Baseline es el nivel en el que la mayoría de las organizaciones empieza. Hay uso de IA, pero depende de individuos: alguien del departamento de TI que experimenta con un modelo de lenguaje, un especialista en marketing que genera textos, un único gerente que pregunta si un proceso puede ir más rápido. No hay un enfoque compartido, ni una visión compartida de lo que funciona, ni una estructura que retenga lo que se aprende. Si esa persona se marcha o pasa a otro proyecto, el conocimiento desaparece con ella.
En baseline no falta la voluntad, sino el fundamento. Las siete dimensiones que distingue la medición de madurez —entre ellas organización, infraestructura de TI y gestión de datos— todavía están desconectadas entre sí en este nivel, o apenas están desarrolladas. Eso no es una carencia; es el estado en el que se encuentra una organización antes de empezar a construir de manera consciente.
Hay algunas señales que aparecen invariablemente en baseline. No hay una visión de conjunto de dónde ya se usa IA dentro de la organización, y mucho menos una imagen compartida de lo que ese uso aporta. Las decisiones sobre IA se toman en el lugar donde surge la pregunta por casualidad, no a partir de una valoración que afecte a toda la organización. Los datos están fragmentados en sistemas que no se comunican entre sí, lo que ralentiza cualquier paso hacia algo estructural. Y no hay un lenguaje común: lo que un departamento llama IA es, para otro, algo distinto.
La ronda de puntos dentro de la medición de madurez suele hacer esto visible antes de que existan palabras para ello. Cuando varias personas dentro de la misma organización puntúan por separado, en baseline suele destacar una gran dispersión: un encuestado ve un progreso que otro no reconoce. Esa dispersión es en sí misma una señal. Muestra que todavía no existe una imagen compartida de dónde se encuentra la organización, y eso es precisamente lo que caracteriza a baseline.
El camino de baseline al siguiente nivel no empieza con una nueva aplicación, sino con las dimensiones fundamentales. Organización, infraestructura de TI y gestión de datos van antes que las dimensiones que dependen de ellas. Eso no es una preferencia, es el orden en el que funciona: una organización que quiere construir algo sobre IA sin tener los datos en orden, o sin que esté claro quién decide sobre qué, construye sobre arena.
En concreto, esto significa que primero debe haber una visión de conjunto. ¿Quién dentro de la organización ya hace algo con IA, y a partir de qué datos? ¿Dónde están los datos relevantes para esas aplicaciones, y son suficientemente accesibles y fiables para construir sobre ellos? ¿Hay alguien, o un grupo, que asuma la responsabilidad de las decisiones sobre IA, o eso sigue ocurriendo por casualidad? Estas preguntas parecen modestas, pero son exactamente en lo que se enfocan las dimensiones fundamentales.
Las dimensiones dependientes —las que tienen que ver con cómo la IA afecta al trabajo mismo— vienen después. En baseline todavía es demasiado pronto para decir algo con sentido sobre ellas, porque falta el fundamento sobre el que esas dimensiones pueden apoyarse.
La transición a foundation no exige que todo se ordene a la vez. Exige que la organización deje de tratar el uso de IA como algo que surge por casualidad en individuos, y empiece a documentar lo que existe: qué datos hay, quién decide sobre qué, qué sistemas deben poder comunicarse entre sí. Eso es menos un trayecto técnico que un trayecto organizativo. La técnica suele seguir, una vez que la estructura ya está en su lugar.
Es también un trayecto que requiere tiempo, y cuya duración depende de cuánto haya ya presente de manera informal. Una organización donde un departamento ya trabaja con datos de forma consciente desde hace tiempo tiene un camino más corto que recorrer que una organización donde eso no ocurre en ningún lugar. Lo que exactamente se necesita para avanzar más allá de foundation, y qué dimensiones requieren atención primero en ese proceso, está descrito en la página que explica cómo pasar de foundation al siguiente nivel. Más adelante en la serie, para organizaciones que ya están más avanzadas, también se describe cómo se relaciona activation con el nivel siguiente y qué requiere insight para crecer hacia intelligence.
Baseline no dice nada sobre la ambición de una organización ni sobre la calidad de las personas que trabajan en ella. Dice algo sobre el estado del fundamento en un momento dado. Las organizaciones que examinan este nivel con seriedad a menudo descubren que ya hay más presente de lo que pensaban: iniciativas sueltas, datos que de alguna manera se llevan al día, personas que ya piensan más allá de lo que su función exige. La medición de madurez reúne todo eso en una imagen sobre la que se puede construir un siguiente paso, sin rellenar esa imagen con un consejo que no se ajuste a la organización.
Esta página trata sobre la preparación: sobre lo que debe estar en su lugar antes de que la IA pueda tener un lugar estructural. Esa es una pregunta distinta de qué parte del trabajo puede llevar a cabo realmente la IA. En cuanto el fundamento toma forma, esa segunda pregunta se vuelve relevante, y es exactamente ahí donde conecta el escáner de trabajo de FTE TO AI: este calcula, tarea por tarea, qué parte del trabajo puede ser asumida por la IA, a partir de las tareas tal como se ejecutan ahora. Quien quiera saber qué puede asumir la IA en cuanto la organización esté lista para ello lo encontrará allí, incluyendo cómo eso difiere cuando se trata de agentes que ejecutan trabajo de forma autónoma o de cadenas en las que distintos pasos se suceden entre sí.
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.