Kennisbank

Insight: comprende l'AI a fondo, ma non governa ancora tutto

Come si riconosce l'insight

Al livello insight è cambiato qualcosa che va oltre gli esperimenti isolati. L'organizzazione non capisce solo che l'AI fa qualcosa, ma anche perché funziona in un punto e non in un altro. È nato un linguaggio per condurre questo discorso: le persone parlano di qualità dei dati, di responsabilità in caso di errori, di quali processi si prestano o non si prestano all'automazione. È un discorso diverso rispetto a un anno prima, quando la domanda principale era se un pilota produceva qualcosa.

Ciò che caratterizza questo livello: la comprensione è presente, ma non è ancora radicata ovunque nel modo in cui vengono prese le decisioni. Un reparto ha ben chiaro quali dati gli servono e quali mancano. Un altro reparto segue ancora in buona fede un pilota senza che nessuno abbia verificato se l'infrastruttura sottostante tenga. L'insight non è dunque uno strato uniforme sull'intera organizzazione. È piuttosto un insieme di punti in cui si è acceso la luce, con nel mezzo ancora zone al buio.

Cosa manca ancora

Il passo verso il livello successivo, intelligence, richiede che questa comprensione si traduca in governo. Non in modo occasionale — come reazione a un problema che si presenta — ma strutturale, come parte del normale funzionamento dell'organizzazione. Ciò riguarda le stesse dimensioni fondamentali che sono state il fattore determinante anche nei livelli precedenti: la gestione dei dati è organizzata in modo tale che le decisioni basate sui risultati dell'AI siano verificabili? L'infrastruttura IT è organizzata in modo che le nuove applicazioni non debbano ogni volta partire da zero? L'organizzazione stessa è strutturata in modo tale che la responsabilità per i processi guidati dall'AI sia collocata in un punto preciso, invece di essere distribuita un po' ovunque?

Al livello insight si osserva spesso che queste domande sono state poste, ma che la risposta varia da una dimensione all'altra. Una dimensione è già così avanzata che il governo diventa possibile; un'altra è ancora al traino di iniziative isolate. Questa differenza di ritmo è esattamente ciò che emerge nella dispersione di un turno di plot: se più persone valutano separatamente, si nota che un rispondente considera l'organizzazione già avanzata sulla gestione dei dati, mentre un altro colloca la stessa dimensione ancora a foundation. Questa dispersione non è rumore. Mostra quale dimensione può sostenere l'attenzione per prima, e quale dimensione deve ancora seguire.

L'ordine che determina il percorso

La tentazione a questo livello è di concentrare l'attenzione sulle dimensioni più visibili — spesso le dimensioni dipendenti, vicine al lavoro quotidiano. Ma le dimensioni fondamentali hanno la precedenza. Se la gestione dei dati non è in ordine, ogni governo basato sui risultati dell'AI resta instabile, per quanto insight sia stato costruito. Se l'infrastruttura IT è frammentata, ogni applicazione resta un'isola, anche se internamente l'organizzazione riesce già a parlarne bene.

Questo non è un ordine diverso da quello valido nei livelli precedenti. È lo stesso ordine, ma in un punto in cui i costi di saltarlo diventano più visibili. A baseline e foundation l'assenza di fondamenta poteva ancora nascondersi dietro il fatto che accadeva poco. A insight c'è già più movimento, e ciò rende una dimensione fondamentale debole più tangibile: governo che non tiene, decisioni non ricostruibili a posteriori, applicazioni che si bloccano non appena superano il confine di un singolo reparto.

Cosa richiede il passo verso intelligence

Il passaggio a intelligence non è una questione di applicare più AI. È una questione di portare le dimensioni fondamentali a un livello tale che le dimensioni dipendenti possano costruirvi sopra in modo strutturale. Questo varia molto da organizzazione a organizzazione: una deve soprattutto consolidare la propria gestione dei dati, un'altra ha un'infrastruttura IT che deve prima essere unificata prima che si possa governare più ampiamente. Ciò che ne risulta dipende da dove la dispersione nel turno di plot è maggiore — è lì che attende il livello successivo.

Chi vuole guardare oltre intelligence, trova nella pagina sul livello successivo a intelligence una descrizione di ciò che nasce quando il governo non è più solo strutturale, ma auto-apprendente. Chi cerca riconoscimento in una fase precedente del percorso, può rileggere in activation come si presentava la fase prima che nascesse la comprensione, oppure verificare cosa significa non appena gli agenti che svolgono lavoro iniziano a giocare un ruolo accanto allo strato di governo che si costruisce a questo livello.

La domanda successiva

Insight le dice dove si trova l'organizzazione nella sua capacità di sostenere l'AI: quali dimensioni sono solide e quali sono ancora precarie. È una domanda diversa da quale parte del lavoro stesso sia effettivamente trasferibile all'AI. Non appena il lato portante è più chiaramente definito, questa seconda domanda diventa rilevante: quale parte dei compiti all'interno di un processo si lascia effettivamente rilevare. È esattamente per questo che è stato creato lo scan del lavoro di FTE TO AI — un metodo di calcolo che stabilisce per ogni compito quale parte del lavoro è idonea per il trasferimento, in modo che il discorso su intelligence non riguardi solo la prontezza, ma anche cosa, non appena tale prontezza è raggiunta, si possa effettivamente guadagnare.