Baseline es el primero de los cinco niveles de la medición de madurez de hybridresourcing. No es un juicio negativo. Describe una organización donde las siete dimensiones — entre ellas organización, infraestructura de TI y gestión de datos — todavía no tienen una estructura capaz de sostener la IA. Puede que ya se haya experimentado con IA. Puede haber pilotos en marcha, licencias adquiridas, alguien del equipo que usa un modelo de lenguaje para informes. Eso no cambia nada en cuanto al nivel. Baseline trata de lo que hay, no de lo que ya se ha intentado.
En el nivel baseline falta una visión compartida de quién es responsable de qué en materia de IA. Las decisiones sobre herramientas se toman a nivel departamental, sin que nadie tenga una visión de conjunto de todo lo que está en marcha. La infraestructura de TI está diseñada para los procesos de trabajo previos a la IA: sistemas que no se comunican entre sí, ningún lugar central donde converjan los datos, ninguna visión de lo que se necesita para que los modelos funcionen con los datos de la organización. La gestión de datos existe de nombre — hay un archivo, un CRM, una intranet — pero nadie puede decir con certeza dónde está cada dato, quién tiene acceso a él, y si ese dato es correcto.
Las dimensiones fundamentales preceden a las dependientes, y eso es precisamente lo que se nota con más fuerza en este nivel. Un piloto que funciona bien por sí solo se atasca en cuanto tiene que escalar, porque la infraestructura que hay debajo no lo soporta. Un equipo que prueba con entusiasmo una aplicación de IA descubre que los datos que necesita no están disponibles de forma estructurada en ningún lugar. Esto no son incidentes aislados. Son las consecuencias previsibles de un fundamento que todavía no está terminado.
Baseline no significa que la organización esté paralizada o que las personas no tengan voluntad. Con frecuencia ocurre lo contrario: hay movimiento, hay iniciativas, se ha liberado presupuesto. Lo que falta no es motivación sino cohesión. Pilotos sueltos sin infraestructura compartida, uso de datos disperso sin gestión centralizada, decisiones aisladas sin propiedad compartida. La energía está presente. La estructura para canalizar esa energía, todavía no.
Tampoco significa que este nivel deba durar mucho tiempo o que haya algo incorrecto en una organización que empieza aquí. La mayoría de las organizaciones que se plantean seriamente la IA empiezan en baseline o justo por encima. El nivel es una fotografía, no una sentencia.
En la ronda de plot de la medición de madurez, varias personas puntúan por separado, y en las organizaciones baseline suele destacar algo específico: la dispersión entre los encuestados es grande. Mientras que un responsable de TI ve que la infraestructura todavía tiene grandes vacíos, un jefe de departamento puede pensar que todo está bien, porque las herramientas que él o ella usa funcionan correctamente. Esa dispersión es en sí misma una señal. Muestra que todavía no existe una visión compartida sobre dónde se encuentra la organización — y esa falta de visión compartida es precisamente lo que caracteriza a baseline.
La transición de baseline al siguiente nivel no requiere más proyectos de IA. Requiere hacer que algo preceda al resto: responsabilidades claras, una infraestructura capaz de recopilar y poner a disposición los datos, y una gestión de datos suficientemente fiable como para construir sobre ella. Sin esa base, cualquier paso siguiente sigue siendo temporal, porque se apoya sobre arena.
Lo que esa transición significa en concreto para su organización varía según la situación — depende del sector, del tamaño y de cuál de las siete dimensiones va más rezagada. Cómo pasar de baseline al siguiente nivel describe qué movimientos corresponden a ese paso. A modo de comparación, también resulta útil ver a dónde conduce ese paso: qué significa en la práctica el nivel foundation muestra cómo se ve un fundamento una vez que la estructura básica sí está en pie. Para las organizaciones que quieran mirar más allá del siguiente paso, qué significa en la práctica el nivel insight describe cómo se desarrolla la madurez una vez que los datos y la infraestructura están en orden.
La medición de madurez de hybridresourcing analiza si una organización puede sostener la IA: si el fundamento está presente, si la estructura está en pie, si existe una visión compartida sobre responsabilidades y datos. Esa es una pregunta distinta de qué parte del trabajo mismo es apta para la IA. Una organización en el nivel baseline puede perfectamente tener procesos de trabajo en los que muchas tareas se presten para ser asumidas por la IA — solo que todavía falta la estructura para hacerlo de forma sostenible. Quien quiera saber qué parte del trabajo mismo, tarea por tarea, puede ser asumida por la IA, no encontrará esa respuesta en la medición de madurez sino en el escáner de trabajo de FTE TO AI. Ese escáner calcula, por tarea, qué parte es apta para la IA, independientemente de si la organización ya está preparada para ello. Ambas respuestas juntas — si la organización está preparada, y si el trabajo está preparado — ofrecen el panorama completo antes de invertir en algo.
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.