AI-mognadens självtest

Hur redo är din organisation
för AI i informationsarbetet?

Ett självtest av hur din organisation använder AI under informationssystemens livscykel. Du får en nivå från 1 till 5, ett resultat för var och en av sex avsnitt, dina styrkor och prioriteringar, och resultatet som en PDF.

De sju avsnitten

01Organisationsprofil och roll i informationssystemens livscykel
02Människor och AI-färdigheter
03Kontexten och organisatorisk kunskap
04Praktisk AI-användning i informationssystemens livscykel
05AI-utdataens tillförlitlighet och verifierbarhet
06AI-styrning, datasäkerhet och kontroll
07AI-användningshantering och affärsfördelar

Beräknad tid: cirka 10 minuter.

Starta självtestet

Ditt namn, organisation och arbets-e-postadress frågas en gång, i slutet, före resultatet.

Organisationsprofil och roll i informationssystemens livscykel

01Vilken roll har din organisation i underhåll och utveckling av informationssystem?

Välj alla tillämpliga svar om din organisation har flera roller.

Vi hanterar vår organisations informationssystem, med utveckling och underhåll som huvudsakligen tillhandahålls av externa leverantörerVi hanterar och utvecklar vår organisations informationssystem med ett internt IT-teamVi utvecklar och/eller underhåller informationssystem för andra organisationerVi tillhandahåller konsulttjänster om informationssystemanalys, arkitektur, utveckling eller styrningVi tillhandahåller informationssystemens cybersäkerhet, säkerhetstestning eller riskhanteringstjänsterAnnan driftsmodell

02Vilken är din organisations huvudsakliga bransch?

Välj ett svar.

Informationsteknik och mjukvaruutvecklingRegering och offentlig sektorFinans, bank och försäkringTillverkning och industriDetaljhandel och e-handelTransport och logistikHälso- och sjukvård och läkemedelEnergi och allmännyttiga tjänsterTelekommunikationProfessionella tjänster och konsultverksamhetUtbildning och forskningAnnan bransch

03Hur många personer i din organisation är involverade i underhåll, utveckling eller styrning av informationssystem?

Inkludera chefer, analytiker, arkitekter, utvecklare, testare, säkerhetsspecialister och andra som regelbundet är involverade i dessa processer. Räkna inte in hela din personalstyrka.

1–5 personer6–10 personer11–25 personer26–50 personer51–100 personer101–250 personerFler än 250 personer

04Vad skapar för närvarande störst svårigheter med att underhålla och utveckla era informationssystem?

Välj upp till tre av de mest betydande utmaningarna.

0 / 3

Det är svårt att hitta nödvändig information och dokumentViktig kunskap finns i enskilda specialisters huvudenOnboarding av nya medarbetare eller leverantörer tar för lång tidKrav och omfattning ändras, och de ändringarna är svåra att spåraDet finns otillräcklig insyn i arbetets framskridande, deadlines och kostnaderTekniska och arkitektoniska beslut är svåra att underbygga med beläggDokumentationen är ofullständig, föråldrad eller inte underhållenRapportering och informationskonsolidering tar för mycket tidMycket av arbetet upprepas, och utvecklings- eller testkvaliteten är otillräckligDet finns ett överdrivet beroende av externa leverantörer och deras expertisDet är svårt att säkerställa ändringspårbarhet, säkerhet och efterlevnadDet finns för närvarande inga betydande problem

Människor och AI-färdigheter

01Hur utbrett är användandet av AI i er organisations dagliga arbete?

Tänk på anställda som är involverade i styrning, analys, utveckling, testning och underhåll av informationssystem.

AI används praktiskt taget inte alls, eller så vet vi inte om anställda använder det.Enskilda anställda använder AI på eget initiativ, utan en gemensam strategi.AI används regelbundet av ett team eller en viss yrkesgrupp, till exempel utvecklare.AI används regelbundet av flera team och specialister i olika roller.Användningen av AI är rutinmässig och avsiktligt organiserad över team och arbetsflöden.

02Hur fångas och delas framgångsrika erfarenheter av AI-användning inom er organisation?

Till exempel upptäcker en anställd ett effektivt sätt att använda AI för att förbereda krav eller analysera programkod.

