Insight es el cuarto de los cinco niveles que distingue la medición de madurez de hybridresourcing: baseline, foundation, activation, insight e intelligence. Una organización en este nivel ha dejado atrás la fase de experimentos sueltos. Los datos, la infraestructura de TI y la estructura organizativa ya no son tres cuestiones separadas, sino que empiezan a alinearse entre sí. Eso es lo que distingue a este nivel de activation en cuanto a contenido: ya no se trata de probar si algo funciona, sino de ver por qué funciona y dónde se atasca.
En el nivel insight existe conocimiento de los propios flujos de datos: dónde se origina la información, dónde converge y dónde se pierde entre departamentos. Ese conocimiento no reside por casualidad en un único analista, sino que está registrado de una manera que varias personas pueden consultar y utilizar. La infraestructura de TI está diseñada para apoyar esos flujos de datos en lugar de obstaculizarlos. Y la organización ha distribuido roles y responsabilidades de tal manera que las decisiones sobre aplicaciones de IA ya no dependen del azar ni de un único entusiasta.
Este nivel se reconoce por el tipo de preguntas que se plantean dentro de la organización. Ya no: ¿podemos probar esto? Sino: ¿por qué funciona esta aplicación en un departamento y no en otro, y qué nos dice eso sobre nuestros datos o nuestra estructura? Esa pregunta solo puede plantearse si ya existe suficiente visión de lo que está ocurriendo. Esa visión es precisamente lo que insight añade a los niveles anteriores.
Lo que suele faltar todavía en este nivel es el paso de comprender a predecir. Insight ofrece explicaciones después de los hechos: por qué un piloto funcionó o no, por qué un equipo avanzó más rápido que otro. Lo que aún no existe es una estructura que indique de antemano dónde una próxima aplicación tendrá éxito o no. Eso distingue a insight de intelligence, el nivel en el que esa capa predictiva sí está presente. Lo que ese nivel significa en la práctica está descrito en la página sobre el nivel intelligence.
Un segundo riesgo en este nivel es que el conocimiento se quede limitado a un grupo reducido de personas. Los datos están, la infraestructura está, pero si la comprensión de lo que significan esos datos no se comparte en toda la organización, insight sigue siendo frágil. En el momento en que esa persona se marcha o ese departamento se reorganiza, el nivel retrocede. Esa es una de las razones por las que la medición de hybridresourcing no funciona con una sola conversación, sino con una ronda de plot: varias personas puntúan por separado las siete dimensiones, y la dispersión entre sus respuestas muestra exactamente si el conocimiento está asumido en toda la organización o si descansa en un puñado de personas.
En insight, la dispersión entre puntuaciones suele ser más interesante que el nivel promedio en sí. Una organización puede situarse en promedio en insight mientras el departamento de TI percibe el conocimiento como profundo y los equipos operativos apenas lo notan. Esa brecha es precisamente la señal que indica por dónde debe empezar el siguiente paso: no con más tecnología, sino con compartir lo que ya se comprende. Puesto que las dimensiones fundamentales —organización, infraestructura de TI, gestión de datos— sostienen a las dimensiones dependientes, no tiene sentido empezar con aplicaciones predictivas si el conocimiento todavía no ha llegado a todas partes.
La transición de insight a intelligence no requiere recopilar nuevos datos, sino convertir el conocimiento existente en algo que mira hacia adelante en lugar de hacia atrás. Esa es una tarea distinta de las transiciones anteriores: de baseline al siguiente nivel se trataba principalmente de establecer estructura donde faltaba, y de activation al siguiente nivel, de conectar entre sí los éxitos sueltos. En insight, la tarea está en otra parte: la comprensión compartida que ya existe debe traducirse en un sistema que ya oriente de antemano. Lo que exige concretamente esa transición está descrito en la página sobre el paso de insight al siguiente nivel.
La medición de madurez de hybridresourcing responde a una pregunta distinta de la relativa a tareas y horas. Mide si una organización puede sostener la IA: si los datos, la infraestructura y la estructura organizativa están preparados para lo que se construirá encima. Una organización en el nivel insight tiene ese soporte prácticamente en pie. Esto no significa automáticamente que esté claro qué parte del trabajo efectivo puede ser asumida realmente por la IA: eso es otra medición, con otra escala. Quien quiera saber cuánto del trabajo actual puede asumirse en concreto, por tarea y por rol, lo encuentra en el escáner de trabajo de FTE TO AI. Ese escáner calcula qué parte del trabajo puede asumirse, dado el grado en que la organización, según esta medición, ya está preparada para ello.
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.