Právě teď vejděte do téměř jakékoli kanceláře na akademické půdě a uslyšíte to samé: „Experimentujeme s AI.“ Někdo navrhuje sociální příspěvky v Chatgpt. Někdo jiný pilotuje chatbot pro přijímací dotazy. Dalším je pohrávání s prediktivními modely v CRM.
Toto úsilí je dobře zamýšlené, ale téměř tři roky po připravené dostupnosti generativních nástrojů AI musí vyšší ED pochopitelné, že dabbling už nestačí.
Vysokoškolské vzdělání je pod obrovským tlakem. Od demografického útesu po pátrací útes, pokles mezinárodního zápisu na pokles veřejného vnímání vysokoškolského vzdělávání, je náš průmysl plný problémů. Když kombinujeme tyto výzvy s stupňujícími se očekáváními od studentů a rodin a „zkušenosti s ekonomikou“, připravujeme se, abychom nebezpečně zaostávali.
AI může být součástí řešení těchto výzev. Pokud se však omezíme na rozptýlené experimenty, riskujeme plýtvání zdroji a chybět příležitost využít AI jako skutečnou strategickou výhodu.
Rizika dabblingu
Když je adopce AI roztříštěno, objeví se několik výzev:
- Duplikované rozrůstání práce a nástroje. Různé jednotky přijímají různé nástroje, což vede ke zmatku, nekonzistentním datům a skrytým nákladům.
- Nekonzistentní hlas značky. Bez sdílených pokynů může obsah generovaný AI narušit konzistenci vyprávění univerzity.
- Etická slepá místa. Dabbling často neznamená žádnou správu. Citlivá data studentů mohou neúmyslně skončit v nástrojích AI.
- Frustrace zaměstnanců. Když se AI cítí jako extra práce místo podpůrného nástroje, týmy se stanou skeptickými. To ztěžuje adopce později.
- Ztracená hybnost. Pokud experimenty nejsou spojeny s měřitelnými výsledky, vedení může dojít k závěru, že AI „zde nefunguje“.
Paradox je tento: Dabblibling se může cítit bezpečnější, ale ve skutečnosti je to riskantnější než úmyslné adopce.
Jak vypadá úmyslné adopce
Záměrné přijetí neznamená, že se spěchá do automatizace nebo nahrazení zaměstnanců. Znamená to sladění AI s institucionálními cíli, budování gramotnosti napříč týmy, vytváření etických zábradlí a sdílení výsledků transparentně.
Vezměte chatboty přijetí. Mnoho institucí je pilotovalo, aby zvládli faq s vysokým objemem. Někteří se vydali, protože neexistoval žádný plán na školení, správu nebo integraci poznatků zpět do strategie zápisu. Ale v kampusech, kde byli chatboti svázáni, aby poskytovali cíle, testovali se vstupy studentů a připojeni k následnému sledování, se stali mocnými nástroji pro snižování taveniny a zvýšení spokojenosti studentů.
Nebo zvažte vytvoření obsahu. Viděl jsem marketingové týmy používat AI k přeměně jednoho příběhu studentů do desítek aktiv, jako je e -mailová kopie, Instagramové příspěvky, video skripty. Když to udělá zamyšleně, umožnilo to týmům dělat více se stejným personálem a uvolnit čas na strategii vyšší úrovně. Při náhodném provedení to může vést k záplavě obsahu mimo značku, kterou studenti uznávají jako AI, erodující důvěru.
Rámec pro připravenost
Jak se tedy mohou instituce přesunout z dabbling k adopci? Jedním z přístupu, který používám s týmy, je matice AI splatnosti.
Matice vyhodnocuje připravenost napříč šesti rozměry-vize, podpora vedení, dovednosti, správa, spolupráci a technologie-a organizace zakládá na pětistupňovou křivku:
- Rodící se: AI je sotva využívána nebo individuální experimenty se vyskytují v silech.
- Vývoj: Malí piloti existují, ale nejsou spojeni se strategií.
- Měřítko: Více projektů je koordinováno a vázáno na cíle.
- Optimalizováno: AI je součástí každodenního pracovního postupu s řízením a školením.
- Transformační: AI je skutečný diferenciator, který podporuje inovace a efektivitu v celé instituci.
Většina týmů vyšších ED, s nimiž mluvím s pádem ve druhé a třetí kategorie. Experimentují a možná škálování, ale bez správy a strategie pro optimalizaci. Matice pomáhá týmům vidět jejich výchozí bod jasně a co je důležitější, identifikovat, co bude potřebovat, aby se dostal do další fáze.
Klíčem není přeskočit z rodící se na transformační přes noc, ale místo toho se pohybuje neustále, jevištěm po pódiu, budování kapacity podél cesty.
Volání k akci pro vůdce vyšších ED
Problém není v tom, zda vysokoškolské vzdělání použije AI; To je, zda to budeme dobře používat.
Pokud vedete tým, zde jsou tři otázky:
- Víme, kde stojíme na křivce zralosti AI?
- Jsou naše současné experimenty spojeny s našimi zastřešujícími cíli?
- Jaký je jeden krok, který bychom mohli udělat v příštích 30 dnech, abychom si vytvořili úmyslnou kapacitu?
Tyto otázky jsou naléhavé. Studenti již porovnávají své zkušenosti s kampusem s plynulými a personalizovanými interakcemi, které získávají od Amazonu, Spotify nebo Netflixu. Fakulta a zaměstnanci již ve svém osobním životě používají nástroje AI, ať už to instituce uznávají nebo ne. Čím déle ponecháme adopci AI nekoordinované, tím větší je mezera roste mezi tím, co vyšším ED přináší a tím, co studenti očekávají.
Pořád slyším od lidí, kteří věří, že AI je procházející výstřelkou. Mezitím se svět kolem nás posouvá významným způsobem, který má potenciál nechat nás daleko za sebou. Instituce se musí přiblížit ke svému přijetí AI s jasností a úmyslností. Ti, kteří to považují za riskování novosti, zůstanou pozadu.
Čas na dabbling je u konce. Čas na úmyslné přijetí je nyní.
