Los pilotos de IA rara vez fracasan por la tecnología. Fracasan por lo que las personas pueden y no pueden hacer, se atreven y no se atreven a hacer, y saben y no saben. Una organización puede tener datos excelentes y una infraestructura sólida y aun así estancarse, porque nadie sabe bien qué hace y qué no hace la IA, cuándo la desconfianza está justificada y cuándo no, y quién tiene qué rol cuando un modelo entrega algo que un humano debe evaluar. Esta página trata sobre esa dimensión: personas y capacidades, una de las siete dimensiones que la medición de madurez de hybridresourcing analiza en detalle.
Personas y capacidades trata sobre tres capas que a menudo se abordan por separado, aunque están relacionadas entre sí. La primera capa es el conocimiento: ¿comprenden los empleados qué hace un sistema de IA, dónde están los límites y cuáles son los errores típicos del tipo de aplicación que utilizan? La segunda capa es la habilidad: ¿son las personas realmente capaces de evaluar un resultado de IA, ajustarlo o compararlo con su propio juicio? La tercera capa es la actitud: ¿hay espacio para probar la IA, reportar errores y corregir el rumbo, o predominan el recelo o la confianza ciega? Una organización que solo invierte en formación pero no aborda la actitud suele quedarse estancada en el mismo nivel, incluso después de años de cursos.
Dado que esta dimensión depende en gran medida de las personas individuales, hybridresourcing no la mide con una sola puntuación, sino con una ronda de dispersión: varios involucrados puntúan por separado, y se hace visible la dispersión entre sus respuestas. Una dispersión grande es en sí misma un resultado. Muestra que la organización parece tener un nivel sobre el papel, mientras que el personal de base experimenta algo distinto de lo que percibe la dirección.
En el nivel baseline no existe una imagen compartida de qué es o hace la IA. Personas aisladas experimentan, pero no hay un lenguaje común ni una estructura para compartir experiencias. En el nivel foundation hay conocimiento básico presente, generalmente en un grupo limitado, y el resto de la organización sigue a distancia. El nivel activation significa que una parte sustancial de los empleados involucrados sabe qué significa la IA en su propio trabajo y puede manejarla en la práctica. El nivel insight añade a esto que las personas pueden evaluar críticamente los resultados de la IA y saben cuándo deben dudar. En el nivel intelligence, esa capacidad está distribuida por toda la organización, anclada en cómo trabaja la gente y no depende de unos pocos early adopters.
Dónde se encuentra una organización en esta escala nunca es una cuestión de intuición. Depende de cuántas personas trabajan realmente con IA, de cuán diversas son sus experiencias y de si esas experiencias convergen en algún punto. Precisamente por eso la ronda de dispersión aporta más que una encuesta con un solo respondiente por equipo.
Varias señales apuntan a un nivel bajo. Si las preguntas sobre IA siempre terminan en las mismas pocas personas, el conocimiento no está distribuido. Si nadie se atreve a rechazar un resultado de IA porque no conoce la lógica detrás de él, falta la habilidad para evaluar. Si los proyectos de IA se inician sin involucrar a las personas que deberán trabajar con ellos, falta el respaldo necesario para llevar algo más allá de la fase piloto.
Un nivel más alto se reconoce por lo contrario: discusiones sobre los resultados de la IA que son sustantivas en lugar de meramente principistas, empleados que proponen por sí mismos dónde la IA puede o no puede ayudar, y una organización en la que la duda sobre un resultado de IA se considera parte normal del trabajo, no una señal de que el proyecto ha fracasado.
El camino hacia un nivel más alto rara vez comienza con más tecnología. Comienza por hacer visible lo que las personas ya saben y dónde están las lagunas, y por organizar momentos en los que se comparta la experiencia en lugar de que quede aislada en experimentos sueltos. Lo que esto cuesta concretamente, en tiempo y atención, varía mucho según la organización y el nivel de partida; quien desee una indicación al respecto puede encontrarla en la página que calcula lo que cuesta hacer subir un nivel a la organización.
Por otra parte, personas y capacidades no es una dimensión aislada de las demás. Quien quiera evaluar la IA también debe comprender cómo se registra y utiliza esa evaluación, lo cual se relaciona con la gestión del desempeño en materia de IA. Quien quiera atreverse a reportar errores debe saber que la privacidad y la seguridad están en orden, algo que se relaciona con lo que cuesta hacer subir un nivel a la privacidad y la seguridad. Y quien quiera generar confianza en los resultados de la IA, tarde o temprano se topará con preguntas propias de lo que cuesta hacer subir un nivel a la ética.
Esta página describe si las personas de su organización pueden sostener la IA: comprenderla, evaluarla y corregirla. No describe qué parte del trabajo puede ser asumida por la IA misma. Esa es otra pregunta, con otro instrumento. El escáner de trabajo de FTE TO AI calcula, por tarea, qué parte del trabajo es apta para la IA, dada la naturaleza de la tarea y el contexto en que se realiza. Ese resultado solo cobra sentido cuando el lado que debe sostenerlo, incluidas las personas que deben trabajar con los resultados, ya ha alcanzado cierto nivel. Quien desee saber en qué punto se encuentra la organización en este momento puede inscribirse en la lista de espera de la medición de madurez, que aún está en construcción.
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.