Un workforce leader — a menudo responsable de la planificación de personal, la gestión de capacidad o el puente entre RR.HH. y el negocio — recibe la IA en su plato sin que nadie le haya explicado de antemano qué significa eso para la plantilla. La pregunta viene de arriba: menos incorporaciones, otros perfiles, escalar de forma más flexible. El workforce leader debe tener una respuesta para eso mientras él mismo no sabe si la organización tiene las condiciones necesarias en orden para cumplir esa respuesta.
La pregunta no es si la IA afecta a las funciones. Esa pregunta ya la han respondido otros, más arriba en la organización. La pregunta que un workforce leader se plantea a sí mismo es distinta: ¿sobre qué supuestos se está ajustando ahora la planificación de personal, y qué tan sólidos son esos supuestos? Si los escenarios de capacidad se construyen sobre una promesa de IA que asume buenos datos, una infraestructura que funciona y equipos capaces de trabajar con los resultados, y esas condiciones no están presentes, entonces la planificación no cuadra. Eso no lo notará hoy. Lo notará en el momento en que la incorporación ya se haya ralentizado y el resultado no llegue.
Un workforce leader que basa su planificación de personal en un efecto de IA que no se produce, se queda solo ante el problema. La plantilla ya se ha ajustado entonces, las vacantes se han congelado o precisamente se han abierto, y el negocio cuenta con una capacidad que resulta no estar disponible. Corregirlo cuesta un tiempo que una planificación de personal no tiene — la incorporación tiene un plazo de ejecución, y un vacío que se detecta demasiado tarde no se cierra apretando un botón. Ese riesgo no está en la tecnología. Está en el supuesto de que la tecnología ya funciona en una organización que todavía no está lista para ello.
Si el workforce leader sí sabe qué tan madura es la organización antes de planificar, su posición cambia. Puede distinguir entre un escenario de capacidad que es realista a corto plazo y un escenario que depende de fundamentos que todavía hay que construir. Puede darle al negocio un cronograma que sea correcto en lugar de un cronograma que espera. Eso no es garantía de un buen resultado, pero sí una planificación que no se derrumba en cuanto el primer supuesto no se cumple.
Lo que un workforce leader no acepta es una hoja de ruta de IA que hable de capacidad futura sin especificar qué debe estar primero en su lugar. "La IA sustituirá con el tiempo parte de la incorporación" no es una base de planificación si nadie puede indicar si la gestión de datos, la infraestructura de TI y la estructura organizativa ya están preparadas para ello. Tampoco acepta ninguna cifra que se base únicamente en la sensación de un patrocinador entusiasta. Lo que necesita es una imagen de dónde se encuentra realmente la organización, por dimensión, con la dispersión entre lo que distintas personas de la organización piensan al respecto — porque esa dispersión ya es en sí misma información sobre cuán estable es un supuesto de capacidad.
La medición de madurez de hybridresourcing evalúa una organización en cinco niveles — baseline, foundation, activation, insight, intelligence — a lo largo de siete dimensiones. Dimensiones fundamentales como la estructura organizativa, la infraestructura de TI y la gestión de datos preceden a las dimensiones dependientes, no porque sea una preferencia, sino porque es el orden en el que funciona: sin una infraestructura que funcione y datos confiables, la IA tiene poco sobre lo qué apoyarse, sin importar cuán bien preparada esté ya la estructura organizativa. En una ronda de plot, varias personas puntúan por separado, de modo que se hace visible dónde coincide la imagen de la organización y dónde diverge. Para un workforce leader, esa dispersión suele ser la señal más útil: una gran dispersión en la gestión de datos significa que nadie sabe con certeza si la base está en su lugar, y esa es precisamente la base sobre la que descansan los escenarios de capacidad.
Este enfoque también afecta a otros roles dentro de la organización, cada uno desde su propio interés: un CEO que busca la respuesta a proyectos piloto de IA estancados, un COO que debe evaluar la preparación operativa y un CHRO que vigila el lado organizativo de la madurez de IA. También varía según el sector, como puede verse en hasta qué punto el sector de la construcción tiene los fundamentos para la IA y cómo eso se relaciona con la situación en el sector de instalaciones.
La medición de madurez dice algo sobre el lado de la capacidad de sostener: si esta organización puede sostener la IA, si los fundamentos están en su lugar, si los datos están en orden, si la infraestructura está preparada para ello. No dice nada sobre qué parte del trabajo en sí puede ser asumida por la IA. Esa es otra pregunta, con otro instrumento. En cuanto se tiene la imagen de la preparación, el siguiente paso lógico es la pregunta que viene después: qué parte del trabajo, tarea por tarea, es realmente transferible. Eso lo calcula el escáner de trabajo de FTE TO AI — por tarea, en función de lo que implica el trabajo en sí, no en función de un supuesto sobre la organización en su conjunto.
La medición de madurez está en construcción. Por ahora no hay un informe que se pueda solicitar ni un asesor que venga a repasar las dimensiones. Quien quiera usar la medición en cuanto esté disponible, puede inscribirse en la lista de espera.
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.