Insight on neljäs viidestä tasosta, jotka hybridresourcing-kypsyysmittaus erottaa: baseline, foundation, activation, insight ja intelligence. Tällä tasolla organisaatio on jättänyt irrallisten kokeilujen vaiheen taakseen. Data, IT-infrastruktuuri ja organisaatiorakenne eivät ole enää kolme erillistä kysymystä, vaan alkavat linkittyä toisiinsa. Se erottaa tämän tason sisällöllisesti activation-tasosta: enää ei kokeilla, toimiiko jokin, vaan nähdään, miksi se toimii ja missä se juuttuu.
Insight-tasolla on olemassa näkemys omista datavirroista: missä tieto syntyy, missä se yhdistyy ja missä se katoaa osastojen välillä. Tämä näkemys ei ole sattumanvaraisesti vain yhdellä analyytikolla, vaan tallennettu tavalla, jota useat ihmiset voivat käyttää ja hyödyntää. IT-infrastruktuuri on rakennettu tukemaan näitä datavirtoja sen sijaan, että se estäisi niitä. Ja organisaatiossa roolit ja vastuut on jaettu niin, että päätökset AI-sovelluksista eivät enää jää sattuman tai yksittäisen innostuneen henkilön varaan.
Tämän tason tunnistaa siitä, millaisia kysymyksiä organisaation sisällä esitetään. Ei enää: voimmeko kokeilla tätä? Vaan: miksi tämä sovellus toimii yhdessä osastossa mutta ei toisessa, ja mitä se kertoo datastamme tai rakenteestamme? Tätä kysymystä voi esittää vain, kun asioista on jo riittävä kuva. Se kuva on juuri se, jonka insight lisää edellisiin tasoihin.
Mitä tällä tasolla yleensä yhä puuttuu, on askel ymmärtämisestä ennustamiseen. Insight tuottaa selityksiä jälkikäteen: miksi pilotti onnistui tai ei, miksi yksi tiimi etenee nopeammin kuin toinen. Mitä ei vielä ole, on rakenne, joka etukäteen osoittaa, mihin seuraava sovellus asettuu tai ei asettuu. Tämä erottaa insightin intelligence-tasosta, jolla tämä ennustava kerros on jo läsnä. Mitä tämä taso käytännössä tarkoittaa, on kuvattu sivulla intelligence-tasosta.
Toinen riski tällä tasolla on, että näkemys jää rajallisen ihmisryhmän varaan. Data on olemassa, infrastruktuuri on olemassa, mutta jos ymmärrys siitä, mitä data tarkoittaa, ei jaeta koko organisaatiossa, insight pysyy hauraana. Kun kyseinen henkilö lähtee tai osasto järjestetään uudelleen, taso romahtaa takaisin. Tämä on yksi syy, miksi hybridresourcing-mittaus ei toimi yhden keskustelun perusteella, vaan plot-kierroksen avulla: useat ihmiset arvioivat erikseen seitsemän ulottuvuutta, ja heidän vastauksissaan oleva hajonta osoittaa täsmälleen, onko näkemys organisaation laajuisesti jaettu vai vain muutaman ihmisen varassa.
Insight-tasolla pisteiden hajonta on usein mielenkiintoisempi kuin keskimääräinen taso itsessään. Organisaatio voi saada keskimäärin insight-tason pisteet, kun IT-osasto kokee näkemyksen perusteelliseksi ja operatiiviset tiimit tuskin huomaavat siitä mitään. Tämä kuilu on juuri se signaali, joka kertoo, mistä seuraavan askeleen tulisi alkaa: ei enemmästä tekniikasta, vaan siitä, jaetaanko se, mitä jo ymmärretään. Koska peruspilarit — organisaatio, IT-infrastruktuuri, datahallinta — kannattelevat riippuvaisia ulottuvuuksia, ei ole mielekästä ryhtyä ennustaviin sovelluksiin, jos näkemys ei ole vielä levinnyt kaikkialle.
Siirtyminen insightista intelligenceen ei vaadi uuden datan keräämistä, vaan olemassa olevien näkemysten muuttamista joksikin, joka katsoo eteenpäin sen sijaan, että katsoisi taaksepäin. Tämä on eri tehtävä kuin edelliset siirtymät: baselinesta seuraavalle tasolle siirtyminen koski ennen kaikkea rakenteen luomista siihen, mistä se puuttui, ja activationista seuraavalle tasolle siirtyminen koski irrallisten onnistumisten yhdistämistä toisiinsa. Insightin kohdalla tehtävä on toisaalla: jo olemassa oleva jaettu ymmärrys on muutettava järjestelmäksi, joka antaa suuntaa etukäteen. Mitä tämä siirtymä käytännössä vaatii, on kuvattu sivulla siirtymästä insightista seuraavalle tasolle.
Hybridresourcing-kypsyysmittaus vastaa eri kysymykseen kuin kysymys tehtävistä ja tunneista. Se mittaa, kykeneekö organisaatio kantamaan AI:ta: ovatko data, infrastruktuuri ja organisaatiorakenne valmiit sille, mitä niiden päälle tulee. Insight-tason organisaatiolla tämä kantava perusta on suurelta osin pystyssä. Se ei automaattisesti tarkoita, että olisi selvää, mikä osa varsinaisesta työstä on todella siirrettävissä AI:lle — se on eri mittaus, eri asteikolla. Se, kuinka paljon nykyisestä työstä voidaan konkreettisesti siirtää tehtävä- ja roolikohtaisesti, löytyy FTE TO AI:n työskannauksesta. Tämä skannaus laskee, kuinka suuri osa työstä on siirrettävissä, ottaen huomioon, missä määrin organisaatio on tämän mittauksen mukaan siihen jo valmis.
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.