Elke directie die met AI aan de slag gaat, stuit vroeg of laat op deze vraag: welk besluit mag een systeem nemen, en welk besluit blijft bij een mens. De vraag klinkt eenvoudig. Het antwoord is dat vaak niet, omdat de grens niet bij het besluit zelf ligt maar bij wat de organisatie eromheen heeft georganiseerd.
Er bestaat geen vaste lijst met besluiten die per definitie menselijk moeten blijven. Een ontslagbesluit, een kredietafwijzing, een medische inschatting: het zijn voorbeelden die vaak genoemd worden, maar de reden waarom ze gevoelig liggen verschilt per organisatie. Bij de ene instelling gaat het om juridische aansprakelijkheid, bij de andere om de onomkeerbaarheid van de uitkomst, bij een derde om het ontbreken van een goede foutmarge. Wie een lijst kopieert van een andere organisatie, kopieert een antwoord zonder de vraag te hebben gesteld.
Wat wel werkt, is het besluit zelf ontleden: wat is de impact als het misgaat, is de uitkomst te herstellen, en is er iemand die de uitkomst kan navertellen en verantwoorden. Die drie vragen liggen aan de basis van wat elders agent-regels worden genoemd: vastgelegde grenzen die bepalen wanneer een systeem mag doorwerken en wanneer het moet stoppen en een mens moet inschakelen.
De verleiding is groot om deze vraag bij IT neer te leggen, alsof het een instelling is die je eenmalig configureert. Dat werkt niet, om een simpele reden: een agent-regel is alleen betrouwbaar als de organisatie eromheen op orde is. Als niemand weet wie de eigenaar van een proces is, kan niemand bepalen wie het escalatiepunt is. Als data niet op orde zijn, weet een systeem niet wanneer het een uitzondering tegenkomt die om een mens vraagt. De fundamentele dimensies van een organisatie — bestuur, infrastructuur, datamanagement — gaan daarom voor de vraag welke besluiten geautomatiseerd mogen worden. Zonder die basis is elke grens die u trekt een grens op papier.
Dit is meteen de reden waarom deze vraag zelden op één plek in de organisatie leeft. De directie ziet het risico, de CIO ziet de technische haalbaarheid, de proceseigenaar ziet de dagelijkse praktijk. Hoe u die drie perspectieven bij elkaar krijgt voordat het tempo van automatisering een bron van onenigheid wordt, staat beschreven in hoe u het tempo-gesprek tussen bestuur en directie voert. Wie deze vraag pas stelt als de eerste pilot al loopt, stelt hem te laat.
De volwassenheidsmeting van hybridresourcing brengt in kaart of een organisatie de basis heeft staan om dit soort grenzen betekenisvol te trekken. Zeven dimensies, vijf niveaus van baseline tot intelligence, en een plot-ronde waarin meerdere mensen los van elkaar scoren. Die spreiding is vaak het nuttigste onderdeel: als een CHRO de datavolwassenheid op activation zet en de CIO op baseline, weet u dat er eerst een gesprek moet plaatsvinden voordat er een regel op papier komt die niemand kan uitvoeren.
Wat de meting niet doet, is zeggen welk besluit in uw organisatie geautomatiseerd mag worden. Ze meet gereedheid, niet geschiktheid van een specifieke taak. Ze vertelt u of de organisatie kan dragen wat AI aankan, niet wat AI concreet zou overnemen. Dat onderscheid tussen dragen en overnemen is het verschil tussen AI dragen en AI overnemen, en het is een onderscheid dat deze pagina bewust vasthoudt: een score op de meting is geen vrijbrief en geen verbod, het is een foto van de staat waarin de organisatie op dit moment verkeert.
Die foto veroudert. Een organisatie die vandaag op foundation scoort voor datamanagement, kan over een jaar op activation zitten, of net zo goed zijn blijven hangen. Hoe vaak het zinvol is om opnieuw te meten, en waar dat van afhangt, leest u in hoe vaak een volwassenheidsmeting herhaald moet worden. Een eenmalige meting die in een la verdwijnt, heeft weinig waarde; een meting die het gesprek in de directie herstart, wel.
De meting lost het meningsverschil in uw directie niet op. Ze maakt het zichtbaar, en dat is niet hetzelfde. Als uw bestuur en directie het al langer oneens zijn over het tempo van AI-adoptie, ligt de oorzaak vaak dieper dan een gebrek aan feiten: het gaat om risicobereidheid, om wie waarvoor verantwoordelijk gehouden wordt, om wat er gebeurt als iemand een chatvenster opent en denkt dat hij daarmee AI in huis heeft gehaald. Wat u niet ziet als u alleen het chatvenster kent is precies het deel van de organisatie waar deze vraag over gaat: de infrastructuur, de regels, de mensen die weten wanneer een systeem moet stoppen. Waarom uw directie het oneens is over het tempo, staat toegelicht op deze pagina, en het is vaak nuttiger om dat gesprek eerst te voeren dan om te wachten tot een pilot vastloopt en de vraag alsnog op tafel komt.
Deze pagina gaat over de grens die u vooraf trekt: welk besluit blijft bij een mens, ongeacht wat een systeem technisch aankan. Zodra die grens bij benadering staat, verschuift de vraag naar het werk zelf: welke taken binnen die grens zijn geschikt om over te dragen, en welk deel van een functie blijft ongeacht de organisatiegereedheid mensenwerk. Die vraag beantwoordt de volwassenheidsmeting niet. De werkscan van FTE TO AI rekent per taak uit welk deel van het werk over te nemen is door AI, en sluit daarmee aan op het punt waar deze pagina eindigt: niet of uw organisatie klaar is, maar wat er concreet op de plank ligt om over te dragen zodra ze dat is.
De tool waarmee u dit zelf in kaart brengt, is in aanbouw. Wie de meting wil doen zodra ze beschikbaar is, kan zich op de wachtlijst zetten.
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.