Framgångsrika metoder fångas inte upp eller delas.Anställda delar ibland erfarenheter i informella samtal.Framgångsrika metoder diskuteras och antas inom enskilda team.Användbara metoder och exempel dokumenteras och är tillgängliga för andra team.Validerade metoder införlivas i delade arbetsflöden, instruktioner eller återanvändbara AI-lösningar.

03Hur avgör anställda om information eller resultat som tillhandahålls av AI är korrekta?

Till exempel när AI-genererade krav, kodändringar, tester eller tekniska rekommendationer kontrolleras.

AI-resultat kontrolleras inte systematiskt, eller så använder anställda ännu inte AI.Anställda litar främst på om ett AI-svar verkar rimligt.Vissa specialister kontrollerar AI-resultat, men det beror på individuell erfarenhet.De flesta AI-användare vet hur man verifierar resultat mot dokument, kod eller andra tillförlitliga källor.Verifiering av AI-resultat är en definierad del av arbetsflödet, med tydliga kvalitetskriterier och ansvariga ägare.

04Hur utvecklar din organisation medarbetarnas förmåga att använda AI i sitt yrkesarbete?

Tänk inte bara på allmän AI-utbildning, utan också på färdigheter för att tillämpa AI på specifika uppgifter i informationssystemens livscykel.

Utvecklingen av AI-färdigheter får ingen uppmärksamhet.Medarbetarna lär sig AI på egen hand med hjälp av offentligt tillgängligt material.Organisationen erbjuder ibland AI-utbildning eller erfarenhetsutbyte.Riktad AI-utbildning och praktiska exempel ges för olika medarbetarroller.AI-färdigheter utvecklas och bedöms systematiskt genom verkliga arbetsuppgifter och fortlöpande kompetensutveckling.

Kontexten och organisatorisk kunskap

01Vilken information om dina informationssystem är tillgänglig för AI-verktyg?

Till exempel krav, dokumentation, arbetsobjekt, programkod, arkitektur och ändringshistorik.

AI har ingen åtkomst till organisationsinformation utöver vad en anställd matar in i konversationen.Anställda kan manuellt ladda upp enskilda dokument eller filer till ett AI-verktyg.AI kan få åtkomst till utvalda informationskällor, till exempel dokument eller programkod.AI kan använda flera sammankopplade källor, till exempel krav, dokumentation, arbetsobjekt och kod.AI kan få åtkomst till sammankopplad, uppdaterad kunskap om system, arkitektur, krav, beslut och ändringshistorik under lämplig kontroll.

02Hur lätt kan din organisation fastställa varför ett visst beslut om informationssystem fattades?

Till exempel varför en viss arkitektur valdes, en funktion infördes eller ett affärskrav ändrades.

Beslutsmotiveringar sparas ofta inte och är bara kända för enskilda specialister.Motiveringar är utspridda över e-post, meddelanden och andra källor, vilket gör dem svåra att hitta.Vissa beslut dokumenteras, men informationen är inte alltid aktuell eller lätt att hitta.Beslut och deras motiveringar dokumenteras och är sökbara i en enhetlig eller sammankopplad kunskapsmiljö.Beslut kan spåras från det ursprungliga behovet och kravet via godkännande till genomförda ändringar och deras motivering.

03Hur lätt kan du avgöra vilka informationssystemkrav och ändringar som har godkänts?

Till exempel avgöra vad kunden godkände, vad som ingår i omfattningen och vad som faktiskt har levererats.

Informationen är utspridd och det kan ta flera dagar att hitta den utan att vara säker på att den är fullständig.Den information som krävs måste sammanställas manuellt från kontrakt, korrespondens och arbetsobjekt.Kraven och ändringarna registreras, men att jämföra dem kräver extra arbete.Godkända krav, ändringar och arbetsstatus är transparenta och kan hittas relativt snabbt.Ursprungliga krav, godkända ändringar, arbetsobjekt och faktiskt implementerad funktionalitet kan spåras och jämföras.

04Hur säkerställer du att AI använder aktuell och korrekt information om dina informationssystem?

