Wie voor het eerst met een taalmodel werkt, ziet iets werken. Er komt een antwoord, het antwoord klopt vaak genoeg, en de conclusie ligt voor de hand: dit kan meer. Die conclusie is niet fout, maar ze is gebaseerd op een enkel moment in een enkel venster. Een chatvenster laat zien of een model een vraag kan beantwoorden. Het laat niet zien of de organisatie daarachter de vraag goed kan stellen, de juiste data kan aanleveren, en het antwoord kan laten landen in een besluit dat ergens toe doet.
Dat onderscheid is de reden dat pilots vaak wel starten en zelden opschalen. De pilot bewijst dat de technologie iets kan. Hij bewijst niets over de zeven dimensies die bepalen of de organisatie dat kunnen ook kan dragen: van organisatie en leiderschap tot IT-infrastructuur, datamanagement, processen, mensen, governance en cultuur. Een chatvenster test één praktijkgeval, op één moment, met één gebruiker. Het zegt niets over wat er gebeurt als honderd gebruikers dezelfde vraag stellen, met data die niet altijd schoon is, in een proces dat niet is ingericht op een antwoord dat wisselt.
De volwassenheidsmeting van hybridresourcing kijkt niet naar een taak of een antwoord, maar naar de laag daaronder: de vraag of de organisatie als geheel klaar is om met AI te werken, en niet alleen ermee te experimenteren. Dat gebeurt over vijf niveaus — baseline, foundation, activation, insight, intelligence — en over zeven dimensies die samen bepalen waar een organisatie staat. Niet elke dimensie weegt even zwaar op elk moment. De fundamentele dimensies, zoals organisatie en IT-infrastructuur, gaan voor de dimensies die daarvan afhankelijk zijn. Dat is geen keuze van ons, maar de volgorde waarin het werkt: zonder een werkende infrastructuur heeft goed datamanagement weinig grip, en zonder heldere besluitvorming heeft een goede infrastructuur weinig effect.
Een belangrijk onderdeel van de meting is de plot-ronde. Meerdere mensen binnen de organisatie scoren apart, zonder elkaars antwoorden te zien. Wat daaruit komt, is niet alleen een positie op vijf niveaus, maar ook de spreiding tussen wat verschillende mensen denken dat waar is. Een directie die denkt dat de organisatie op niveau activation zit, terwijl IT zichzelf op baseline plaatst, heeft een probleem dat groter is dan het gemiddelde. Die spreiding is vaak informatiever dan de score zelf: ze laat zien waar de organisatie het over zichzelf oneens is, en dat is precies waar een pilot vastloopt zonder dat iemand kan aanwijzen waarom.
De volwassenheidsmeting geeft geen antwoord op de vraag welke taken AI kan overnemen. Ze zegt niets over hoeveel tijd een functie kwijt is aan een bepaalde handeling, en niets over wat er gebeurt als die handeling verdwijnt. Ze meet gereedheid, niet overname. Een organisatie kan hoog scoren op alle zeven dimensies en toch geen enkele taak hebben geïdentificeerd die klaarstaat om over te dragen. Andersom kan een organisatie vol taken zitten die zich uitstekend lenen voor automatisering, terwijl de organisatie zelf nog niet is ingericht om dat verantwoord te laten gebeuren.
De meting vertelt ook niet welke besluiten wel of niet geautomatiseerd mogen worden — dat is een vraag die eigen aandacht verdient, onder meer in het overzicht van besluiten die buiten de reikwijdte van automatisering horen te blijven. En de score zegt niets over wat er in de praktijk aan documentatie ontbreekt: wie wil weten wat er in een besluiten-inventaris hoort te staan, vindt dat niet terug in een niveau of een dimensie, maar in een apart traject.
Wat de meting wel doet, is helderheid geven over de uitgangspositie. Een lage score op een van de zeven dimensies betekent niet automatisch dat er iets grondig mis is; het betekent dat er twee routes mogelijk zijn, en welke van de twee opgaat, verschilt per organisatie — een verschil dat verder wordt uitgewerkt op de pagina die de twee scenario's bij een lage score beschrijft. Wie wil beginnen met een eigen inschatting, kan dat doen op de pagina's die ingaan op de volwassenheid van de organisatie zelf en op de volwassenheid van de IT-infrastructuur als twee van de zeven dimensies waarop de volledige meting is gebouwd.
Deze scheiding is bewust. Een organisatie die eerst wil weten of AI iets voor haar oplevert, stelt een andere vraag dan een organisatie die wil weten of ze voorbereid is om AI verantwoord in te zetten. Beide vragen zijn legitiem, maar ze vragen andere instrumenten. Wie beide vragen door elkaar laat lopen, krijgt een antwoord dat op geen van beide vragen goed past: een score die klinkt als een taakanalyse, of een taakanalyse die doet alsof ze iets zegt over organisatorische gereedheid.
De volwassenheidsmeting, met de vijf niveaus, de zeven dimensies en de plot-ronde, wordt momenteel gebouwd. Er is nog geen omgeving waarin u vandaag kunt inloggen en scoren. Wie hier belangstelling voor heeft, kan zich aanmelden voor de wachtlijst en wordt op de hoogte gehouden zodra de meting beschikbaar is.
Als de gereedheid van de organisatie eenmaal in beeld is, blijft de andere vraag onbeantwoord: welk deel van het werk zelf zich daadwerkelijk laat overnemen. Dat is niet iets waar deze meting op ingaat, en dat is ook niet de bedoeling. Die vraag wordt beantwoord door de werkscan van FTE TO AI, die per taak berekent welk deel van het werk in aanmerking komt om door AI te worden overgenomen — een rekenwerk dat pas iets betekent als de organisatie waarin het landt, ook daadwerkelijk klaarstaat om het te dragen.
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.