Baseline is het niveau waarop de meeste organisaties beginnen. Er is AI-gebruik, maar het draait op individuen: iemand op de IT-afdeling die met een taal-model experimenteert, een marketeer die tekst laat genereren, een enkele manager die vraagt of een proces sneller kan. Er is geen gedeelde aanpak, geen gedeeld beeld van wat werkt en geen structuur die vasthoudt wat er wordt geleerd. Als die persoon vertrekt of een ander project krijgt, verdwijnt de kennis met hem mee.
Op baseline ontbreekt niet de wil, maar het fundament. De zeven dimensies die de volwassenheidsmeting onderscheidt — waaronder organisatie, IT-infrastructuur en datamanagement — staan op dit niveau nog los van elkaar of zijn nauwelijks ingevuld. Dat is geen tekortkoming; het is de staat waarin een organisatie verkeert voordat ze bewust is gaan bouwen.
Een paar signalen komen op baseline steevast terug. Er is geen overzicht van waar AI al wordt gebruikt binnen de organisatie, laat staan een gezamenlijk beeld van wat dat gebruik oplevert. Beslissingen over AI worden genomen op de plek waar de vraag toevallig ontstaat, niet op basis van een afweging die de hele organisatie raakt. Data staat versnipperd in systemen die niet met elkaar praten, wat elke stap naar iets structureels vertraagt. En er is geen gemeenschappelijke taal: wat de ene afdeling AI noemt, is voor de andere iets anders.
De plot-ronde binnen de volwassenheidsmeting maakt dit vaak zichtbaar voordat er woorden voor zijn. Wanneer meerdere mensen binnen dezelfde organisatie apart scoren, valt op baseline vaak een grote spreiding op: de ene respondent ziet vooruitgang die de andere niet herkent. Die spreiding is zelf een signaal. Ze laat zien dat er nog geen gedeeld beeld bestaat van waar de organisatie staat, en dat is precies wat baseline kenmerkt.
De weg van baseline naar het volgende niveau begint niet bij een nieuwe toepassing, maar bij de fundamentele dimensies. Organisatie, IT-infrastructuur en datamanagement gaan voor de dimensies die daarvan afhankelijk zijn. Dat is geen voorkeur, het is de volgorde waarin het werkt: een organisatie die iets wil bouwen op AI zonder dat de data op orde is of zonder dat duidelijk is wie waarover beslist, bouwt op drijfzand.
Concreet betekent dit dat er eerst overzicht moet komen. Wie doet binnen de organisatie al iets met AI, en op basis van welke gegevens? Waar staat data die relevant is voor die toepassingen, en is die toegankelijk en betrouwbaar genoeg om op te bouwen? Is er iemand of een groep die verantwoordelijkheid draagt voor keuzes over AI, of gebeurt dat nog toevallig? Deze vragen lijken bescheiden, maar ze zijn precies waar de fundamentele dimensies op inzoomen.
De afhankelijke dimensies — die te maken hebben met hoe AI het werk zelf raakt — komen daarna. Op baseline is het nog te vroeg om daar iets zinnigs over te zeggen, omdat het fundament ontbreekt waarop die dimensies kunnen rusten.
De overgang naar foundation vraagt niet dat alles tegelijk op orde komt. Het vraagt dat de organisatie stopt met AI-gebruik als iets dat toevallig bij individuen ontstaat, en begint met het vastleggen van wat er is: welke data er bestaat, wie waarover beslist, welke systemen met elkaar moeten kunnen praten. Dat is minder een technisch traject dan een organisatorisch traject. De techniek volgt meestal, als de structuur er eenmaal is.
Het is ook een traject dat tijd vraagt, en waarvan de duur afhangt van hoeveel er al informeel aanwezig is. Een organisatie waar één afdeling al een tijd bewust met data werkt, heeft een kortere weg te gaan dan een organisatie waar dat nergens het geval is. Wat er precies nodig is om van foundation verder te bewegen, en welke dimensies daarbij als eerste aandacht vragen, staat beschreven op de pagina die uitlegt hoe u van foundation naar het volgende niveau komt. Verderop in de reeks, voor organisaties die al verder zijn, staat ook beschreven hoe activation zich verhoudt tot het niveau daarna en wat insight vraagt om door te groeien naar intelligence.
Baseline zegt niets over de ambitie van een organisatie en niets over de kwaliteit van de mensen die er werken. Het zegt iets over de staat van het fundament op een gegeven moment. Organisaties die dit niveau serieus in kaart brengen, ontdekken vaak dat er al meer aanwezig is dan gedacht — losse initiatieven, data die ergens toch wordt bijgehouden, mensen die al verder denken dan hun functie vraagt. De volwassenheidsmeting brengt dat samen tot een beeld waarop een volgende stap kan worden gebouwd, zonder dat beeld in te vullen met een advies dat niet bij de organisatie past.
Deze pagina gaat over gereedheid: over wat er moet staan voordat AI een structurele plek kan krijgen. Dat is een andere vraag dan welk deel van het werk AI daadwerkelijk kan uitvoeren. Zodra het fundament vorm krijgt, wordt die tweede vraag relevant, en dat is precies waar de werkscan van FTE TO AI op aansluit: die rekent per taak uit welk deel van het werk over te nemen is door AI, op basis van de taken zoals ze nu worden uitgevoerd. Wie wil weten wat AI kan overnemen zodra de organisatie er klaar voor is, vindt dat daar terug — inclusief hoe dat verschilt wanneer het gaat om agents die zelfstandig werk uitvoeren of om ketens waarin verschillende stappen elkaar opvolgen.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.