Till exempel att AI inte förlitar sig på en föråldrad specifikation, ett annullerat krav eller en tidigare systemversion.

Informationens aktualitet kontrolleras inte, eller så använder AI ännu inte organisationens kunskap.Anställda väljer den information de tillhandahåller till AI och kontrollerar dess aktualitet efter eget gottfinnande.Vissa uppgifter har versioner eller uppdateringsdatum, men AI kan inte alltid ta hänsyn till dem.AI använder styrda informationskällor där dokumentversioner, status och aktualitet kan identifieras.AI använder styrd, sammankopplad kontext, tar hänsyn till informationens status och version och flaggar för saknade data eller motstridiga källor.

Praktisk AI-användning i informationssystemens livscykel

01I vilka skeden av informationssystemens livscykel använder din organisation AI i praktiken?

Tänk på analys, design, utveckling, testning, implementering och underhåll.

AI används inte i underhåll eller utveckling av informationssystem.AI används främst för att utarbeta allmänna texter, e-postmeddelanden eller sammanfattningar.AI används regelbundet i ett specifikt skede, t.ex. programmering eller testning.AI används i flera skeden, t.ex. kravanalys, design, utveckling och testning.AI integreras avsiktligt i hela IS-livscykeln, vilket bevarar informationens och utdataens kontinuitet mellan skedena.

02Hur hjälper AI till att förbereda krav, specifikationer och arbetsobjekt?

Till exempel nya funktionskrav, ändringsförfrågningar, användarberättelser och acceptanskriterier.

AI används inte för att förbereda krav eller arbetsobjekt.AI hjälper till att förbättra ordalydelsen eller formulera enskilda idéer.AI hjälper till att utarbeta dokument eller arbetsobjekt med hjälp av information som tillhandahålls av en anställd.AI skapar strukturerade utkast med hjälp av organisatoriska krav, dokumentation och tidigare arbetsobjekt.AI hjälper till att utveckla konsekventa krav, specifikationer och acceptanskriterier, koppla dem till det befintliga systemet och lämna in utdata för granskning och godkännande av människor.

03Hur används AI i programvaruutveckling, testning och felavhjälpning?

Om din organisation inte skriver kod själv, överväg hur AI hjälper till att granska eller bedöma arbete som levereras av externa leverantörer.

AI används inte i utveckling, testning eller felanalys.AI hjälper ibland till att förklara fel eller föreslå generiska tekniska lösningar.AI hjälper regelbundet till att skriva eller granska kod, förbereda tester eller analysera fel.AI används för utveckling, testning och felanalys som grundar sig på projektkod och krav, med specialister som verifierar utdata.AI stöder ett sammankopplat arbetsflöde för utveckling, testning och felavhjälpning där ändringar kan spåras till krav och verifieras före driftsättning.

04Hur stödjer AI beslut om utveckling och underhåll av informationssystem?

Till exempel bedömning av förändringspåverkan, arkitekturalternativ, tekniska risker eller resursbehov.

AI används inte för att förbereda eller utvärdera beslut.AI ger generiska rekommendationer som inte är grundade i det specifika systemets information.AI hjälper till att sammanfatta information som tillhandahålls av en anställd och formulera möjliga lösningar.AI hjälper till att jämföra lösningsalternativ med hjälp av tillgängliga systemkrav, dokumentation och teknisk information.AI förbereder motiverade lösningsalternativ med källor, påverkansanalys, risker och nästa steg, och identifierar uttryckligen osäkerhet samtidigt som beslut lämnas till den ansvariga specialisten.

05Hur nära är AI integrerat i er organisations dagliga arbetsflöden och verktyg?

Till exempel i arbetsledning, dokumentation, kodrepositorier, testning eller ändringshantering.

AI används inte eller är inte anslutet till organisationens arbetsflöden.Anställda använder fristående AI-chattrobotar och kopierar manuellt information mellan verktyg.AI finns i enskilda arbetsverktyg, men utdata överförs fortfarande mestadels manuellt mellan processer.AI är integrerat i flera arbetsverktyg och hjälper till att skapa eller uppdatera information inom befintliga arbetsflöden.AI är integrerat i sammankopplade arbetsflöden och kan förbereda och överföra utdata mellan etapper samtidigt som åtkomsträttigheter, verifierings- och godkännandeförfaranden respekteras.

