Insight is het vierde van de vijf niveaus die de volwassenheidsmeting van hybridresourcing onderscheidt: baseline, foundation, activation, insight en intelligence. Een organisatie op dit niveau heeft de fase van losse experimenten achter zich gelaten. Data, IT-infrastructuur en organisatiestructuur zijn niet meer drie gescheiden vraagstukken maar beginnen op elkaar aan te sluiten. Dat is wat het niveau inhoudelijk onderscheidt van activation: niet meer proberen of iets werkt, maar zien waarom het werkt en waar het vastloopt.
Op insight-niveau bestaat er inzicht in de eigen datastromen: waar informatie ontstaat, waar ze samenkomt en waar ze verloren gaat tussen afdelingen. Dat inzicht is niet toevallig aanwezig bij een enkele analist, maar vastgelegd op een manier die meerdere mensen kunnen raadplegen en gebruiken. De IT-infrastructuur is ingericht om die datastromen te ondersteunen in plaats van te belemmeren. En de organisatie heeft rollen en verantwoordelijkheden zodanig verdeeld dat besluiten over AI-toepassingen niet meer bij toeval of bij een enkele enthousiasteling belanden.
Dit niveau is te herkennen aan het soort vragen dat binnen de organisatie wordt gesteld. Niet meer: kunnen we dit uitproberen? Maar: waarom werkt deze toepassing in de ene afdeling en niet in de andere, en wat zegt dat over onze data of onze structuur? Die vraag kan alleen gesteld worden als er al voldoende zicht is op wat er speelt. Dat zicht is precies wat insight toevoegt aan de niveaus daarvoor.
Wat op dit niveau meestal nog ontbreekt, is de stap van begrijpen naar voorspellen. Insight levert verklaringen op na de feiten: waarom een pilot wel of niet aansloeg, waarom het ene team sneller ging dan het andere. Wat er nog niet is, is een structuur die vooraf al aangeeft waar een volgende toepassing wel of niet zal landen. Dat onderscheidt insight van intelligence, het niveau waarin die voorspellende laag wel aanwezig is. Wat dat niveau in de praktijk betekent, staat beschreven op de pagina over het niveau intelligence.
Een tweede risico op dit niveau is dat het inzicht blijft hangen bij een beperkte groep mensen. De data zijn er, de infrastructuur is er, maar als het begrip van wat die data betekenen niet gedeeld wordt over de organisatie, blijft insight fragiel. Zodra die persoon vertrekt of die afdeling reorganiseert, valt het niveau terug. Dat is een van de redenen waarom de meting van hybridresourcing niet met een enkel gesprek werkt, maar met een plot-ronde: meerdere mensen scoren apart de zeven dimensies, en de spreiding tussen hun antwoorden laat precies zien of het inzicht organisatiebreed gedragen is of bij een handjevol mensen berust.
Bij insight is de spreiding tussen scores vaak interessanter dan het gemiddelde niveau zelf. Een organisatie kan gemiddeld op insight uitkomen terwijl de IT-afdeling het inzicht als grondig ervaart en de operationele teams er nauwelijks iets van merken. Die kloof is precies het signaal dat vertelt waar de volgende stap moet beginnen: niet bij meer techniek, maar bij het delen van wat er al begrepen wordt. Omdat de fundamentele dimensies — organisatie, IT-infrastructuur, datamanagement — de afhankelijke dimensies dragen, heeft het geen zin om aan voorspellende toepassingen te beginnen als het inzicht nog niet overal doordringt.
De overgang van insight naar intelligence vraagt niet om nieuwe data te verzamelen, maar om de bestaande inzichten om te zetten in iets dat vooruitkijkt in plaats van terugkijkt. Dat is een andere opgave dan de overgangen ervoor: van baseline naar het volgende niveau ging het vooral om structuur neerzetten waar die ontbrak, en van activation naar het volgende niveau om losse successen aan elkaar te verbinden. Bij insight ligt de opgave elders: het gedeelde begrip dat er al is, moet zich vertalen naar een systeem dat vooraf al richting geeft. Wat die overgang concreet vraagt, staat beschreven op de pagina over de stap van insight naar het volgende niveau.
De volwassenheidsmeting van hybridresourcing beantwoordt een andere vraag dan die naar taken en uren. Ze meet of een organisatie AI kan dragen: of de data, de infrastructuur en de organisatiestructuur klaar zijn voor wat er bovenop komt. Een organisatie op insight-niveau heeft die drager grotendeels staan. Dat betekent niet automatisch dat duidelijk is welk deel van het feitelijke werk daadwerkelijk over te nemen is door AI — dat is een andere meting, met een andere schaal. Wie wil weten hoeveel van het huidige werk zich concreet laat overnemen, per taak en per rol, vindt dat bij de werkscan van FTE TO AI. Die scan rekent uit welk deel van het werk zich laat overnemen, gegeven de mate waarin de organisatie daar volgens deze meting al klaar voor is.
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.