Kwestionariusz SPMIND

SPMIND (Solution Provider Maturity Index) to ukierunkowane na rynek ramy oceny gotowości do obsługi AI opracowane przez Komitet MŚP w ramach grupy roboczej GPAI ds. innowacji i komercjalizacji. Obejmuje on krytyczne zdolności skutecznego dostawcy AI w oparciu o połączone doświadczenie branżowe ekspertów grupy roboczej GPAI z różnych branż i krajów.

SPMIND pozwala dostawcy rozwiązań, opracowującemu lub integrującemu rozwiązania oparte na sztucznej inteligencji (AI), zostać uznanym za zaufanego dostawcę w zakresie budowania i wdrażania takich rozwiązań.

  Brak kwalifikacji — konieczne wdrożenie zmian Zakwalifikowany — poziom średnio zaawansowany Zakwalifikowany – poziom zaawansowany Zakwalifikowany – poziom bardzo zaawansowany
Średni wynik Mniej niż 2.5 od 2.5 do 3.4 od 3.5 do 4.5 Więcej niż 4.5
Ogólne możliwości Mastery of AI issues is not sufficient Znajomość zagadnień związanych ze sztuczną inteligencją jest wystarczająca, przy czym niektóre wymiary nie są w pełni uwzględnione Znajomość zagadnień związanych ze sztuczną inteligencją jest wystarczająca, większość wymiarów jest w pełni uwzględniona Znajomość zagadnień związanych ze sztuczną inteligencją jest wystarczająca, wszystkie wymiary są dobrze omówione
Ogólna charakterystyka Może nie w pełni zidentyfikować ryzyka związane z wdrażaniem AI Opanował większość aspektów projektów AI, ale może zawieść w niektórych stosunkowo łatwych przypadkach Opanował większość aspektów projektów AI, ale może zawieść w trudnych przypadkach Opanował wszystkie aspekty projektów AI, można oczekiwać, że odniesie sukces we wszystkich przypadkach
Kwalifikacja dostawcy rozwiązań Nie może być zaufanym dostawcą dla MŚP Może być zaufanym dostawcą dla MŚP w prostych przypadkach Może być zaufanym dostawcą dla MŚP w trudnych przypadkach w niektórych dziedzinach. Może być zaufanym dostawcą dla MŚP we wszystkich przypadkach

Komponeny SPMIND

SPMIND składa się z 6 filarów, przy czym każdy filar posiada wymagania pozwalające ocenić, czy dostawca rozwiązania osiągnął satysfakcjonujący poziom dojrzałości AI.

Dojrzałość organizacyjna i ład korporacyjny pozwalają ocenić, czy organizacja wprowadziła system organizacyjny i ład korporacyjny umożliwiający sukces projektów AI. Dojrzałość komercyjna bada zdolności organizacji związane z komercjalizacją i marketingiem ich rozwiązania AI, przy czym jej umiejętności nie ograniczają się jedynie do projektowania systemu. Dojrzałość danych sprawdza, czy organizacja rozumie i kontroluje dane oraz czy jest świadoma związanych z nimi obowiązków i kwestii. Dojrzałość etyczna ocenia, czy organizacja ma wystarczające zrozumienie i kontrolę, aby wdrożyć AI z kontrolą wpływu. Dojrzałość infrastruktury potwierdza, że organizacja może polegać na infrastrukturze sprzętowej i programowej w celu zapewnienia dojrzałości technologicznej i wdrożenia rozwiązania. Wreszcie, dojrzałość end-to-end sprawdza, czy organizacja wykazuje się znajomością i opanowaniem wszystkich faz inżynierii systemu oraz odpowiednim uwzględnieniem docelowego kontekstu operacyjnego.
Zbiorczo 6 filarów SPMIND zapewnia pełną ocenę kwalifikacji organizacji do bycia zaufanym dostawcą usług AI.

6 filarów i 36 wymiarów ocenia konkretny obszar, który przyczynia się do ogólnej dojrzałości dostawcy rozwiązań. 
W każdym temacie ocena ma kilka wymiarów, a każdy z nich jest oceniany na czterech poziomach dojrzałości dostawcy rozwiązań:

  • Nie zakwalifikowano – konieczne są dalsze działania
  • Zakwalifikowany – poziom podstawowy
  • Zakwalifikowany – poziom średniozaawansowany
  • Zakwalifikowany – poziom zaawansowany

Wyniki w każdym wymiarze są uśredniane w celu uzyskania wyniku na poziomie filaru.