AI-utdataens tillförlitlighet och verifierbarhet

01När du får ett AI-svar, kan du verifiera vilka informationskällor det baseras på?

Till exempel genom att öppna ett specifikt krav, dokument, arbetsobjekt eller källkodsfragment.

AI identifierar inte de källor som använts, och det går inte att verifiera var informationen kom ifrån.AI nämner ibland möjliga källor, men det är oklart om de faktiskt använts.AI kan identifiera använda dokument eller filer, men att verifiera specifika påståenden kräver ytterligare sökning.AI-svar innehåller referenser till specifika källor som användare kan öppna och verifiera.Material som AI påstår kan spåras till specifika verifierbara källor, deras versioner och relevant information.

02Hur kontrolleras kvaliteten på AI-genererade arbetsresultat innan de används?

Till exempel kravspecifikationer, arkitekturförslag, källkod, testfall eller rapporter.

Ingen procedur har fastställts för att kontrollera kvaliteten på AI-utdata.Utdata kontrolleras endast när någon ifrågasätter deras korrekthet.Utdata granskas vanligtvis av den ansvariga medarbetaren, men det finns inga konsekventa verifieringskriterier.AI-utdata kontrolleras mot definierade kvalitetskriterier och jämförs med relevanta krav eller andra källor.Verifieringen är inbyggd i arbetsflödet och kombinerar lämpliga automatiserade kontroller, specialistgranskning och nödvändiga godkännanden.

03Vad händer när AI ger ett felaktigt, ofullständigt eller icke-underbyggt svar?

Till exempel citerar AI ett icke-existerande krav, missförstår ett dokument eller föreslår en olämplig teknisk lösning.

Det finns ingen definierad metod för att upptäcka AI-fel, och fel kan gå obemärkta förbi.Fel korrigeras bara när en anställd råkar upptäcka dem.Anställda rapporterar betydande fel, men dessa analyseras inte systematiskt.AI-fel registreras, deras grundorsaker analyseras och förbättringar görs för att minska återkomsten.Systematiskt felhantering finns på plats: AI-utmatningskvaliteten övervakas, incidenter analyseras, förbättringar testas och osäker användning begränsas vid behov.

04Hur svarar AI när den saknar tillräcklig information för att ge ett underbyggt svar?

Till exempel är den aktuella specifikationen inte tillgänglig, ett beslutsunderlag saknas eller dokumenten motsäger varandra.

AI svarar även när informationen är otillräcklig och avslöjar inte denna begränsning.AI varnar ibland för osäkerhet men kan presentera obestyrkta antaganden som fakta.AI flaggar vanligtvis för saknad information, men användarna måste avgöra vad som mer behövs.AI identifierar specifika informationsluckor eller motsägelser och hjälper till att formulera de klargöranden som krävs.AI-arbetsflödet omfattar hantering av osäkerhet: den flaggar för otillräckliga belägg, begär klargöranden eller ytterligare verifiering och presenterar inte obestyrkta slutsatser som fastställda fakta.

05Hur granskas och godkänns AI-genererade utdata innan de används i viktiga beslut eller leveranser?

Till exempel innan en arkitekturbeslut godkänns, ändringar driftsätts i produktion eller utdata levereras till en kund.

Det har inte definierats vilka AI-utdata som måste granskas eller godkännas.Medarbetarna avgör själva om granskning behövs och vem som ansvarar.Materiella utdata granskas vanligtvis av en ansvarig specialist, men detta dokumenteras inte alltid.Det är definierat vilka AI-utdata som kräver granskning, vem som utför den och hur godkännandet dokumenteras.Gransknings- och godkännandekrav är proportionerliga mot arbetsrelaterad risk, integrerade i relevanta arbetsflöden och säkerställer spårbarhet av ansvariga personer och beslut.

AI-styrning, datasäkerhet och kontroll

01Vet och kontrollerar din organisation var data hamnar när anställda använder AI?

Till exempel systemdokumentation, källkod, kundinformation, personuppgifter och annat begränsat material.

