Sundhedssektoren arbejder med et andet forhold mellem risiko og tempo end de fleste sektorer. Hvor et pilotprojekt andre steder må mislykkes uden konsekvenser uden for organisationen selv, rammer en fejl i et sundhedsproces direkte en patient eller klient. Det forhold forsinker ikke kun indførelsen af AI, det ændrer også den rækkefølge, tingene skal stå i. En organisation kan i sundhedssektoren ikke eksperimentere med en opgave, så længe de data, opgaven bygger på, ikke er pålideligt spor bare, og kan ikke skalere op, så længe IT-infrastrukturen holder øer separeret fra hinanden i stedet for at være et hele.
Dertil kommer, at sundhedssektoren består af flere verdener, der sjældent har samme hastighed. En backoffice, der behandler fakturaer og planlægning, kan datamæssigt allerede stå et godt stykke længere fremme end selve sundhedsydelsen, hvor systemer ofte er indrettet pr. afdeling eller pr. speciale. Denne ulighed inden for én organisation er netop grunden til, at en modenhedsmåling ikke er nok for én afdeling. Den, der kun måler støttefunktionerne, ser et andet billede end den, der også medtager selve sundhedsydelsen, og begge billeder er ufuldstændige uden hinanden.
Målingen fra hybridresourcing arbejder med fem niveauer: baseline, foundation, activation, insight og intelligence. I sundhedssektoren er det påfaldende, at mange organisationer på dimensionen organisation allerede når foundation eller activation — der er politik, der er ejere af digitale initiativer, der er ledelsesmæssig opmærksomhed på AI. Men på datamanagement bliver billedet regelmæssigt hængende på baseline eller foundation, fordi patientdata, elektroniske journaler og operationelle systemer ikke altid er bygget til at kunne genbruges til andet end det, de oprindeligt blev registreret til.
Den forskel mellem dimensioner er ikke tilfældig. Den rækkefølge, hvori dimensioner udvikler sig, er fastlagt: organisation, IT-infrastruktur og datamanagement skal stå først, før dimensioner, der afhænger af dem — såsom beslutningstagning baseret på AI-indsigter — kan komme videre. En sundhedsinstitution, der investerer i et intelligent dashboard, før de underliggende data er konsistente, bygger på et fundament, der endnu skal hærde. Det forklarer en del af de pilotprojekter, der starter godt og derefter går i stå: ikke fordi anvendelsen ikke virker, men fordi laget under den ikke kan bære belastningen.
Målingens syv dimensioner giver en organisation en position, men plot-runden giver noget, der er særligt relevant i sundhedssektoren: indblik i spredning. Når en direktør, en IT-chef og en afdelingsleder for sundhedsydelser hver for sig scorer på de samme dimensioner, viser det sig ofte, at deres billeder er forskellige. Direktøren ser en organisation, der står klar, afdelingen for sundhedsydelser ser systemer, der stadig fungerer uafhængigt af hinanden. Denne spredning er i sig selv en oplysning. Den viser, hvor i organisationen samtalen stadig skal føres, før en investeringsbeslutning kan hvile på noget.
Denne spredning er ikke unik for sundhedssektoren, men konsekvenserne af den vejer anderledes der. I en grossistvirksomhed eller et produktionsvirksomhed fører en forkert vurdering af beredskab til et forsinket projekt; i sundhedssektoren fører den til et system, der bliver rullet ud på et fundament, det ikke kan bære, med konsekvenser for mennesker, der ikke havde noget valg i den proces. Den, der vil vide, hvordan denne afvejning falder ud i andre sektorer, kan sammenligne med hvordan fremstillingsindustrien scorer på AI-modenhed eller med status hos den erhvervsmæssige servicesektor, hvor risikoen ved et fejltrin generelt er mindre, men fundamenterne lige så ofte mangler.
Målingen fra hybridresourcing beskriver ikke et idealbillede og ingen obligatorisk vækstvej. Den beskriver en position på syv dimensioner, på et givent tidspunkt, set af flere øjne. For en sundhedsinstitution betyder det især, at spørgsmålet ikke er, om den er klar til AI i almindelighed, men på hvilken dimension den først skal investere, før et næste skridt giver noget. For den ene institution er det IT-infrastruktur, der forbinder afdelinger, for en anden er det datamanagement, der gør data anvendelige uden for deres oprindelige formål.
Sundhedssektoren deler dette spørgsmål med andre sektorer, der arbejder med komplekse, fragmenterede systemer. Situationen hos transportsektoren og dens AI-modenhed eller hos uddannelsessektoren og status for AI-beredskab viser, at fragmentering af systemer og processer kommer til udtryk forskelligt overalt, men at rækkefølgen fra grundlæggende til afhængige dimensioner altid følger det samme mønster.
Modenhedsmålingen fra hybridresourcing besvarer spørgsmålet, om en organisation kan bære AI: om organisationen, infrastrukturen og dataene er klar til, at der bygges noget på dem. Den besvarer ikke spørgsmålet, hvilket arbejde der faktisk kan overtages af AI. Det spørgsmål besvarer arbejdsscanningen fra FTE TO AI, som pr. opgave beregner, hvor stor en del af arbejdet der kan komme i betragtning til overtagelse. En organisation, der via modenhedsmålingen ved, hvor dens fundament står, kan derefter med den arbejdsscanning se, hvilket arbejde der kan bygges på det, og hvilket arbejde der endnu ikke er klar til det.
Modenhedsmålingen er under opbygning. Den, der vil følge udviklingen eller som en af de første vil måle, hvordan den egen organisation scorer på de syv dimensioner, kan tilmelde sig ventelisten.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.