Er is een verleiding om AI-gereedheid te benaderen als een verzameling losse thema's die u naar wens kunt combineren. Kies wat urgent voelt, meet dat, ga verder. De volwassenheidsmeting van hybridresourcing werkt niet zo, en dat is geen stijlkeuze.
De zeven dimensies zijn niet gelijkwaardig in tijd. Organisatie, IT-infrastructuur en datamanagement zijn fundamenteel: zonder een werkende basis daar heeft alles wat erop volgt geen grond om op te staan. De overige dimensies zijn afhankelijk. Ze veronderstellen dat het fundament al iets kan dragen. Dit is een technische volgorde, vergelijkbaar met een fundering die er moet liggen voordat een verdieping zin heeft. U kunt de verdieping wel bouwen zonder fundering, maar wat u dan meet is niet wat u denkt te meten.
Organisaties die beginnen bij de afhankelijke dimensies — laten we zeggen bij hoe teams AI-uitkomsten interpreteren, of hoe snel besluiten worden bijgesteld — krijgen scores die aanvoelen als vooruitgang maar die geen betekenis hebben zonder de onderlaag. Een team kan uitstekend zijn in het interpreteren van AI-output terwijl de data waarop die output steunt onbetrouwbaar is. Die score op de afhankelijke dimensie zegt dan iets over vaardigheid, maar niets over of het resultaat te vertrouwen is.
De fundamentele dimensies zijn daarom niet belangrijker in de zin van prestige. Ze zijn eerder in de zin van logica. Datamanagement bepaalt wat er inhoudelijk mogelijk is. IT-infrastructuur bepaalt wat er technisch schaalbaar is. Organisatie bepaalt wie waarvoor verantwoordelijk is als het misgaat. Zonder die drie is elke score op de overige dimensies een score zonder fundament.
De methode werkt met een plot-ronde: meerdere mensen binnen dezelfde organisatie scoren onafhankelijk van elkaar op alle zeven dimensies. Wat daarna zichtbaar wordt, is vaak informatiever dan de score zelf. Spreiding tussen respondenten is een signaal. Als de CIO de IT-infrastructuur op een hoger niveau plaatst dan de teams die er dagelijks mee werken, zegt dat iets over wie welk beeld heeft van de werkelijkheid — en dat is precies het gesprek dat voorafgaat aan elke andere stap.
Deze spreiding is nadrukkelijk geen fout in de meting. Het is de meting. Een organisatie waarin iedereen exact hetzelfde niveau scoort, heeft ofwel een uitzonderlijk gedeeld beeld, ofwel niemand heeft goed nagedacht over de vraag. Beide zijn mogelijk; de plot-ronde maakt het verschil zichtbaar in plaats van het weg te middelen tot één cijfer.
De volwassenheidsmeting zegt niets over welke taken AI kan overnemen. Ze zegt niets over hoeveel tijd een implementatie kost, en niets over wat een AI-project financieel oplevert. Ze levert geen percentage, geen doorlooptijd, geen bedrag — omdat die cijfers niet uit een gereedheidsmeting kunnen komen. Wat de methode wel oplevert is een plaatsing op vijf niveaus — baseline, foundation, activation, insight, intelligence — per dimensie, en een beeld van waar de organisatie het meest uiteenloopt in haar eigen zelfbeeld.
Dit is ook waarom de methode geen advies geeft over wat u vervolgens zou moeten doen. Er is geen "u zou moeten" in deze uitkomst. Er is een uitkomst, en de organisatie bepaalt zelf wat daarmee te doen staat. Dat onderscheid is niet vrijblijvend bedoeld; het is een grens die hoort bij een instrument dat meet, niet adviseert.
De volwassenheidsmeting beantwoordt de vraag of een organisatie AI kan dragen. Ze beantwoordt niet de vraag welk werk AI zou kunnen overnemen — dat is een ander vraagstuk, met een andere schaal en een andere logica. Het verschil tussen die twee vragen wordt uitgewerkt in het onderscheid tussen AI dragen en AI overnemen, en het is de moeite waard om dat onderscheid scherp te hebben voordat u een meting interpreteert als een uitspraak over iets anders dan wat ze meet.
De volgorde tussen fundamenteel en afhankelijk raakt ook aan wat een organisatie mag automatiseren en wat niet. Wie zich afvraagt wat er in kaart gebracht moet worden voordat automatisering serieus overwogen kan worden, vindt aanknopingspunten in wat er hoort in een besluiten-inventaris, en wie zich afvraagt waar de grens ligt vindt die uitgewerkt in welke besluiten nooit geautomatiseerd mogen worden. Beide vragen veronderstellen een organisatie die al weet waar ze staat — wat precies is wat deze meting oplevert.
Omdat gereedheid geen vaste toestand is, is ook de vraag relevant hoe vaak deze meting herhaald moet worden; dat komt aan de orde in hoe vaak een volwassenheidsmeting opnieuw nodig is.
Als de fundamentele dimensies op orde zijn, of in elk geval in kaart gebracht, ontstaat een andere vraag: welk deel van het feitelijke werk in de organisatie zich laat overnemen door AI. Dat is niet wat deze meting beantwoordt. Dat is waar de werkscan van FTE TO AI voor bedoeld is: een rekening per taak, die uitwijst welk deel van het werk zich laat overnemen en welk deel bij mensen blijft. De volwassenheidsmeting bepaalt of de grond stevig genoeg is; de werkscan rekent uit wat er op die grond gebouwd kan worden.
De volwassenheidsmeting van hybridresourcing is in ontwikkeling. Wie de uitkomst van deze meting wil gebruiken zodra ze beschikbaar is, kan zich aanmelden voor de wachtlijst.
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.