La gestión del rendimiento es la dimensión que mide si una organización ve lo que aporta la IA, y si esa información aterriza en algún lugar. No si existe un panel de control, sino si alguien observa qué cambia una aplicación de IA en el tiempo de tramitación, la calidad o el margen de error, y si ese resultado influye en la siguiente decisión. Subir un nivel no tiene un coste fijo, porque la distancia entre niveles varía según la organización. Una organización que aún no mide nada debe montar algo distinto de una organización que ya mide pero no utiliza los resultados en ningún sitio. Lo que sí es seguro: los costes raramente están en el software. Están en el tiempo, la repetición y la disposición a tomarse en serio los resultados también cuando decepcionan.
La dimensión observa tres cosas. Primero, si se define un resultado antes de que empiece una aplicación de IA: qué debe mejorar, y cómo se puede comprobar. Segundo, si ese resultado se mide efectivamente con el paso del tiempo, en lugar de suponerse. Tercero, si la medición tiene una consecuencia: ¿se ajusta, amplía o detiene una aplicación en función de lo que se ha medido, o el resultado se queda como una cifra en un informe que nadie vuelve a abrir? Muchas organizaciones puntúan bajo no porque no midan, sino porque la medición no tiene un lugar en una decisión.
En el nivel baseline no existe una descripción de qué significa el éxito antes de que empiece una aplicación de IA. Se observa a posteriori si algo "se sintió mejor", sin un criterio fijo. Lo que eso significa en la práctica para una organización que se encuentra en este nivel está descrito en la página sobre qué significa el nivel baseline en la práctica.
En el nivel foundation sí se ha nombrado un resultado, pero la medición ocurre de forma puntual o casual. Alguien comprueba después de unas semanas si funciona, pero no hay repetición ni una forma fija. La página sobre qué significa el nivel foundation en la práctica muestra cómo esa situación se distingue de baseline y del nivel siguiente.
A partir de activation, medir se convierte en un hábito en lugar de una excepción: el mismo criterio se vuelve a revisar en momentos fijos. En insight, ese resultado se vincula a una decisión: una aplicación que no entrega lo esperado de antemano se ajusta o se detiene. En intelligence, la medición está integrada en un ritmo más amplio: se comparan entre sí los rendimientos de las aplicaciones de IA, de modo que la organización aprende qué tipo de aplicación funciona y cuál no.
La gestión del rendimiento depende de dimensiones que aparecen antes en el orden. Sin una organización que sepa quién es responsable de un resultado, una medición se queda como una cifra sin dueño; eso empieza por la pregunta de qué tan madura es la organización en lo que respecta a la IA, que se responde a través de la dimensión de organización. Sin una infraestructura que permita registrar datos sobre el uso y el resultado, no hay nada que medir; véase la dimensión de infraestructura de TI. Y sin una gestión de datos que determine qué datos son suficientemente fiables como para basarse en ellos, una medición quizás produzca una cifra pero ningún asidero; véase la dimensión de gestión de datos. Quien quiera hacer subir la gestión del rendimiento sin tener estos fundamentos en orden, mide algo, pero no algo sobre lo que se pueda construir.
El paso de baseline a foundation exige, sobre todo, un acuerdo: nombrar antes de que empiece una aplicación qué significa el éxito, y registrarlo en un lugar donde se pueda volver a encontrar más adelante. Eso no es una inversión en tecnología, sino en hábito.
El paso de foundation a activation exige repetición: que el mismo criterio vuelva a revisarse en momentos fijos, en lugar de una mirada puntual. Eso cuesta el tiempo de alguien que lo pone en la agenda y sigue preguntando por ello.
El paso a insight exige algo más difícil: la disposición a revertir o ajustar una aplicación si la medición decepciona, incluso si ya se ha invertido en ella. Eso es menos una partida de coste que una cuestión de cultura.
El paso a intelligence exige, por último, una comparación entre aplicaciones, de modo que la organización no aprenda caso por caso sino que vea patrones. Eso requiere un lugar fijo donde ocurra esa comparación, y personas a quienes se les dé tiempo para ello.
La medición de madurez de hybridresourcing muestra si una organización es capaz de sostener lo que aporta la IA: si los fundamentos están en su lugar, y si la gestión del rendimiento puede construirse sobre ellos. No dice nada sobre qué tareas dentro del trabajo mismo son aptas para que la IA las asuma, y en qué medida. Esa pregunta la responde el escáner de trabajo de FTE TO AI, que calcula por tarea qué parte de ella se puede transferir a la IA. Quien ya sabe dónde se encuentra la organización en esta dimensión, cuenta también con una indicación de si los resultados de tal escáner de trabajo aterrizarán en algún lugar más adelante, o desaparecerán en un informe que nadie vuelve a abrir.
La medición de madurez, con la ronda de plot en la que varias personas puntúan por separado y se hace visible la dispersión entre sus respuestas, todavía está en desarrollo. 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.