Insight è il quarto dei cinque livelli distinti dalla misurazione della maturità di hybridresourcing: baseline, foundation, activation, insight e intelligence. Un'organizzazione a questo livello ha lasciato dietro di sé la fase degli esperimenti isolati. Dati, infrastruttura IT e struttura organizzativa non sono più tre questioni separate, ma iniziano ad allinearsi tra loro. Questo è ciò che distingue questo livello, dal punto di vista contenutistico, da activation: non più provare se qualcosa funziona, ma vedere perché funziona e dove si blocca.
Al livello insight esiste una comprensione dei propri flussi di dati: dove nasce l'informazione, dove converge e dove si perde tra i reparti. Questa comprensione non è presente per caso in un singolo analista, ma è documentata in un modo che più persone possono consultare e utilizzare. L'infrastruttura IT è organizzata per supportare questi flussi di dati invece di ostacolarli. E l'organizzazione ha distribuito ruoli e responsabilità in modo tale che le decisioni sulle applicazioni di AI non finiscano più per caso o nelle mani di un singolo entusiasta.
Questo livello si riconosce dal tipo di domande che vengono poste all'interno dell'organizzazione. Non più: possiamo provare questo? Ma: perché questa applicazione funziona in un reparto e non in un altro, e cosa ci dice questo sui nostri dati o sulla nostra struttura? Questa domanda può essere posta solo se esiste già una visione sufficiente di ciò che accade. Questa visione è esattamente ciò che insight aggiunge ai livelli precedenti.
Ciò che a questo livello di solito manca ancora è il passaggio dal comprendere al prevedere. Insight fornisce spiegazioni dopo i fatti: perché un pilota è riuscito o non è riuscito, perché un team ha proceduto più velocemente di un altro. Ciò che ancora non c'è è una struttura che indichi già in anticipo dove una prossima applicazione avrà successo o meno. Questo distingue insight da intelligence, il livello in cui questo strato predittivo è già presente. Ciò che questo livello significa nella pratica è descritto in la pagina sul livello intelligence.
Un secondo rischio a questo livello è che la comprensione rimanga confinata a un gruppo limitato di persone. I dati ci sono, l'infrastruttura c'è, ma se la comprensione di ciò che quei dati significano non viene condivisa in tutta l'organizzazione, insight rimane fragile. Non appena quella persona se ne va o quel reparto viene riorganizzato, il livello regredisce. Questo è uno dei motivi per cui la misurazione di hybridresourcing non funziona con un singolo colloquio, ma con un ciclo di plotting: più persone valutano separatamente le sette dimensioni, e la dispersione tra le loro risposte mostra esattamente se la comprensione è condivisa a livello organizzativo o se si basa su una manciata di persone.
Con insight, la dispersione tra i punteggi è spesso più interessante del livello medio stesso. Un'organizzazione può risultare in media a livello insight mentre il reparto IT percepisce la comprensione come approfondita e i team operativi ne percepiscono a malapena qualcosa. Questo divario è esattamente il segnale che indica da dove deve partire il prossimo passo: non da più tecnologia, ma dalla condivisione di ciò che è già compreso. Poiché le dimensioni fondamentali — organizzazione, infrastruttura IT, gestione dei dati — sostengono le dimensioni dipendenti, non ha senso iniziare con applicazioni predittive se la comprensione non è ancora penetrata ovunque.
Il passaggio da insight a intelligence non richiede di raccogliere nuovi dati, ma di trasformare le comprensioni esistenti in qualcosa che guarda avanti invece di guardare indietro. Questo è un compito diverso rispetto ai passaggi precedenti: da baseline al livello successivo si trattava principalmente di costruire una struttura dove mancava, e da activation al livello successivo si trattava di collegare tra loro successi isolati. Con insight il compito è altrove: la comprensione condivisa che già esiste deve tradursi in un sistema che fornisca indicazioni già in anticipo. Ciò che questo passaggio richiede concretamente è descritto in la pagina sul passaggio da insight al livello successivo.
La misurazione della maturità di hybridresourcing risponde a una domanda diversa da quella relativa a compiti e ore. Misura se un'organizzazione può sostenere l'AI: se i dati, l'infrastruttura e la struttura organizzativa sono pronti per ciò che vi si sovrappone. Un'organizzazione al livello insight ha per lo più già in piedi questo supporto. Questo non significa automaticamente che sia chiaro quale parte del lavoro effettivo possa realmente essere rilevata dall'AI — questa è una misurazione diversa, con una scala diversa. Chi vuole sapere quanto dell'attuale lavoro si lascia concretamente rilevare, per compito e per ruolo, lo trova nella scansione del lavoro di FTE TO AI. Questa scansione calcola quale parte del lavoro si lascia rilevare, dato il grado in cui l'organizzazione, secondo questa misurazione, è già pronta per questo.
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.