Baseline je razina na kojoj većina organizacija počinje. Postoji korištenje AI-a, ali ono počiva na pojedincima: nekome iz IT odjela koji eksperimentira s jezičnim modelom, marketingaru koji generira tekst, pojedinom menadžeru koji pita može li se neki proces obaviti brže. Ne postoji zajednički pristup, ne postoji zajednička slika o tome što djeluje, i ne postoji struktura koja bi zadržala ono što se nauči. Ako ta osoba ode ili dobije drugi projekt, znanje odlazi s njom.
Na razini baseline ne nedostaje volja, nego temelj. Sedam dimenzija koje razlikuje mjerenje zrelosti — među kojima su organizacija, IT infrastruktura i upravljanje podacima — na ovoj razini još stoje odvojeno jedna od druge ili su tek djelomično popunjene. To nije nedostatak; to je stanje u kojem se organizacija nalazi prije nego što je počela svjesno graditi.
Nekoliko signala se na baseline razini redovito vraća. Ne postoji pregled toga gdje se AI već koristi unutar organizacije, a kamoli zajednička slika o tome što taj upotreba donosi. Odluke o AI-u donose se na mjestu gdje se pitanje slučajno pojavi, a ne na temelju procjene koja se odnosi na cijelu organizaciju. Podaci su razdvojeni u sustavima koji ne komuniciraju međusobno, što svaki korak prema nečem strukturiranom usporava. I ne postoji zajednički jezik: ono što jedan odjel naziva AI-om, za drugi je nešto drugo.
Krug procjene unutar mjerenja zrelosti to često učini vidljivim prije nego što se za to nađu riječi. Kada više ljudi unutar iste organizacije zasebno bodovanjem procjenjuje stanje, na razini baseline često se uočava velika razlika u rezultatima: jedan ispitanik vidi napredak koji drugi ne prepoznaje. Ta razlika sama je signal. Ona pokazuje da još ne postoji zajednička slika o tome gdje organizacija stoji, a to je upravo obilježje baseline razine.
Put od baseline do sljedeće razine ne počinje s novom primjenom, nego s temeljnim dimenzijama. Organizacija, IT infrastruktura i upravljanje podacima dolaze prije dimenzija koje o njima ovise. To nije stvar preferencije, nego redoslijed u kojem to funkcionira: organizacija koja želi graditi nešto na AI-u dok podaci nisu u redu ili dok nije jasno tko o čemu odlučuje, gradi na pijesku.
Konkretno, to znači da najprije mora nastati pregled. Tko u organizaciji već nešto radi s AI-om, i na temelju kojih podataka? Gdje se nalaze podaci relevantni za te primjene, i jesu li dovoljno dostupni i pouzdani da bi se na njima gradilo? Postoji li osoba ili skupina koja nosi odgovornost za odluke o AI-u, ili se to još događa slučajno? Ova pitanja izgledaju skromno, ali upravo su to pitanja na koja se temeljne dimenzije fokusiraju.
Ovisne dimenzije — one koje se odnose na to kako AI utječe na sam rad — dolaze nakon toga. Na razini baseline još je previše rano da bi se o tome mogla reći nešto smisleno, jer nedostaje temelj na kojem bi te dimenzije mogle počivati.
Prijelaz na foundation ne zahtijeva da sve odjednom bude u redu. Zahtijeva da organizacija prestane s korištenjem AI-a kao nečim što slučajno nastaje kod pojedinaca, i počne s bilježenjem onoga što postoji: kojih podataka ima, tko o čemu odlučuje, koji sustavi moraju moći međusobno komunicirati. To je manje tehnički put a više organizacijski put. Tehnika obično slijedi, kad struktura već postoji.
To je također put koji zahtijeva vrijeme, a čije trajanje ovisi o tome koliko toga već neformalno postoji. Organizacija u kojoj jedan odjel već neko vrijeme svjesno radi s podacima ima kraći put nego organizacija gdje to nigdje nije slučaj. Što je točno potrebno za daljnje kretanje od foundation, i koje dimenzije pri tome najprije zahtijevaju pažnju, opisano je na stranici koja objašnjava kako doći od foundation do sljedeće razine. Dalje u nizu, za organizacije koje su već napredovale, opisano je i kako se activation odnosi na razinu koja slijedi i što insight zahtijeva za rast prema intelligence.
Baseline ne govori ništa o ambiciji organizacije i ništa o kvaliteti ljudi koji tamo rade. Govori nešto o stanju temelja u određenom trenutku. Organizacije koje ovu razinu ozbiljno kartiraju, često otkriju da već postoji više nego što su mislile — pojedinačne inicijative, podaci koji se negdje ipak vode, ljudi koji već razmišljaju dalje nego što njihova funkcija zahtijeva. Mjerenje zrelosti to sastavlja u sliku na kojoj se može izgraditi sljedeći korak, bez da tu sliku popunjava savjetom koji ne odgovara organizaciji.
Ova stranica govori o spremnosti: o tome što mora biti postavljeno prije nego AI može zauzeti strukturno mjesto. To je drugo pitanje od onoga koji dio posla AI stvarno može izvršiti. Čim temelj poprimi oblik, to drugo pitanje postaje relevantno, i upravo se tu nadovezuje radna skena tvrtke FTE TO AI: ona po zadatku izračunava koji dio posla može preuzeti AI, na temelju zadataka kako se sada izvršavaju. Onaj tko želi znati što AI može preuzeti čim organizacija za to bude spremna, to pronalazi tamo — uključujući kako se to razlikuje kada je riječ o agentima koji samostalno izvršavaju posao ili o lancima u kojima različiti koraci slijede jedan za drugim.
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.