Vi vet inte vilka AI-verktyg anställda använder eller var inmatad information hamnar.Anställda använder också offentliga eller personliga AI-konton, och dataöverföringar kontrolleras inte centralt.Organisationen har godkänt AI-verktyg, men villkoren för databehandling har inte bedömts fullt ut för alla.AI-verktyg har bedömda villkor för databehandling, tillåtna datakategorier och lämpliga kontroller.Organisationen styr AI-dataflöden under hela deras livscykel, inklusive behandlingsplats, lagring, åtkomst, överföringar till tjänsteleverantörer och radering.

02Hur tydliga är reglerna för användning av AI på jobbet i din organisation?

Till exempel vilka AI-verktyg som är tillåtna, vilken information som får matas in och vilka utdata som måste kontrolleras.

Organisationen har inga regler för AI-användning.Det finns bara informella rekommendationer om att vara försiktig vid användning av AI.Skriftliga AI-användningsregler finns, men de genomförs eller granskas inte konsekvent.Godkända AI-användningsregler är kända för de anställda, med tillåtna verktyg och ansvariga personer definierade.AI-användningsreglerna är integrerade i arbetsflödena, efterlevnaden övervakas och reglerna uppdateras regelbundet för att återspegla risker och tekniska förändringar.

03Hur kontrolleras AI:s åtkomst till organisationsinformation?

Till exempel om AI som hjälper en projektanalytiker bara kan komma åt information som analytikern har behörighet att se.

AI:s åtkomst till organisationsinformation kontrolleras inte, eller så är åtkomstförfarandet okänt.Åtkomsten bestäms främst av vilka filer som anställda laddar upp till AI-verktyget.AI:s åtkomst är begränsad i vissa system eller datakällor, men kontrollerna är inkonsekventa.AI:s åtkomst hanteras enligt användarroller och behörigheter, med respekt för organisationens dataskyddskrav.AI:s åtkomst kontrolleras konsekvent för varje begäran och åtgärd, med respekt för användarbehörigheter, dataklassificering och principen om minsta behörighet.

04Kan din organisation spåra hur AI användes för att slutföra ett visst arbetsobjekt?

Till exempel hur AI hjälpte till att förbereda krav, analysera dokument, ändra kod eller utveckla ett tekniskt förslag.

AI-åtgärder loggas inte, och det är omöjligt att fastställa vad som gjordes.Viss information finns kvar i separata AI-konversationer eller anställdas personliga konton.AI-konversationer eller utdata sparas, men det är svårt att koppla dem till specifika arbetsobjekt.AI-användningshistoriken är kopplad till arbetsobjekt, vilket gör det möjligt att identifiera användaren, åtgärder och utdata.Riskanpassad granskningsinformation behålls för väsentliga AI-åtgärder, inklusive källor, verktyg, åtgärder, utdata och godkännanden.

05Hur hanterar organisationen risker när AI kan utföra åtgärder i informationssystem eller arbetsverktyg?

Till exempel skapa arbetsobjekt, redigera dokumentation, förbereda kodändringar eller anropa system-API:er.

Behörigheter för AI-utförda åtgärder och tillhörande risker bedöms inte.AI kan utföra vissa åtgärder, men begränsningar och kontroller beror till stor del på användaren.AI-åtgärder är begränsade i vissa verktyg, och betydande ändringar kräver vanligtvis granskning av en människa.AI-åtgärder har definierade behörigheter, risknivåer och godkännandekrav innan betydande ändringar görs.AI-åtgärder styrs av behörigheter med minsta möjliga privilegier, tekniska säkerhetskontroller, riskanpassade godkännanden, övervakning och möjligheten att stoppa eller ångra åtgärder där det är tekniskt möjligt.

AI-användningshantering och affärsfördelar

01Vem i din organisation ansvarar för AI-användning och utveckling av användningen?

Tänk på ansvaret för AI-användning i underhåll, utveckling och styrning av informationssystem.

