Baseline er det første af de fem niveauer i modenhedsmålingen fra hybridresourcing. Det er ikke en negativ vurdering. Det beskriver en organisation, hvor de syv dimensioner — herunder organisation, IT-infrastruktur og datahåndtering — endnu ikke har en struktur, der kan bære AI. Der er måske allerede eksperimenteret med AI. Der kører pilotprojekter, der er indkøbt licenser, en i teamet bruger en sprogmodel til rapporter. Det ændrer ikke noget ved niveauet. Baseline handler om, hvad der er på plads, ikke om, hvad der allerede er afprøvet.
På baseline-niveau mangler der et fælles billede af, hvem der er ansvarlig for hvad, når det handler om AI. Beslutninger om værktøjer tages på afdelingsniveau, uden at nogen har overblik over, hvad der samlet set kører. IT-infrastrukturen er indrettet til arbejdsprocesserne fra før AI: systemer, der ikke taler med hinanden, intet centralt sted, hvor data samles, ingen vision for, hvad der er nødvendigt for at få modeller til at arbejde med organisationens data. Datahåndtering findes i navnet — der er et arkiv, et CRM, et intranet — men ingen kan med sikkerhed sige, hvor hvilke data befinder sig, hvem der har adgang, og om dataene er korrekte.
De fundamentale dimensioner går forud for de afhængige, og det er netop på dette niveau, De mærker det hårdest. Et pilotprojekt, der i sig selv fungerer godt, går i stå, så snart det skal skaleres, fordi infrastrukturen under det ikke kan bære det. Et team, der begejstret tester en AI-anvendelse, opdager, at de data, det har brug for, ikke findes struktureret nogen steder. Dette er ikke enkeltstående tilfælde. Det er de forudsigelige konsekvenser af et fundament, der endnu ikke er færdigt.
Baseline betyder ikke, at organisationen står stille, eller at medarbejderne ikke vil. Ofte er det tværtimod: der er bevægelse, der er initiativer, der er afsat budget. Hvad der mangler, er ikke motivation, men sammenhæng. Løsrevne pilotprojekter uden fælles infrastruktur, løsrevet dataanvendelse uden central styring, løsrevne beslutninger uden fælles ejerskab. Energien er der. Strukturen til at opfange den energi er der endnu ikke.
Det betyder heller ikke, at dette niveau skal vare længe, eller at der er noget forkert ved en organisation, der starter her. De fleste organisationer, der seriøst kigger på AI, starter på baseline eller lige derover. Niveauet er et øjebliksbillede, ikke en dom.
I plot-runden af modenhedsmålingen scorer flere personer hver for sig, og hos baseline-organisationer er der ofte noget specifikt, der springer i øjnene: spredningen mellem respondenterne er stor. Hvor en IT-ansvarlig ser, at infrastrukturen stadig har store huller, tror en afdelingsleder måske, at det står godt til, fordi de værktøjer, vedkommende bruger, fungerer tilfredsstillende. Denne spredning er i sig selv et signal. Den viser, at der endnu ikke findes et fælles billede af, hvor organisationen står — og netop det manglende fælles billede kendetegner baseline.
Overgangen fra baseline til det næste niveau kræver ikke flere AI-projekter. Den kræver, at noget får forrang for resten: klare ansvarsområder, en infrastruktur, der kan indsamle og tilgængeliggøre data, og en datahåndtering, der er pålidelig nok at bygge videre på. Uden dette fundament forbliver hvert efterfølgende skridt midlertidigt, fordi det står på løs grund.
Hvad denne overgang konkret betyder for Deres organisation, varierer fra situation til situation — det afhænger af branche, størrelse og hvilken af de syv dimensioner der halter mest bagefter. Hvordan De kommer fra baseline til det næste niveau beskriver, hvilke bevægelser der hører til denne proces. Til sammenligning er det også nyttigt at se, hvor skridtet fører hen: hvad niveauet foundation betyder i praksis viser, hvordan et fundament ser ud, når den grundlæggende struktur er på plads. For organisationer, der ønsker at se længere end blot det næste skridt, beskriver hvad niveauet insight betyder i praksis, hvordan modenheden udvikler sig videre, når data og infrastruktur er i orden.
Modenhedsmålingen fra hybridresourcing ser på spørgsmålet, om en organisation kan bære AI: er fundamentet på plads, står strukturen, er der et fælles billede af ansvar og data. Det er et andet spørgsmål end, hvilken del af selve arbejdet der er relevant for AI. En organisation på baseline-niveau kan udmærket have arbejdsprocesser, hvor mange opgaver er egnede til at blive overtaget af AI — men strukturen til at gøre det på en holdbar måde mangler endnu. Den, der vil vide, hvor meget af selve arbejdet, opgave for opgave, der kan overtages af AI, finder ikke svaret i modenhedsmålingen, men i arbejdsscanen fra FTE TO AI. Den beregner for hver opgave, hvilken del der er egnet til AI, uafhængigt af spørgsmålet om, om organisationen allerede er klar til det. Begge svar sammen — er organisationen klar, og er arbejdet klar — giver det fulde billede, før De investerer i noget.
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.