Intelligence è il quinto livello nella misurazione della maturità di hybridresourcing, dopo baseline, foundation, activation e insight. È il livello in cui le sette dimensioni — dall'organizzazione e l'infrastruttura IT alla gestione dei dati e le dimensioni dipendenti che vi si aggiungono — non funzionano più separatamente, ma sono calibrate l'una sull'altra. Questo suona astratto finché non si osserva cosa succede, e cosa non succede più, nella pratica.
Ai livelli inferiori, l'AI opera in progetti pilota, isolati tra loro, con proprietà variabile. Al livello intelligence questo schema è superato. Le decisioni su nuove applicazioni non vengono più prese progetto per progetto, ma seguono da una struttura già esistente: proprietà chiara, dati reperibili e affidabili, infrastruttura in grado di espandersi senza che ogni iniziativa si scontri di nuovo con gli stessi limiti. L'organizzazione non ha una singola applicazione di successo, ma un modo di lavorare in cui le applicazioni si rafforzano a vicenda invece di ostacolarsi.
Ciò non significa che tutto vada automaticamente bene. Significa che quando qualcosa va storto, l'organizzazione sa a cosa è dovuto e come correggerlo. Le dimensioni fondamentali portano allora il peso delle dimensioni dipendenti, come deve essere: prima si stabilisce la base, e solo dopo l'applicazione che su di essa si appoggia.
Al livello insight l'organizzazione vede spesso già bene cosa sta succedendo: c'è visibilità su cosa funziona e cosa no, si misura e si corregge la rotta. Ciò che manca ancora al livello insight è il modo in cui queste intuizioni vengono elaborate strutturalmente nell'assetto dell'organizzazione. Intelligence è il passo in cui quella conoscenza non è più un rapporto, ma parte del funzionamento stesso. Chi desidera saperne di più su questa transizione trova un approfondimento in come si passa da insight al livello successivo.
La dispersione tra i rispondenti a questo livello è generalmente inferiore rispetto ai livelli sottostanti. A baseline e foundation i reparti spesso ottengono punteggi molto diversi tra loro, perché alcuni sono già più avanti di altri. Al livello intelligence questa dispersione è di norma più contenuta, non perché tutti siano d'accordo su tutto, ma perché la struttura stessa lascia meno spazio a grandi differenze di percezione. È un aspetto su cui il round di plotting della misurazione offre visibilità: non solo il livello medio, ma anche quanto univoca sia questa immagine all'interno dell'organizzazione.
Intelligence è il livello più alto in questa misurazione, e questo solleva la domanda su cosa resti ancora da fare. La risposta è che raggiungere un livello non è un punto finale. L'infrastruttura invecchia, i team cambiano, nuove applicazioni portano nuovi requisiti in termini di dati e gestione. Il mantenimento di questo livello richiede tanta attenzione quanto il raggiungerlo, e la domanda si sposta da 'come arriviamo qui' a 'come manteniamo questo risultato mentre l'organizzazione e la tecnologia continuano a cambiare'. Un approfondimento di questa domanda si trova in come continuare a costruire a partire da intelligence.
Per le organizzazioni che non hanno ancora raggiunto questo livello, è utile sapere che il percorso non si compie in un solo passo. Il tragitto passa attraverso i livelli sottostanti, e le domande rilevanti a ciascun livello sono diverse. Chi si chiede come si presentano i primi passi lo trova descritto in come si passa da baseline al livello successivo e nel passo successivo, descritto in come si passa da activation al livello successivo.
Raggiungere il livello intelligence dice qualcosa sulla misura in cui un'organizzazione è strutturata per sostenere applicazioni di AI. Non dice nulla su quali compiti all'interno di quell'organizzazione siano adatti a essere svolti dall'AI, e in che misura. Questa è una domanda diversa, con uno strumento diverso.
La misurazione della maturità di hybridresourcing riguarda il lato del sostegno: l'organizzazione, l'infrastruttura e la gestione dei dati sono strutturati in modo tale che le applicazioni di AI possano funzionare senza incontrare limiti fondamentali. Questa domanda è condizionata dall'altra domanda, cioè quale parte del lavoro stesso sia effettivamente idonea per l'AI. Per questa domanda esiste la scansione del lavoro di FTE TO AI, che calcola per ogni compito quale parte del lavoro può essere ripresa. Un'organizzazione al livello intelligence ha la struttura in atto per fare qualcosa con i risultati di tale scansione; chi vuole sapere cosa produce concretamente una scansione del lavoro quando l'AI inizia effettivamente a svolgere compiti, lo trova in cosa si può fare con agenti che svolgono il lavoro.
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.