Filary Wymiary Ocena
Dojrzałość organizacyjna i ład korporacyjny Zrozumienie łańcucha wartości Organizacja potrafi zidentyfikować etapy łańcucha wartości, do których będzie pasować jej oferta. Zakres łańcucha wartości i charakter jego etapów będą zależeć od konkretnego kontekstu wnioskodawcy (B2B lub B2C itp.). Łańcuch wartości musi obejmować minimum możliwych użytkowników końcowych, nabywców rozwiązania i podwykonawców.
Kultura AI decydentów Kierownictwo i zarząd firmy zainteresowanej projektami AI posiada kulturę AI i wystarczające zrozumienie potrzeb, ograniczeń i ryzyka związane z projektami AI.
Umiejętności pracowników zaangażowanych w projekty AI w zakresie sztucznej inteligencji Zidentyfikowano personel zaangażowany we wszystkie fazy inżynieryjne niezbędne do opracowania i wdrożenia sztucznej inteligencji (w tym aspekty oprogramowania i danych), a firma wdraża środki zapewniające ich umiejętności.
Kontrola zależności i podwykonawstwa Organizacja analizuje krytyczność zależności cyfrowych (oprogramowanie, biblioteki, dane) i/lub relacji z podwykonawcami w odniesieniu do projektu AI (zależności całkowite, częściowe lub mniejszościowe) i zapewnia strategie naprawcze w przypadku awarii tych zależności i/lub relacji.
Dojrzałość komercyjna Opanowanie biznesowego przypadku użycia Organizacja jest w stanie jasno przedstawić różne zastosowania (sektor działalności, konkretne oczekiwania technologiczne, wielkość klienta itp.), dla których zamierza wykorzystać swoje rozwiązania AI. Zastosowania mogą dotyczyć zarówno klientów zewnętrznych, jak i rozmówców wewnątrz firmy.
Spójność strategii biznesowych Organizacja wdraża strategię biznesową zgodną z charakterem proponowanego rozwiązania AI.
Zasadność strategii rozwoju i wdrażania Organizacja wdraża strategie rozwoju i wdrażania dostosowane do zastosowań, dla których zamierza oferować swoje produkty/usługi (rodzaj klienta – MŚP, itp. – krytyczność sektora, struktura firmy klienta lub standardy rozwoju i wdrażania klienta).
Synergia z ekosystemem Organizacja utrzymuje powiązania z odpowiednim ekosystemem (inkubatory, klastry konkurencyjności, udział w projektach, wkład naukowy itp.)
Zgodność administracyjna i podatkowa Organizacja musi być zarejestrowana w rejestrze handlowym i rejestrze spółek oraz opłacać podatki i składki na ubezpieczenie społeczne w dniu złożenia wniosku.
Doświadczenie w zakresie wprowadzania produktów na rynek Organizacja prowadzi działania związane z wprowadzeniem na rynek rozwiązania AI, np. działania prowadzone z klientami, działania związane z przestrzeganiem przepisów prawa związanych z rozwiązaniem AI, działania działu sprzedaży itp.
Odniesienia do klientów Organizacja jest w stanie przedstawić referencje klientów: poświadczenie sukcesu działań sprzedażowych lub integracji rozwiązania AI z klientem lub referencje z wdrożenia koncepcji (POC), jeśli organizacja nie przeprowadziła jeszcze działań sprzedażowych.
Dojrzałość danych Zarządzanie danymi Organizacja wdraża proces umożliwiający jasną identyfikację różnych zestawów danych wykorzystywanych jako dane wejściowe i generowanych jako dane wyjściowe, poznanie pochodzenia danych i tego, czy są one zarządzane wewnętrznie czy zewnętrznie, oraz identyfikację osób odpowiedzialnych za przetwarzanie tych danych.
Opanowanie cyklu życia danych Organizacja jest w stanie wyjaśnić dla każdego etapu cyklu życia danych metody stosowane do identyfikacji potrzeb i ograniczeń związanych z nimi. Oczekuje się, że etapy te obejmą wszystkie operacje przetwarzania i operacje wykonywane na danych od ich utworzenia do usunięcia.
Uczciwość i legalność przetwarzania danych Organizacja wdraża metody pozwalające na identyfikację danych i metadanych, które mogą potencjalnie powodować nielegalność w przetwarzaniu prowadzonym przez AI oraz elementów, których przetwarzanie może być niezgodne z przepisami w zależności od przypadków zastosowania.
Panowanie nad prawami dostępu Organizacja wdraża metody ograniczające dostęp modelu do danych, które mogą powodować nieuczciwe lub niezgodne z prawem przetwarzanie, zarówno w fazie rozwoju, jak i w warunkach operacyjnych.
Mistrzostwo jakości Organizacja wdraża procesy monitorowania jakości danych w całym cyklu życia danych. Organizacja proponuje atrybuty jakości danych, które są istotne dla jej kontekstu.
Dojrzałość w przygotowaniu korpusu danych W ramach uczenia modeli organizacja wdraża metody podziału zbiorów danych zgodnie z najlepszymi praktykami w tej dziedzinie (dotyczy tylko niektórych typów rozwiązań AI).
Opanowanie danych w warunkach operacyjnych Organizacja wdraża metody zapewniające, że dane wejściowe w warunkach operacyjnych są podobne do danych wykorzystywanych do tworzenia modeli (dotyczy tylko niektórych typów rozwiązań AI).
