Baseline è il primo dei cinque livelli nella misurazione della maturità di hybridresourcing. Non è un giudizio negativo. Descrive un'organizzazione in cui le sette dimensioni — tra cui organizzazione, infrastruttura IT e gestione dei dati — non hanno ancora una struttura in grado di sostenere l'AI. È possibile che si sia già sperimentato con l'AI. Ci sono pilot in corso, sono state acquistate licenze, qualcuno nel team usa un modello linguistico per i rapporti. Questo non cambia nulla riguardo al livello. Baseline riguarda ciò che c'è, non ciò che è già stato provato.
Al livello baseline manca una visione condivisa di chi sia responsabile di cosa quando si tratta di AI. Le decisioni sugli strumenti vengono prese a livello di reparto, senza che nessuno abbia una visione d'insieme di cosa sia effettivamente in uso. L'infrastruttura IT è organizzata per i processi di lavoro precedenti all'AI: sistemi che non comunicano tra loro, nessun punto centrale dove i dati confluiscono, nessuna visione di ciò che è necessario per far funzionare i modelli con i dati dell'organizzazione. La gestione dei dati esiste sulla carta — c'è un archivio, un CRM, un'intranet — ma nessuno può dire con certezza dove si trovino esattamente quali dati, chi possa accedervi e se tali dati siano corretti.
Le dimensioni fondamentali precedono quelle dipendenti, e a questo livello è proprio questo che si avverte con più forza. Un pilot che funziona bene di per sé si blocca nel momento in cui deve scalare, perché l'infrastruttura sottostante non è in grado di sostenerlo. Un team che testa con entusiasmo un'applicazione di AI scopre che i dati di cui ha bisogno non sono disponibili in forma strutturata da nessuna parte. Non si tratta di incidenti. Sono le conseguenze prevedibili di una base non ancora completa.
Baseline non significa che l'organizzazione sia ferma o che le persone non abbiano volontà. Spesso è vero il contrario: c'è movimento, ci sono iniziative, è stato liberato budget. Ciò che manca non è la motivazione ma la coerenza. Pilot isolati senza infrastruttura condivisa, uso dei dati isolato senza gestione centrale, decisioni isolate senza titolarità condivisa. L'energia c'è. La struttura per incanalare quell'energia non ancora.
Non significa nemmeno che questo livello debba durare a lungo o che ci sia qualcosa di sbagliato in un'organizzazione che parte da qui. La maggior parte delle organizzazioni che considera seriamente l'AI inizia da baseline o appena sopra. Il livello è una fotografia, non una sentenza.
Nel giro di valutazione della misurazione della maturità, più persone assegnano un punteggio separatamente, e nelle organizzazioni a livello baseline spesso emerge un aspetto specifico: la dispersione tra i rispondenti è ampia. Dove un responsabile IT vede che l'infrastruttura presenta ancora grandi lacune, un capo reparto potrebbe pensare che vada tutto bene, perché gli strumenti che usa funzionano a dovere. Questa dispersione è essa stessa un segnale. Mostra che non esiste ancora una visione condivisa di dove si trovi l'organizzazione — e questa mancanza di visione condivisa è esattamente ciò che caratterizza baseline.
Il passaggio da baseline al livello successivo non richiede più progetti di AI. Richiede di far precedere il resto da qualcosa: responsabilità chiare, un'infrastruttura in grado di raccogliere e rendere accessibili i dati, e una gestione dei dati sufficientemente affidabile su cui costruire. Senza questa base, ogni passo successivo resta temporaneo, perché poggia su fondamenta instabili.
Cosa significhi concretamente questo passaggio per la vostra organizzazione varia in base alla situazione — dipende dal settore, dalle dimensioni e da quale delle sette dimensioni sia più indietro. Come passare da baseline al livello successivo descrive quali movimenti sono connessi a questo passaggio. Per confronto è anche utile vedere dove porta questo passo: cosa significa in pratica il livello foundation mostra come si presenta una base solida una volta che la struttura di base è stabilita. Per le organizzazioni che vogliono guardare oltre il prossimo passo, cosa significa in pratica il livello insight descrive come si sviluppa ulteriormente la maturità una volta che dati e infrastruttura sono a posto.
La misurazione della maturità di hybridresourcing valuta se un'organizzazione è in grado di sostenere l'AI: se la base c'è, se la struttura è in piedi, se esiste una visione condivisa delle responsabilità e dei dati. Si tratta di una domanda diversa da quale parte del lavoro stesso si presti all'AI. Un'organizzazione a livello baseline può benissimo avere processi di lavoro in cui molte attività si prestano a essere svolte dall'AI — manca solo ancora la struttura per farlo in modo sostenibile. Chi vuole sapere quanta parte del lavoro stesso, per singola attività, possa essere svolta dall'AI, non trova questa risposta nella misurazione della maturità ma nella scansione del lavoro di FTE TO AI. Questa calcola, per ogni attività, quale parte sia adatta all'AI, indipendentemente dal fatto che l'organizzazione sia già pronta o no. Entrambe le risposte insieme — l'organizzazione è pronta, e il lavoro è pronto — offrono il quadro completo prima di investire in qualcosa.
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.