Op het niveau insight is er iets veranderd dat verder gaat dan losse experimenten. De organisatie begrijpt niet alleen dat AI iets doet, maar ook waarom het op de ene plek werkt en op de andere niet. Er is taal ontstaan om dat gesprek te voeren: mensen praten over datakwaliteit, over verantwoordelijkheid bij fouten, over welke processen zich wel en niet lenen voor automatisering. Dat is een ander gesprek dan een jaar eerder, toen de vraag vooral was of een pilot iets opleverde.
Wat kenmerkend is voor dit niveau: inzicht is aanwezig, maar het is nog niet overal verankerd in hoe besluiten genomen worden. De ene afdeling heeft scherp voor ogen welke data ze nodig heeft en welke ontbreekt. De andere afdeling loopt nog te goeder trouw achter een pilot aan zonder dat iemand heeft vastgesteld of de onderliggende infrastructuur het houdt. Insight is dus geen gelijkmatige laag over de organisatie heen. Het is eerder een verzameling plekken waar het licht is aangegaan, met ertussen nog stukken die in het donker staan.
De stap naar het volgende niveau, intelligence, vraagt dat dit inzicht zich vertaalt in sturing. Niet incidenteel — als reactie op een probleem dat zich voordoet — maar structureel, als onderdeel van hoe de organisatie normaal gesproken werkt. Dat raakt dezelfde fundamentele dimensies die ook op eerdere niveaus al de bepalende factor waren: staat de datamanagement zo ingericht dat besluiten op basis van AI-uitkomsten te verantwoorden zijn? Is de IT-infrastructuur zodanig ingericht dat nieuwe toepassingen niet telkens vanaf nul beginnen? Is de organisatie zelf zo vormgegeven dat verantwoordelijkheid voor AI-gedreven processen ergens ligt, in plaats van overal een beetje?
Op het niveau insight ziet u vaak dat deze vragen wel gesteld zijn, maar dat het antwoord per dimensie verschilt. De ene dimensie is al zo ver dat sturing mogelijk is; de andere hangt nog achter losse initiatieven aan. Dat verschil in tempo is precies waar de spreiding in een plot-ronde zichtbaar wordt: als meerdere mensen apart scoren, valt te zien dat de ene respondent de organisatie op datamanagement al ver vindt staan, terwijl een ander diezelfde dimensie nog bij foundation plaatst. Die spreiding is geen ruis. Het laat zien welke dimensie het eerst aandacht verdraagt, en welke dimensie nog moet volgen.
De verleiding op dit niveau is om de aandacht te richten op de dimensies die het meest zichtbaar zijn — vaak de afhankelijke dimensies, dicht bij het dagelijkse werk. Maar de fundamentele dimensies gaan voor. Als de datamanagement niet op orde is, blijft elke sturing op basis van AI-uitkomsten wankel, hoeveel inzicht er ook is opgebouwd. Als de IT-infrastructuur versnipperd is, blijft elke toepassing een eiland, ook als de organisatie er intern al goed over kan praten.
Dit is niet een andere volgorde dan die op eerdere niveaus gold. Het is dezelfde volgorde, maar dan op een punt waarop de kosten van het overslaan ervan zichtbaarder worden. Bij baseline en foundation was het ontbreken van fundament nog te verbergen achter het feit dat er weinig gebeurde. Bij insight is er al meer in beweging, en dat maakt een zwakke fundamentele dimensie eerder voelbaar: sturing die niet houdt, besluiten die achteraf niet te herleiden zijn, toepassingen die stokken zodra ze de grens van één afdeling overschrijden.
De overgang naar intelligence is niet een kwestie van meer AI toepassen. Het is een kwestie van de fundamentele dimensies zo ver op orde brengen dat de afhankelijke dimensies er structureel op kunnen bouwen. Dat verschilt sterk per organisatie: de ene organisatie moet vooral haar datamanagement consolideren, de andere heeft een IT-infrastructuur die eerst moet worden samengebracht voordat er breder gestuurd kan worden. Wat het wordt, hangt af van waar de spreiding in de plot-ronde het grootst is — dat is de plek waar het volgende niveau op wacht.
Wie voorbij intelligence wil kijken, vindt op de pagina over het niveau na intelligence een beschrijving van wat er ontstaat als sturing niet meer alleen structureel is, maar zelflerend. Wie eerder in het traject herkenning zoekt, kan bij activation teruglezen hoe de fase eruitzag voordat inzicht ontstond, of nagaan wat het betekent zodra agents die werk uitvoeren een rol beginnen te spelen naast de sturende laag die op dit niveau wordt opgebouwd.
Insight vertelt u waar de organisatie staat in haar vermogen om AI te dragen: welke dimensies stevig zijn en welke nog los liggen. Dat is een andere vraag dan welk deel van het werk zelf overdraagbaar is aan AI. Zodra de dragende kant scherper in beeld is, wordt die tweede vraag relevant: welk deel van de taken binnen een proces zich daadwerkelijk laat overnemen. Dat is precies waar de werkscan van FTE TO AI voor is gemaakt — een rekenmethode die per taak vaststelt welk deel van het werk voor overname in aanmerking komt, zodat het gesprek over intelligence niet alleen over gereedheid gaat, maar ook over wat er, zodra die gereedheid er is, daadwerkelijk te winnen valt.
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.