattes interesse eller tilgjengelige verktøy.Enkelte prosesser der AI kan være til hjelp, identifiseres, men det finnes ingen konsekvent tilnærming til prioritering.Muligheter for innføring av AI vurderes basert på forventet nytte, implementeringskompleksitet og risiko.Prioriteringer for innføring av AI settes ved hjelp av sammenlignbare kriterier for forretningsverdi, kostnad, risiko og implementeringsklarhet, og gjennomgås regelmessig.

04Hva er organisasjonens plan for AI-utvikling de neste 12 månedene?

Vurder om organisasjonen har spesifikke mål, prioriteringer, ansvarlige eiere og nødvendige ressurser for AI-adopsjon.

Ingen plan for AI-adopsjon eller -utvikling er utarbeidet.Organisasjonen overvåker AI-utviklingen, men ingen spesifikke adopsjonsaktiviteter er planlagt.AI-verktøy eller individuelle piloter er planlagt, men det finnes ingen omfattende implementeringsplan.Spesifikke AI-brukstilfeller, implementeringsplaner, eiere og nødvendige ressurser er definert.En godkjent trinnvis AI-utviklingsplan inkluderer prioriteringer, budsjett, forventede resultater og regelmessige gjennomganger av fremdrift og fordeler.

05Hvordan omgjør organisasjonen din vellykkede AI-eksperimenter til permanente arbeidsløsninger?

For eksempel, etter et vellykket AI-pilotprosjekt i kravanalyse eller testing, hvordan innføres det i rutinearbeidet?

AI-eksperimenter gjennomføres ikke, eller resultatene brukes ikke i det påfølgende arbeidet.Enkelte ansatte fortsetter å bruke vellykkede AI-løsninger på eget initiativ.Noen AI-løsninger tas i bruk av team, men vedlikeholdet og utviklingen er ikke organisert systematisk.Vellykkede AI-løsninger vurderes, dokumenteres og innføres i definerte arbeidsflyter med tildelte eiere.En definert prosess tar AI-løsninger fra pilotprosjekt til rutinebruk, og omfatter kvalitet, sikkerhet, kostnader, brukeropplæring og langsiktig vedlikehold.

Resultatet ditt er klart

Fortell oss hvem som spør, så er resultatet ditt.

Fullt navn *

Organisasjon *

Arbeids-e-post *

Slik bruker vi disse opplysningene

DCS Flow bruker navnet, organisasjonen og arbeids-e-posten din til å forberede og tilby deg en konsultasjon om resultatet ditt. Svarene og resultatet sendes til DCS Flow-teamet som én e-post og lagres ikke av dette nettstedet.

E-posten leveres via Google Workspace. Du kan be oss om å slette den når som helst ved å skrive til adressen på dette nettstedet. Hvis du merker av i markedsføringsboksen, kan vi også kontakte deg om DCS Flow; du kan trekke tilbake det når som helst.

DCS Flow kan kontakte meg om sine produkter og tjenester.

Hvor klar er organisasjonen dinfor AI i informasjonssystemarbeid?