Ingen har utsetts till ansvarig för AI-användning i organisationen.AI-användning främjas främst av enskilda intresserade anställda på eget initiativ.En team- eller avdelningschef övervakar AI-användning vid sidan av sina vanliga ansvarsområden.En ägare för AI-användning har utsetts med tydliga ansvarsområden och befogenheter att samordna organisationens aktiviteter.AI-användning ingår i organisationens förvaltningsplan, med definierat ansvar, beslutsförfaranden, resurser och mätbara mål.

02Mäter din organisation de fördelar som AI-användningen ger?

Till exempel sparad tid, lägre kostnader, snabbare kravförberedelse, färre fel eller bättre kunskapstillgång.

Fördelarna med AI-användningen varken bedöms eller mäts.Medarbetarna anser att AI hjälper dem att arbeta snabbare, men det finns inga specifika mätningar.Det finns enskilda exempel eller uppskattningar av sparad tid eller förbättrade resultat från AI.AI-fördelarna mäts regelbundet i utvalda arbetsflöden, där resultaten jämförs med tidigare metoder.AI-fördelarna mäts och bedöms systematiskt i fråga om kostnad, kvalitet och produktivitet, och resultaten ligger till grund för framtida investeringsbeslut.

03Hur väljer din organisation de arbetsflöden där AI ska införas?

Till exempel kravanalys, dokumentationsunderhåll, utveckling, testning eller rapportering av systemstyrning.

Det finns ingen definierad metod för att bedöma möjligheterna att använda AI.AI-användningsfall väljs utifrån medarbetarnas intresse eller tillgängliga verktyg.Enskilda processer där AI kan vara till hjälp identifieras, men det finns ingen konsekvent prioriteringsmetod.Möjligheterna att införa AI bedöms utifrån förväntad nytta, implementeringskomplexitet och risk.Prioriteringarna för AI-införande fastställs med hjälp av jämförbara kriterier för affärsvärde, kostnad, risk och implementeringsberedskap, och ses över regelbundet.

04Vad är organisationens AI-utvecklingsplan för de kommande 12 månaderna?

Bedöm om organisationen har specifika AI-användningsmål, prioriteringar, ansvariga ägare och nödvändiga resurser.

Ingen AI-användnings- eller utvecklingsplan har utarbetats.Organisationen övervakar AI-utvecklingen, men inga specifika användningsaktiviteter planeras.AI-verktyg eller enskilda pilotprojekt planeras, men det finns ingen omfattande implementeringsplan.Specifika AI-användningsfall, implementeringstidslinjer, ägare och nödvändiga resurser har definierats.En godkänd fasad AI-utvecklingsplan innehåller prioriteringar, budget, förväntade resultat och regelbundna granskningar av framsteg och fördelar.

05Hur omvandlar din organisation lyckade AI-experiment till permanenta arbetslösningar?

Till exempel, efter ett lyckat AI-pilotprojekt inom kravanalys eller testning, hur införs det i det rutinmässiga arbetet?

AI-experiment genomförs inte, eller så används inte resultaten i det fortsatta arbetet.Enskilda medarbetare fortsätter att använda lyckade AI-lösningar på eget initiativ.Vissa AI-lösningar antas av team, men deras underhåll och utveckling organiseras inte systematiskt.Lyckade AI-lösningar utvärderas, dokumenteras och införs i definierade arbetsflöden med utsedda ägare.En definierad process tar AI-lösningar från pilotprojekt till rutinmässig användning, och omfattar kvalitet, säkerhet, kostnad, användarutbildning och långsiktigt underhåll.

Ditt resultat är klart

Berätta vem som frågar, så är resultatet ditt.

Fullständigt namn *

Organisation *

Arbetsmejl *

Så här använder vi uppgifterna

DCS Flow använder ditt namn, din organisation och din jobbmejl för att förbereda och erbjuda dig en konsultation om ditt resultat. Dina svar och resultatet skickas till DCS Flow-teamet som ett mejl och lagras inte av den här webbplatsen.

Mejlet levereras via Google Workspace. Du kan be oss radera det när som helst genom att skriva till adressen på den här webbplatsen. Om du kryssar i marknadsföringsrutan kan vi också kontakta dig om DCS Flow; du kan när som helst dra tillbaka det.

DCS Flow får kontakta mig om sina produkter och tjänster.

Hur redo är din organisationför AI i informationsarbetet?