Præstationsledelse er en af de syv dimensioner, hvormed hybridresourcing måler en organisations modenhed, når det handler om AI. Denne dimension handler om noget specifikt: kan De fastslå, om arbejde, der understøttes eller overtages af AI, også faktisk bliver bedre, hurtigere eller billigere? Mange organisationer starter pilotprojekter uden at kunne besvare det spørgsmål, og bliver derfor hængende i en fase af at prøve uden at kunne påvise, hvad det gav.
Præstationsledelse kan kun blive moden, hvis andre dimensioner allerede har opbygget noget at bygge videre på. Uden pålidelige data fra datamanagement er en præstationsmåling et skøn. Uden klare ansvarsområder fra organisationsdimensionen, som den udfoldes på siden om hvad det koster at hæve organisation et niveau, er der ingen, der kan holdes ansvarlige for resultatet. Og uden en IT-infrastruktur, der kan registrere og gentage målinger, som beskrevet på siden om hvad det koster at hæve IT-infrastruktur et niveau, forbliver hver måling engangsforeteelse. Det er grunden til, at denne dimension i målingen først kan bevæge sig til et højere niveau, når de fundamentale dimensioner allerede bærer noget.
Baseline. Der er ingen fast metode til at bedømme, om AI-understøttet arbejde performer bedre end den gamle måde at arbejde på. Vurderinger er sporadiske og personafhængige. Hvis nogen forlader organisationen, forsvinder også det eneste overblik, der var.
Foundation. Der findes løse målinger, som regel per projekt eller per pilotprojekt. De sammenlignes sjældent, og der er ikke et fast tidspunkt, hvor nogen ser tilbage på, om den tilsigtede effekt faktisk indtraf. Målingen findes, men fungerer ikke som en læreproces.
Activation. Der er en tilbagevendende rytme: målinger gentages på fastsatte tidspunkter og meldes tilbage til de personer, der udfører arbejdet. Organisationen begynder at se mønstre, selv om disse endnu ikke registreres systematisk eller sammenlignes mellem afdelinger.
Insight. Målinger bruges til at justere, ikke kun til at rapportere. Der er et fælles billede af, hvad der virker og hvad ikke, og dette billede fører til ændringer i, hvordan AI anvendes. Forskellige teams kan sammenligne deres resultater med hinanden, fordi målemetoden er den samme.
Intelligence. Præstationsledelse er indlejret i den måde, beslutninger om AI træffes på. Resultater fra tidligere anvendelse fodrer direkte valgene for nye anvendelser. Organisationen kan begrunde, hvorfor noget skaleres op eller ikke, i stedet for at basere det på mavefornemmelse eller på hvem der argumenterer hårdest for et næste pilotprojekt.
Niveauet af denne dimension ligger ikke kun i et instrument eller et dashboard. Det ligger i adfærden omkring det: bliver der set tilbage efter et pilotprojekt, eller går man straks videre til det næste? Kan nogen i Deres organisation på forespørgsel vise, hvad en AI-anvendelse faktisk har givet, uafhængigt af en forudgående antagelse? Bliver et skuffende resultat diskuteret, eller stiltiende glemt? Det er ikke tekniske spørgsmål. De handler om, hvorvidt der er opstået en vane med at se efter, ikke kun med at gøre.
Inden for denne dimension opstår der ofte stor spredning mellem, hvem der udfylder plot-runden. En operationel leder ser dagligt de løse målinger fra activation-fasen og scorer organisationen højere, end virkeligheden berettiger til, fordi disse målinger er konkrete for ham. En CFO, der kun ser kvartalsrapporteringen, scorer lavere, fordi han ikke får et løbende billede af, hvad der er blevet målt undervejs. Begge billeder er sande for den, der giver dem. Spredningen selv er informationen: den viser, at der ikke er et fælles, organisationsbredt overblik over præstationer, hvilket i sig selv siger noget om niveauet.
Et skridt fra baseline til foundation kræver primært disciplin: at vælge et fast tidspunkt til at se tilbage og ikke lade dette tidspunkt forsvinde under presset fra det næste pilotprojekt. Et skridt til activation kræver en gentagelig proces, hvilket igen berører, hvor moden den underliggende infrastruktur er. Et skridt til insight eller intelligence kræver, at målinger er pålidelige nok til at handle på, og det leder tilbage til datakvalitet og til hvem inden for organisationen der har bemyndigelse til at justere på baggrund af disse målinger. Også dimensioner som etik og privatliv og sikkerhed spiller ind her: en præstationsmåling, der ser bort fra spørgsmålet om, hvorvidt et resultat kom ansvarligt til stand, er en ufuldstændig måling. Hvad et skridt præcist kræver, i tid, opmærksomhed eller ressourcer, varierer fra organisation til organisation og afhænger af, hvor de andre dimensioner står. Derfor arbejder hybridresourcing med en plot-runde i stedet for en fast trinplan: først synliggøre, hvor De står, og hvor meningerne divergerer, før der fastlægges noget om, hvad der er nødvendigt.
Denne side handler om, hvorvidt Deres organisation kan fastslå, hvad AI giver, uanset hvilket arbejde det præcist berører. Det er et andet spørgsmål end hvilke opgaver, der kan overtages, og i hvilken grad. Den, der vil vide dette, per opgave og baseret på, hvad arbejdet selv indebærer, finder det i arbejdsscanningen fra FTE TO AI. Præstationsledelse og arbejdsscanningen komplementerer hinanden: den ene måler, om De kan bedømme et resultat, den anden beregner, hvilken del af arbejdet der er til at bedømme.
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.