Van de zeven dimensies in de volwassenheidsmeting is mensen en vaardigheden de meest genoemde reden waarom een AI-pilot niet doorgroeit. Niet omdat mensen niet willen, maar omdat vaardigheid iets anders is dan kennis. Iemand kan weten wat een taalmodel is en toch niet weten wanneer de uitkomst te vertrouwen is. Die kloof tussen weten en kunnen toepassen is precies wat deze dimensie meet.
De dimensie hangt samen met andere fundamentele dimensies. Vaardigheden ontwikkelen zich moeizaam als de organisatie zelf niet is ingericht op leren met AI, en oefenen met AI-toepassingen werkt slecht als de IT-infrastructuur geen omgeving biedt om veilig te experimenteren. Wie alleen in trainingsbudget denkt, mist die volgorde.
Op baseline werkt een klein aantal mensen op eigen initiatief met AI-tools, buiten zicht van de organisatie. Er is geen gedeeld beeld van wat wel en niet werkt, en wat iemand leert blijft bij die persoon. Wat baseline in de praktijk inhoudt is dus niet gebrek aan belangstelling, maar afwezigheid van structuur om die belangstelling te benutten.
Op foundation is er een eerste gedeelde basis: een aantal mensen heeft vergelijkbare vaardigheden opgebouwd, er is een gemeenschappelijk vocabulaire ontstaan, en losse ervaringen worden af en toe gedeeld. Wat foundation in de praktijk betekent is de stap van individueel gebruik naar iets dat begint te lijken op een team dat hetzelfde begrijpt.
Op activation passen mensen AI structureel toe binnen hun eigen taken en herkennen ze waar het wel en niet geschikt voor is. Op insight verschuift het zwaartepunt: mensen kunnen niet alleen AI gebruiken, maar ook beoordelen of een uitkomst klopt en waarom. Op intelligence is die beoordeling geen aparte stap meer, maar onderdeel van hoe werk normaal gedaan wordt, verspreid over de organisatie in plaats van bij een paar early adopters.
Bij deze dimensie ontstaat vaak het grootste verschil tussen wat een CIO scoort en wat een teamleider scoort. Een CIO ziet de trainingen die zijn georganiseerd en telt dat als vooruitgang. Een teamleider ziet dat die training weinig heeft veranderd aan hoe werk daadwerkelijk gebeurt, en scoort lager. Beide observaties zijn juist; ze meten alleen een ander deel van dezelfde dimensie. Aanbod en toepassing zijn niet hetzelfde, en de plot-ronde legt precies dat gat bloot in plaats van het te middelen weg.
Een niveau stijgen op mensen en vaardigheden hangt niet vooral af van budget voor cursussen. Het hangt af van herhaling: mensen die AI blijven toepassen op echt werk, niet op geoefende voorbeelden. Het hangt af van tijd die daadwerkelijk beschikbaar is naast de reguliere taken, en niet alleen op papier is toegewezen. En het hangt af van een omgeving waarin fouten maken bij het leren geen reden is om terug te vallen op de oude manier van werken.
Daarnaast hangt de stap af van of vaardigheid zichtbaar wordt gemaakt en gedeeld. Iemand die goed leert een AI-uitkomst te controleren, helpt de organisatie alleen vooruit als die manier van werken ergens terechtkomt waar anderen die kunnen overnemen. Zonder dat mechanisme blijft elke vooruitgang gebonden aan één persoon, en verdwijnt ze zodra die persoon van functie verandert.
Dit maakt meteen zichtbaar waarom deze dimensie zelden op zichzelf te repareren is. Hoe men leert of iemand goed heeft gepresteerd, en of dat leren wordt herkend en beloond, raakt direct aan hoe volwassen het prestatiemanagement is. En vaardigheid ontwikkelt zich ook trager als de gegevens waarmee mensen oefenen onbetrouwbaar zijn, wat de reden is dat deze dimensie zelden los staat van hoe volwassen het datamanagement is.
Deze dimensie laat zien of de mensen in een organisatie klaar zijn om met AI te werken op een niveau dat past bij de ambitie. Ze laat niet zien welk deel van een specifieke functie AI kan overnemen, en welk deel bij een mens moet blijven. Dat is een andere vraag, die per taak wordt beantwoord in plaats van per organisatie. De werkscan van FTE TO AI rekent uit welk deel van het werk in een rol geschikt is om over te dragen aan AI, taak voor taak. Waar deze pagina beschrijft of mensen klaar zijn om die overdracht te begeleiden, laat de werkscan zien wat er precies overgedragen kan worden — en dat is pas een zinvolle vraag als de draagkant, zoals hier beschreven, ergens op staat.
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.