Baseline is het eerste van de vijf niveaus in de volwassenheidsmeting van hybridresourcing. Het is geen negatief oordeel. Het beschrijft een organisatie waar de zeven dimensies — waaronder organisatie, IT-infrastructuur en datamanagement — nog geen structuur hebben die AI kan dragen. Er is misschien al met AI geëxperimenteerd. Er lopen pilots, er zijn licenties aangeschaft, iemand in het team gebruikt een taalmodel voor rapporten. Dat verandert niets aan het niveau. Baseline gaat over wat er staat, niet over wat er al geprobeerd is.
Op baseline-niveau ontbreekt een gedeeld beeld van wie waarvoor verantwoordelijk is als het om AI gaat. Beslissingen over tools worden genomen op afdelingsniveau, zonder dat iemand overzicht heeft over wat er allemaal draait. De IT-infrastructuur is ingericht voor de werkprocessen van vóór AI: systemen die niet met elkaar praten, geen centrale plek waar gegevens samenkomen, geen visie op wat er nodig is om modellen te laten werken met de data van de organisatie. Datamanagement is er in naam — er is een archief, een CRM, een intranet — maar niemand kan met zekerheid zeggen waar welke data staat, wie erbij mag, en of die data klopt.
De fundamentele dimensies gaan voor de afhankelijke, en dat merkt u op dit niveau het hardst. Een pilot die op zichzelf goed werkt, loopt vast zodra hij moet schalen, omdat de infrastructuur eronder het niet aankan. Een team dat enthousiast een AI-toepassing test, ontdekt dat de data die het nodig heeft nergens gestructureerd beschikbaar is. Dit zijn geen incidenten. Het zijn de voorspelbare gevolgen van een fundament dat nog niet af is.
Baseline betekent niet dat de organisatie stilstaat of dat mensen niet willen. Vaak is het tegenovergestelde waar: er is beweging, er zijn initiatieven, er is budget vrijgemaakt. Wat ontbreekt is niet motivatie maar samenhang. Losse pilots zonder gedeelde infrastructuur, los datagebruik zonder centraal beheer, losse beslissingen zonder gedeeld eigenaarschap. De energie is er. De structuur om die energie op te vangen nog niet.
Het betekent ook niet dat dit niveau lang moet duren of dat er iets mis is met een organisatie die hier start. De meeste organisaties die serieus naar AI kijken, beginnen op baseline of net daarboven. Het niveau is een foto, geen vonnis.
In de plot-ronde van de volwassenheidsmeting scoren meerdere mensen apart, en bij baseline-organisaties valt vaak iets specifieks op: de spreiding tussen respondenten is groot. Waar een IT-verantwoordelijke ziet dat de infrastructuur nog grote gaten heeft, denkt een afdelingshoofd misschien dat het wel goed zit, omdat de tools die zij gebruiken naar behoren werken. Die spreiding is zelf een signaal. Ze laat zien dat er nog geen gedeeld beeld is van waar de organisatie staat — en dat gebrek aan gedeeld beeld is precies wat baseline kenmerkt.
De overgang van baseline naar het volgende niveau vraagt niet om meer AI-projecten. Het vraagt om iets voor te laten gaan aan de rest: heldere verantwoordelijkheden, een infrastructuur die gegevens kan verzamelen en ontsluiten, en een datamanagement dat betrouwbaar genoeg is om op te bouwen. Zonder die basis blijft elke volgende stap tijdelijk, omdat hij op zand staat.
Wat die overgang concreet betekent voor uw organisatie, verschilt per situatie — dat hangt af van sector, omvang en van welke van de zeven dimensies het meest achterblijft. Hoe u van baseline naar het volgende niveau komt beschrijft welke bewegingen daarbij horen. Ter vergelijking is het ook nuttig te zien waar de stap naartoe leidt: wat het niveau foundation in de praktijk betekent laat zien hoe een fundament eruitziet zodra de basisstructuur wel staat. Voor organisaties die verder willen kijken dan de volgende stap alleen, beschrijft wat het niveau insight in de praktijk betekent hoe volwassenheid zich verder ontwikkelt zodra data en infrastructuur op orde zijn.
De volwassenheidsmeting van hybridresourcing kijkt naar de vraag of een organisatie AI kan dragen: is het fundament er, staat de structuur, is er een gedeeld beeld van verantwoordelijkheden en data. Dat is een andere vraag dan welk deel van het werk zelf voor AI in aanmerking komt. Een organisatie op baseline-niveau kan best werkprocessen hebben waarin veel taken zich lenen voor overname door AI — alleen ontbreekt nog de structuur om dat op een houdbare manier te doen. Wie wil weten hoeveel van het werk zelf, per taak, over te nemen is door AI, vindt dat antwoord niet in de volwassenheidsmeting maar in de werkscan van FTE TO AI. Die rekent per taak uit welk deel geschikt is voor AI, los van de vraag of de organisatie daar al klaar voor is. Beide antwoorden samen — is de organisatie er klaar voor, en is het werk er klaar voor — geven het volledige beeld voordat u ergens in investeert.
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.