Dojrzałość etyczna Świadomość etyki Organizacja prowadzi działania mające na celu podnoszenie świadomości w zakresie etyki wśród wszystkich pracowników zaangażowanych w projekty AI.
Zarządzanie ryzykiem specyficznym dla AI Organizacja wdraża podejście oparte na ryzyku, które obejmuje w szczególności ryzyko specyficzne dla wykorzystania sztucznej inteligencji, a także ryzyko dla praw podstawowych (społeczeństwo, wpływ indywidualny). (Oceniana jest jedynie zdolność organizacji do identyfikacji ryzyka, a nie jakość i adekwatność strategii ograniczania ryzyka).
uczciwość przetwarzania przeprowadzanego w warunkach operacyjnych Organizacja wdraża podejście oparte na ryzyku, identyfikując ryzyko nieuczciwości w warunkach operacyjnych. (Oceniana jest tylko zdolność organizacji do identyfikacji ryzyka, a nie jakość i adekwatność strategii ograniczania ryzyka).
Wytłumaczalność i interpretowalność Organizacja wdraża metody zapewniające, że użytkownicy końcowi i osoby, na które ma wpływ przetwarzanie przeprowadzane przez rozwiązania AI, są informowane o elementach, które doprowadziły do wytworzenia wyników systemu. Otrzymane informacje są odpowiednie do wykorzystania przez te osoby.
Śledzenie procesu decyzyjnego Organizacja wdraża metody śledzenia danych, które doprowadziły do wyjścia z rozwiązania AI. Organizacja musi przynajmniej wykazać, że wdraża strategie przechowywania historii przeprowadzonego przetwarzania.
Przejrzystość Organizacja zapewnia dokumentację techniczną określającą w szczególności rodzaje wdrożonych algorytmów, oczekiwane wyniki i zakres zastosowania (do użytku wewnętrznego lub dla niektórych partnerów organizacji).
Informacje dla interesariuszy Organizacja wdraża strategie umożliwiające interesariuszom (rozwój, użytkowanie, inspekcja, opinia publiczna itp.) posiadanie elementów informacji niezbędnych do ich relacji z rozwiązaniem AI.
Wpływ na środowisko Organizacja wdraża strategie mające na celu ograniczenie wpływu jej rozwiązania na środowisko. Strategie te mogą odnosić się do danych, algorytmu lub procesów wewnętrznych.
Dojrzałość infrastruktury Kontrola infrastruktury danych Organizacja formalizuje specyfikacje infrastruktury niezbędnej na każdym etapie cyklu życia danych i zapewnia wdrożenie zasobów (materialnych i ludzkich) niezbędnych do prawidłowego funkcjonowania infrastruktury na każdym etapie (etapy te obejmują wszystkie przetwarzanie i operacje wykonywane na danych od ich utworzenia do usunięcia).
Opanowanie infrastruktury inżynierii systemowej Organizacja formalizuje specyfikacje infrastruktury wymaganej na każdym etapie cyklu inżynierii systemów i zapewnia wdrożenie zasobów (materialnych i ludzkich) niezbędnych do prawidłowego funkcjonowania infrastruktury na każdym etapie (etapy te obejmują co najmniej specyfikację, rozwój, weryfikację i walidację, wdrożenie i utrzymanie).
Kontrola infrastruktury w warunkach operacyjnych Organizacja formalizuje specyfikacje niezbędnej infrastruktury w warunkach operacyjnych i albo dostosowuje swój system do infrastruktury klienta, albo informuje swojego klienta w odpowiedni sposób o zasobach (materialnych i ludzkich) niezbędnych do sprawnego działania systemu.
Ochrona i bezpieczeństwo Organizacja wdraża strategie ochrony danych na każdym etapie cyklu inżynierii systemu, np. politykę RODO.
Dojrzałość end-to-end Kontrola projektu Organizacja formalizuje podstawowe zasady swoich rozwiązań AI, biorąc pod uwagę potrzeby związane z docelowym kontekstem operacyjnym (typ użytkowników, ograniczenia biznesowe itp.) oraz ograniczenia techniczne.
Biegłość w inżynierii danych Organizacja formalizuje niezbędne operacje w ramach etapów inżynierii danych i tworzy odpowiednie zasoby (oprogramowanie, sprzęt i personel).
Mistrzostwo w tworzeniu modeli Organizacja formalizuje niezbędne operacje w ramach wyboru i rozwoju modelu sztucznej inteligencji oraz konfiguruje odpowiednie zasoby (oprogramowanie, sprzęt i personel).
Mistrzostwo we wdrażaniu systemu Organizacja formalizuje operacje niezbędne do wdrożenia kompletnego systemu i tworzy odpowiednie zasoby (oprogramowanie, sprzęt i personel).
Biegła weryfikacja Organizacja wdraża ustrukturyzowane podejście do przeprowadzania weryfikacji rozwiązań AI. Metody weryfikacji wykraczają poza testy jednostkowe prawidłowego funkcjonowania, obejmują kompletne rozwiązania AI, a nie tylko modele, a stosowane wskaźniki wydajności są dostosowane do typów wydajności poszukiwanych przez klienta.
Kontrola wdrażania Organizacja wdraża procedury zapewniające prawidłowe korzystanie z systemu, monitorowanie systemu po wdrożeniu i umożliwienie przeprowadzania czynności konserwacyjnych.