Le applicazioni di AI contano sui dati. Non sui dati che si immagina di avere, ma sui dati come sono effettivamente archiviati, definiti e mantenuti. La gestione dei dati è quindi una delle dimensioni fondamentali all'interno della misurazione della maturità: insieme a organizzazione e infrastruttura IT, determina se c'è qualcosa su cui costruire. Un'organizzazione può ottenere un punteggio elevato su persone e competenze o su gestione delle prestazioni e comunque constatare che ogni applicazione di AI si blocca perché nessuno può dire con certezza quale versione di un database clienti sia quella corretta. Quest'ordine non è una scelta nostra; è l'ordine in cui funziona.
La gestione dei dati riguarda lo stato dei dati che un'organizzazione utilizza per lavorare e decidere. Le definizioni sono fisse, oppure "cliente attivo" significa qualcosa di diverso in ogni reparto. Esiste un proprietario individuabile per ogni set di dati, oppure nessuno sa chi è responsabile quando un campo è errato da anni. I dati vengono registrati una sola volta e prelevati sempre dalla stessa fonte, oppure esistono tre esportazioni che nel frattempo divergono tra loro. Le domande nella misurazione non riguardano la quantità di dati o il tipo di sistema, ma l'affidabilità e la provenienza di ciò che è presente.
I cinque livelli vanno da baseline a intelligence, e nella gestione dei dati la differenza tra questi livelli è spesso più concreta da riscontrare rispetto ad altre dimensioni. Al livello baseline i dati esistono soprattutto a livello locale: in foglio di calcolo, nella testa di un collega, in un sistema che nessuno comprende più completamente. Al livello foundation i set di dati principali sono stati identificati ed esiste un inizio di responsabilità (ownership), anche se le definizioni divergono ancora. Cosa significhi in pratica il livello foundation, anche per altre dimensioni, è descritto in cosa significa in pratica il livello foundation, e lo stesso vale per il punto di partenza stesso in cosa significa in pratica il livello baseline. Al livello activation le definizioni sono per lo più condivise ed esiste un processo per segnalare le deviazioni. Al livello insight i dati vengono utilizzati attivamente per fondare le decisioni, con visibilità su qualità e provenienza. Al livello intelligence la gestione dei dati non è più un percorso separato ma una caratteristica fissa del modo in cui l'organizzazione lavora.
Il giro di plotting rende visibile se questa stima è corretta. Quando il CIO posiziona la gestione dei dati al livello activation e i team che ci lavorano quotidianamente al livello baseline, questa dispersione dice più sulla situazione reale della media delle due valutazioni. Spesso risulta che i sistemi sono impostati a un livello più alto rispetto al comportamento che vi si svolge: esiste un sistema centrale, ma le persone lavorano ancora in parallelo con file propri perché non si fidano del sistema.
Quanto costa passare da baseline a foundation dipende da quanto sono frammentati i dati attualmente e da quanti reparti utilizzano una propria versione della verità. Il lavoro consiste allora soprattutto nell'individuare la responsabilità (ownership) e nel fissare le definizioni, non in nuova tecnologia. Da foundation ad activation richiede più spesso un passo tecnico: designare un'unica fonte, eliminare le altre o renderle di sola lettura. Da activation a insight il peso si sposta sulla governance: chi può modificare cosa, come viene controllata la qualità, cosa succede quando viene trovato un errore. Quanto lungo e quanto pesante sia questo percorso dipende dalle dimensioni dell'organizzazione, dal numero di sistemi che gestiscono dati e dal grado in cui le persone sono già abituate a considerare un'unica fonte come quella guida. Questo non si può racchiudere in un importo fisso o in una durata fissa; dipende da dove si concentra la dispersione nel vostro giro di plotting.
La gestione dei dati raramente è isolata. Un'organizzazione che non si fida dei propri dati avrà anche difficoltà con quanto costa far salire di un livello privacy e sicurezza, perché non si può proteggere ciò che non si è mappato. Al contrario, una gestione dei dati solida può gettare le basi su cui quanto costa far salire di un livello la gestione delle prestazioni diventa più facile da rispondere, poiché la gestione delle prestazioni ha bisogno di dati affidabili per poter misurare qualcosa. Anche la domanda quanto costa far salire di un livello l'etica tocca direttamente la gestione dei dati: gestire i dati in modo responsabile inizia con il sapere cosa si ha e da dove proviene. Chi affronta queste dimensioni separatamente rischia che il lavoro su una dimensione venga bloccato da un ritardo in un'altra.
Questa misurazione mostra se l'organizzazione ha i dati, i sistemi e le persone per sostenere l'AI. Questa è una domanda diversa da quale parte del lavoro l'AI può effettivamente rilevare. Non appena è chiaro dove si trovano le dimensioni fondamentali, inclusa la gestione dei dati, diventa utile verificare per ogni compito cosa l'AI può fare e cosa non può fare. Questo è il dominio della scansione del lavoro di FTE TO AI: essa calcola per ogni compito quale parte del lavoro può essere rilevata, partendo dai dati e dai sistemi che sono effettivamente presenti in quel momento.
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.