Il performance management è una delle sette dimensioni con cui hybridresourcing misura la maturità di un'organizzazione quando si tratta di AI. Questa dimensione riguarda qualcosa di specifico: è in grado di stabilire se il lavoro supportato o svolto dall'AI diventa effettivamente migliore, più veloce o più economico? Molte organizzazioni avviano progetti pilota senza poter rispondere a questa domanda, e per questo restano bloccate in una fase di tentativi senza poter dimostrare cosa hanno prodotto.
Il performance management può diventare maturo solo se altre dimensioni hanno già costruito qualcosa su cui basarsi. Senza dati affidabili derivanti dal data management, una misurazione delle prestazioni è una stima. Senza responsabilità chiare provenienti dalla dimensione organizzativa, come illustrato nella pagina su quanto costa far salire l'organizzazione di un livello, nessuno è responsabile del risultato. E senza un'infrastruttura IT in grado di registrare e ripetere le misurazioni, come discusso nella pagina su quanto costa far salire l'infrastruttura IT di un livello, ogni misurazione resta un fatto isolato. Questo è il motivo per cui questa dimensione, nella misurazione, può salire di livello solo quando le dimensioni fondamentali già sostengono qualcosa.
Baseline. Non esiste un modo fisso per valutare se il lavoro supportato dall'AI ottiene prestazioni migliori rispetto al vecchio modo di lavorare. Le valutazioni sono occasionali e legate a singole persone. Se qualcuno se ne va, scompare anche l'unica visione che esisteva.
Foundation. Ci sono misurazioni isolate, di solito per progetto o per pilota. Vengono raramente confrontate, e non c'è un momento fisso in cui qualcuno verifica se l'effetto previsto si è effettivamente verificato. La misurazione esiste, ma non funziona come processo di apprendimento.
Activation. C'è un ritmo ricorrente: le misurazioni vengono ripetute in momenti fissi e comunicate alle persone che svolgono il lavoro. L'organizzazione comincia a vedere degli schemi, anche se non vengono ancora registrati sistematicamente né confrontati tra i vari reparti.
Insight. Le misurazioni vengono utilizzate per correggere la rotta, non solo per riferire. C'è una visione condivisa di cosa funziona e cosa non funziona, e questa visione porta ad adattamenti nel modo in cui viene impiegata l'AI. Team diversi possono confrontare i loro risultati perché il metodo di misurazione è lo stesso.
Intelligence. Il performance management è integrato nel modo in cui vengono prese le decisioni sull'AI. I risultati degli impieghi precedenti alimentano direttamente le scelte per le nuove applicazioni. L'organizzazione può motivare perché qualcosa viene scalato oppure no, invece di basarsi su un'impressione o su chi si batte con più forza per un pilota successivo.
Il livello di questa dimensione non risiede solo in uno strumento o in una dashboard. Risiede nel comportamento che li circonda: dopo un pilota si torna a guardare indietro, oppure si passa immediatamente al successivo? Qualcuno nella sua organizzazione è in grado di mostrare su richiesta cosa ha effettivamente prodotto un'applicazione di AI, a prescindere da un'ipotesi fatta in anticipo? Un risultato deludente viene discusso, oppure dimenticato in silenzio? Non sono domande tecniche. Riguardano il fatto che si sia sviluppata l'abitudine di osservare, non solo di agire.
All'interno di questa dimensione si crea spesso una grande dispersione tra chi compila il round di rilevazione. Un manager operativo vede quotidianamente le misurazioni isolate della fase di activation e attribuisce all'organizzazione un punteggio più alto di quanto la realtà giustifichi, perché per lui quelle misurazioni sono tangibili. Un CFO che vede solo il report trimestrale attribuisce un punteggio più basso, perché non ha una visione continua di cosa è stato misurato nel frattempo. Entrambe le immagini sono vere per chi le fornisce. La dispersione stessa è l'informazione: dimostra che non esiste una visione condivisa e trasversale all'organizzazione sulle prestazioni, il che di per sé costituisce già un'affermazione sul livello.
Un passo da baseline a foundation richiede soprattutto disciplina: scegliere un momento fisso per tornare a guardare indietro e non lasciare che quel momento svanisca sotto la pressione del pilota successivo. Un passo verso activation richiede un processo ripetibile, il che a sua volta è legato a quanto sia matura l'infrastruttura sottostante. Un passo verso insight o intelligence richiede che le misurazioni siano sufficientemente affidabili da poterci basare delle decisioni, e questo riconduce alla qualità dei dati e a chi, all'interno dell'organizzazione, ha l'autorità di correggere la rotta sulla base di quelle misurazioni. Anche dimensioni come l'etica e la privacy e la sicurezza entrano in gioco: una misurazione delle prestazioni che trascura la domanda se un risultato sia stato raggiunto in modo responsabile è una misurazione incompleta. Quanto costa esattamente un passo in più, in termini di tempo, attenzione o risorse, varia da organizzazione a organizzazione e dipende da dove si trovano le altre dimensioni. Per questo hybridresourcing lavora con un round di rilevazione invece che con un piano a fasi fisso: prima rendere visibile dove ci si trova e dove le opinioni divergono, prima di stabilire cosa sia necessario.
Questa pagina riguarda il fatto che la sua organizzazione sia in grado di stabilire cosa produce l'AI, indipendentemente da quale lavoro specifico riguardi. È una domanda diversa da quali compiti si lasciano riprendere e in quale misura. Chi vuole saperlo, per singolo compito e sulla base di ciò che il lavoro stesso comporta, lo trova nella scansione del lavoro di FTE TO AI. Il performance management e la scansione del lavoro si completano a vicenda: l'una misura se lei è in grado di valutare un risultato, l'altra calcola quale parte del lavoro c'è da valutare.
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.