Baseline est le premier des cinq niveaux de la mesure de maturité de hybridresourcing. Ce n'est pas un jugement négatif. Il décrit une organisation où les sept dimensions — dont l'organisation, l'infrastructure IT et la gestion des données — n'ont pas encore de structure capable de porter l'IA. Il est possible que l'on ait déjà expérimenté avec l'IA. Des pilotes sont en cours, des licences ont été achetées, quelqu'un dans l'équipe utilise un modèle de langage pour des rapports. Cela ne change rien au niveau. Baseline porte sur ce qui existe, pas sur ce qui a déjà été essayé.
Au niveau baseline, une vision partagée de qui est responsable de quoi en matière d'IA fait défaut. Les décisions concernant les outils sont prises au niveau des services, sans que personne n'ait une vue d'ensemble de ce qui est réellement en place. L'infrastructure IT est conçue pour les processus de travail d'avant l'IA : des systèmes qui ne communiquent pas entre eux, aucun endroit centralisé où les données se rassemblent, aucune vision de ce qui est nécessaire pour faire fonctionner des modèles avec les données de l'organisation. La gestion des données existe en nom — il y a une archive, un CRM, un intranet — mais personne ne peut dire avec certitude où se trouvent quelles données, qui y a accès, et si ces données sont exactes.
Les dimensions fondamentales priment sur les dimensions dépendantes, et c'est à ce niveau que vous le remarquez le plus durement. Un pilote qui fonctionne bien en soi se bloque dès qu'il doit passer à l'échelle, parce que l'infrastructure sous-jacente ne peut pas le supporter. Une équipe qui teste avec enthousiasme une application d'IA découvre que les données dont elle a besoin ne sont disponibles nulle part de manière structurée. Ce ne sont pas des incidents. Ce sont les conséquences prévisibles d'une fondation qui n'est pas encore achevée.
Baseline ne signifie pas que l'organisation est immobile ou que les personnes ne veulent pas avancer. C'est souvent l'inverse qui est vrai : il y a du mouvement, des initiatives, un budget a été dégagé. Ce qui manque, ce n'est pas la motivation mais la cohérence. Des pilotes isolés sans infrastructure partagée, un usage des données dispersé sans gestion centralisée, des décisions isolées sans propriété partagée. L'énergie est là. La structure pour canaliser cette énergie ne l'est pas encore.
Cela ne signifie pas non plus que ce niveau doit durer longtemps ou qu'il y a quelque chose qui ne va pas chez une organisation qui démarre ici. La plupart des organisations qui s'intéressent sérieusement à l'IA commencent à baseline ou juste au-dessus. Le niveau est une photographie, pas un verdict.
Dans le tour de positionnement de la mesure de maturité, plusieurs personnes sont évaluées séparément, et chez les organisations baseline, quelque chose de spécifique ressort souvent : la dispersion entre répondants est importante. Là où un responsable IT voit que l'infrastructure présente encore de grandes lacunes, un chef de service pense peut-être que tout va bien, parce que les outils qu'il utilise fonctionnent correctement. Cette dispersion est elle-même un signal. Elle montre qu'il n'existe pas encore de vision partagée de la position de l'organisation — et ce manque de vision partagée est précisément ce qui caractérise baseline.
La transition de baseline vers le niveau suivant ne demande pas davantage de projets IA. Elle demande de faire primer certaines choses sur le reste : des responsabilités claires, une infrastructure capable de collecter et de rendre accessibles les données, et une gestion des données suffisamment fiable pour construire dessus. Sans cette base, chaque étape suivante reste temporaire, parce qu'elle repose sur du sable.
Ce que cette transition signifie concrètement pour votre organisation varie selon la situation — cela dépend du secteur, de la taille et de laquelle des sept dimensions accuse le plus de retard. Comment passer de baseline au niveau suivant décrit les mouvements qui s'y rattachent. À titre de comparaison, il est également utile de voir où mène cette étape : ce que le niveau foundation signifie en pratique montre à quoi ressemble une fondation une fois que la structure de base est en place. Pour les organisations qui souhaitent regarder plus loin que la seule étape suivante, ce que le niveau insight signifie en pratique décrit comment la maturité continue de se développer une fois les données et l'infrastructure en ordre.
La mesure de maturité de hybridresourcing examine la question de savoir si une organisation peut porter l'IA : la fondation est-elle là, la structure est-elle en place, existe-t-il une vision partagée des responsabilités et des données. C'est une question différente de celle de savoir quelle partie du travail lui-même se prête à l'IA. Une organisation au niveau baseline peut très bien avoir des processus de travail dans lesquels de nombreuses tâches se prêtent à une reprise par l'IA — seulement la structure pour le faire de manière durable fait encore défaut. Celui qui veut savoir quelle part du travail lui-même, par tâche, peut être reprise par l'IA, ne trouvera pas cette réponse dans la mesure de maturité mais dans le scan du travail de FTE TO AI. Celui-ci calcule, par tâche, quelle part est adaptée à l'IA, indépendamment de la question de savoir si l'organisation y est déjà prête. Les deux réponses ensemble — l'organisation est-elle prête, et le travail est-il prêt — donnent le tableau complet avant d'investir quoi que ce soit.
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.