Le organizzazioni scolastiche si differenziano dalla maggior parte degli altri settori per il fatto che l'attività principale in sé – insegnare, guidare, valutare – è difficile da separare dalle persone che la svolgono. Mentre una fabbrica o un negozio può riscrivere i processi senza intaccare l'identità del lavoro, ogni cambiamento in una scuola o in un istituto di istruzione superiore tocca rapidamente la relazione tra docente e studente. Questo non rende il settore più lento nella tecnica, ma sì più prudente nel chiedersi cosa l'AI possa effettivamente fare prima di parlare di 'sostituzione'.
A ciò si aggiunge che gli istituti scolastici sono spesso composti da più livelli che non procedono alla stessa velocità: una direzione, un certo numero di sedi o facoltà, e un ampio gruppo di docenti con metodi di lavoro propri. La maggior parte delle iniziative di AI che incontriamo parte da uno di questi livelli senza che gli altri livelli siano stati coinvolti. Un docente sperimenta con un modello linguistico per il feedback, mentre il reparto IT non ha idea di quali dati lascino l'edificio in quel processo. Una direzione formula una visione sull'AI, mentre la gestione dei dati dei sistemi di monitoraggio degli studenti si basa ancora su carta o su fogli di calcolo isolati. Questa mancata corrispondenza non è una questione di mancanza di volontà, ma di ordine.
Un membro del consiglio di amministrazione, un direttore operativo o un responsabile IT che vede i progetti pilota di AI arenarsi riconosce spesso lo stesso schema: il progetto pilota funziona di per sé, ma non si espande. Ciò raramente è dovuto a una carenza della tecnologia. Più spesso manca uno dei livelli fondamentali necessari per sostenere un progetto pilota: una struttura organizzativa in grado di prendere e assegnare decisioni sull'AI, un'infrastruttura IT in grado di integrare in modo sicuro nuove applicazioni, e una gestione dei dati che sia a posto prima che un modello possa farne qualcosa di sensato. Solo quando questi tre elementi sono presenti, ha senso guardare ai livelli dipendenti: come le persone lavorano con essi, quali informazioni ne derivano e quanto intelligentemente l'organizzazione li gestisce alla fine.
Nell'istruzione questo pesa più che altrove, perché i livelli fondamentali sono spesso cresciuti storicamente attorno a scelte pedagogiche, non attorno a scelte tecniche. Un'amministrazione scolastica è organizzata per rendere conto all'ispettorato, non per fornire dati riutilizzabili per applicazioni di AI. Un reparto IT è spesso piccolo e orientato alla gestione, non all'integrazione di nuovi sistemi. Non si tratta di una mancanza, ma di una priorità diversa, stabilita decenni fa, che oggi incide sulla rapidità con cui l'AI si radica davvero.
La misurazione di hybridresourcing considera sette dimensioni, distribuite su cinque livelli, dal baseline all'intelligence. Per gli istituti scolastici emerge che il punteggio su organizzazione e gestione dei dati resta spesso indietro rispetto al punteggio su ambizione o su applicazioni individuali. Spesso c'è già qualcuno che lavora con l'AI, talvolta anche a un livello avanzato, mentre l'organizzazione nel suo insieme si trova ancora al primo livello per quanto riguarda il processo decisionale e l'assetto dei dati. Questa dispersione diventa visibile nel round di plotting, in cui più persone all'interno della stessa istituzione ottengono punteggi separati. Nelle organizzazioni scolastiche questa dispersione è spesso maggiore della media, proprio perché direzione, IT e personale docente raramente operano partendo dalla stessa visione.
Questa dispersione non è di per sé un problema. È informazione. Un dirigente che ritiene che l'organizzazione sia pronta per l'AI su larga scala, e un responsabile IT che sa che l'infrastruttura non è ancora in grado di sostenerla, hanno entrambi ragione dal proprio punto di vista. La misurazione rende esplicita questa differenza, così che il dialogo possa concentrarsi su cosa deve essere messo a posto prima, invece che su chi ha ragione.
Le sette dimensioni non sono equivalenti nel tempo. Organizzazione, infrastruttura IT e gestione dei dati sono le dimensioni su cui si basano le altre quattro. Una scuola che vuole lavorare su insight o intelligence senza avere i dati a posto costruisce su sabbie mobili. Questo vale per gli istituti scolastici tanto quanto per le aziende del commercio al dettaglio che faticano con ritardi simili nella gestione dei dati o per il settore della ristorazione e ospitalità, dove le strutture organizzative sono spesso altrettanto frammentate tra le varie sedi. Il settore cambia, l'ordine no.
Ciò rende la domanda 'fino a che punto siamo arrivati' meno una domanda su un punteggio e più una domanda su dove manchi la fondazione. Un istituto che sulla carta ottiene un punteggio ambizioso sull'uso dell'AI, ma non ha visione della propria infrastruttura IT, non potrà realizzare quell'ambizione senza prima tornare alle basi. È anche ciò che mostrano gli istituti del settore ICT e dei servizi finanziari: un'ambizione elevata sulle dimensioni dipendenti non compensa una fondazione debole.
La misurazione della maturità di hybridresourcing è in fase di sviluppo. Chi vuole sapere come si posiziona la propria istituzione sulle sette dimensioni, e come tale punteggio si rapporti a quello dei colleghi all'interno della stessa organizzazione, può iscriversi alla lista d'attesa. Non esiste ancora uno strumento da utilizzare oggi; esiste però un'idea chiara di ciò che la misurazione produrrà non appena sarà disponibile.
Questa pagina riguarda la domanda se un'organizzazione scolastica possa sostenere l'AI: se la fondazione è a posto prima di costruirci sopra qualcosa. Un'altra domanda, che diventa utile solo dopo, è cosa l'AI possa concretamente sostituire all'interno dell'istruzione. Per questo è pensata la scansione del lavoro di FTE TO AI: che calcola, per ogni compito, quale parte del lavoro si presta a essere sostituita dall'AI, indipendentemente dal fatto che l'organizzazione nel suo insieme sia già pronta per questo. Chi combina entrambe le domande ottiene non solo una visione delle possibilità, ma anche dell'ordine in cui possono diventare realtà.
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.