En el nivel activation, la IA ya no está sobre la mesa de dibujo. Hay pilotos, hay herramientas en uso, se ha acumulado experiencia sobre qué funciona y qué no. Este es el nivel en el que la mayoría de las organizaciones permanecen más tiempo del previsto. No porque no ocurra nada, sino porque lo que ocurre sigue estando fragmentado. Un equipo trabaja con agentes que ejecutan trabajo, otro equipo experimenta, de forma independiente, con un modelo de lenguaje para texto, y nadie tiene una imagen completa de dónde se encuentra realmente la IA dentro de la organización.
Activation es el nivel de la aplicación aislada. Hay pruebas de que puede funcionar. Todavía no hay una estructura que haga que esa prueba se pueda repetir fuera del lugar donde surgió.
En este nivel suelen coincidir varias señales. Hay al menos una aplicación que demostrablemente genera algo, pero la pregunta de por qué no se despliega más ampliamente queda sin respuesta. Hay presupuesto para experimentos, pero no un proceso fijo para determinar qué experimento tiene continuidad y cuál no. Distintos departamentos tienen cada uno su propio proveedor, su propio enfoque, su propia definición de éxito. Y las personas que ejecutan los pilotos no suelen ser las mismas personas que deberían decidir sobre su ampliación.
Esto último es quizá la característica más clara. En activation, el conocimiento sobre qué funciona reside en quienes ejecutan. La decisión sobre lo que sigue se toma más arriba. Entre ambos, a menudo no hay una conexión fija.
En la ronda de representación gráfica de la medición de madurez, este es el nivel en el que la dispersión entre puntuaciones es mayor. Un gerente de TI ve avance porque hay sistemas funcionando. Un director de RR. HH. ve estancamiento porque no hay una política sobre quién puede trabajar con qué herramienta. Ambas observaciones son correctas. Solo describen una dimensión distinta.
El paso de activation a insight no requiere más pilotos. Normalmente ya hay suficientes. El paso requiere algo que activation por sí sola no genera: una manera de mirar por encima de las aplicaciones, compararlas entre sí y, a partir de ahí, tomar una decisión.
Eso empieza por las dimensiones fundamentales. Si la organización no tiene una imagen compartida de quién decide sobre qué, cada aplicación sigue siendo una isla. Si la gestión de datos no está en orden, lo que funciona en un piloto no se puede trasladar sin más a otro departamento, porque los datos subyacentes son distintos. Y si la infraestructura de TI varía según el equipo, unir iniciativas aisladas cuesta más que empezar de nuevo.
Esta es la razón por la que el orden de las siete dimensiones no es arbitrario. Una organización puede puntuar alto en una dimensión dependiente —por ejemplo, un equipo con dominio de una herramienta específica— mientras que las dimensiones fundamentales que están debajo todavía no sostienen ese nivel. Esa diferencia es precisamente lo que a menudo se pasa por alto en activation: el avance que se ve no siempre descansa sobre una base que permita seguir creciendo.
Insight es el nivel en el que esas dimensiones fundamentales empiezan a contar. No porque de repente se use más IA, sino porque entonces existe una manera de ver qué aplicación puede repetirse en otro lugar y cuál sigue ligada a las circunstancias de un único equipo. Lo que esto exige en la práctica, desde la medibilidad hasta una visión compartida que abarque distintas aplicaciones, se describe en la página sobre cómo pasar de insight al siguiente nivel.
Existe la suposición de que más tiempo o más presupuesto resuelven automáticamente activation. Eso no siempre es cierto. Una organización puede quedarse estancada en activation durante años, con pilotos siempre nuevos que dejan sin responder las mismas preguntas. El problema, entonces, no es falta de iniciativa. Es falta de una estructura que conecte las iniciativas entre sí.
Esa estructura se ve, en activation, distinta a como se veía en los niveles anteriores. Quien quiera saber cómo era la base antes de que existieran los experimentos, lo encontrará en las páginas sobre qué significa en la práctica el nivel baseline y qué significa en la práctica el nivel foundation. Esa comparación deja ver que el salto hacia activation exige, sobre todo, coraje —probar algo—, mientras que el salto siguiente exige algo distinto: visión de conjunto.
La visión de conjunto no surge de un único piloto. Surge de poner uno junto a otro todo lo que está en marcha, y de una manera de ver dónde eso converge en cadenas en las que los pasos se suceden en lugar de seguir existiendo por separado.
La medición de madurez muestra si la organización en su conjunto está preparada para sostener la IA: si las dimensiones fundamentales están presentes bajo las aplicaciones aisladas que ya existen. Esa pregunta es distinta de la pregunta de qué parte del trabajo en sí es susceptible de ser asumida. Quien en activation se atasca sobre todo en la pregunta de qué tareas dentro de un equipo o proceso son aptas para transferirse a la IA, y en qué medida, encuentra esa respuesta en el escáner de trabajo de FTE TO AI. Este calcula, por tarea, qué parte del trabajo puede asumir la IA, y ofrece así la imagen complementaria junto a la preparación que aquí se ha delimitado.
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.