Kennisbank

Persone e competenze: la dimensione che non si risolve con un corso

Perché questa dimensione è a parte

Delle sette dimensioni della misurazione della maturità, persone e competenze è il motivo più citato per cui un pilota di AI non riesce a crescere. Non perché le persone non vogliano, ma perché la competenza è qualcosa di diverso dalla conoscenza. Qualcuno può sapere cos'è un modello linguistico e tuttavia non sapere quando il risultato è affidabile. Quel divario tra sapere e saper applicare è esattamente ciò che questa dimensione misura.

La dimensione è collegata ad altre dimensioni fondamentali. Le competenze si sviluppano con difficoltà se l'organizzazione stessa non è predisposta per apprendere con l'AI, e esercitarsi con applicazioni di AI funziona male se l'infrastruttura IT non offre un ambiente per sperimentare in sicurezza. Chi pensa solo in termini di budget per la formazione perde di vista questo ordine.

Cosa significano i cinque livelli nella pratica

Al livello baseline, un piccolo numero di persone lavora con strumenti di AI di propria iniziativa, fuori dalla vista dell'organizzazione. Non esiste un'idea condivisa di cosa funziona e cosa non funziona, e quello che una persona apprende resta con quella persona. Cosa significa baseline nella pratica non è dunque mancanza di interesse, ma assenza di struttura per sfruttare quell'interesse.

Al livello foundation esiste una prima base condivisa: alcune persone hanno sviluppato competenze simili, è nato un vocabolario comune, ed esperienze isolate vengono condivise di tanto in tanto. Cosa significa foundation nella pratica è il passaggio dall'uso individuale a qualcosa che comincia ad assomigliare a un team che comprende le stesse cose.

Al livello activation le persone applicano l'AI in modo strutturale nei propri compiti e riconoscono per cosa è adatta e per cosa non lo è. Al livello insight il baricentro si sposta: le persone non solo sanno usare l'AI, ma sanno anche valutare se un risultato è corretto e perché. Al livello intelligence quella valutazione non è più un passaggio separato, ma parte del modo normale di lavorare, diffusa nell'organizzazione invece che concentrata in pochi early adopter.

Da dove nasce la dispersione nel round di plotting

In questa dimensione si crea spesso la differenza maggiore tra il punteggio dato da un CIO e quello dato da un team leader. Un CIO vede i corsi che sono stati organizzati e li considera un progresso. Un team leader vede che quel corso ha cambiato poco il modo in cui il lavoro viene effettivamente svolto, e dà un punteggio più basso. Entrambe le osservazioni sono corrette; misurano semplicemente una parte diversa della stessa dimensione. Offerta e applicazione non sono la stessa cosa, e il round di plotting mette esattamente in luce quel divario invece di livellarlo con una media.

Da cosa dipende un livello superiore

Salire di un livello in persone e competenze non dipende principalmente dal budget per i corsi. Dipende dalla ripetizione: persone che continuano ad applicare l'AI a lavoro reale, non a esempi esercitati. Dipende dal tempo che è effettivamente disponibile oltre ai compiti ordinari, e non solo assegnato sulla carta. E dipende da un ambiente in cui commettere errori durante l'apprendimento non è motivo per tornare al vecchio modo di lavorare.

Inoltre, il passaggio dipende dal fatto che la competenza venga rese visibile e condivisa. Qualcuno che imparerà bene a controllare un risultato dell'AI fa progredire l'organizzazione solo se quel modo di lavorare arriva in un punto dove altri possono farlo proprio. Senza questo meccanismo, ogni progresso resta legato a una singola persona, e scompare non appena quella persona cambia ruolo.

Ciò rende immediatamente evidente perché questa dimensione difficilmente si può correggere isolatamente. Il modo in cui si apprende, se qualcuno ha ottenuto buoni risultati, e se quell'apprendimento viene riconosciuto e premiato, riguarda direttamente quanto è maturo il performance management. E la competenza si sviluppa anche più lentamente se i dati con cui le persone si esercitano sono inattendibili, motivo per cui questa dimensione raramente è indipendente da quanto è maturo il data management.

Cosa non risponde questo

Questa dimensione mostra se le persone di un'organizzazione sono pronte a lavorare con l'AI a un livello adeguato all'ambizione. Non mostra quale parte di una funzione specifica l'AI può assumere, e quale parte deve rimanere a una persona. Questa è una domanda diversa, a cui si risponde per compito e non per organizzazione. La werkscan di FTE TO AI calcola quale parte del lavoro in un ruolo è adatta a essere trasferita all'AI, compito per compito. Mentre questa pagina descrive se le persone sono pronte a guidare quel trasferimento, la werkscan mostra esattamente cosa può essere trasferito — e questa è una domanda utile solo quando il lato che riceve, come qui descritto, è a un livello solido.