Baseline é o nível em que a maioria das organizações começa. Há uso de IA, mas depende de indivíduos: alguém no departamento de TI que experimenta com um modelo de linguagem, um profissional de marketing que gera textos, um único gestor que pergunta se um processo pode ser mais rápido. Não há uma abordagem partilhada, nem uma visão partilhada sobre o que funciona, nem uma estrutura que retenha o que se aprende. Se essa pessoa saír ou passar para outro projeto, o conhecimento desaparece com ela.
No nível baseline não falta vontade, falta o fundamento. As sete dimensões que a medição de maturidade distingue — entre as quais organização, infraestrutura de TI e gestão de dados — ainda estão, neste nível, desligadas entre si ou apenas minimamente preenchidas. Isso não é uma falha; é o estado em que uma organização se encontra antes de começar a construir de forma consciente.
Há alguns sinais que aparecem sistematicamente no baseline. Não há visão geral de onde a IA já está a ser utilizada dentro da organização, muito menos uma visão partilhada sobre o que esse uso traz. As decisões sobre IA são tomadas no local onde a questão surge por acaso, e não com base numa ponderação que afeta toda a organização. Os dados estão dispersos por sistemas que não comunicam entre si, o que atrasa qualquer passo em direção a algo estrutural. E não existe uma linguagem comum: o que um departamento chama de IA é, para outro, algo diferente.
A ronda de plotagem dentro da medição de maturidade torna isto muitas vezes visível antes de haver palavras para o descrever. Quando várias pessoas dentro da mesma organização respondem separadamente, é frequente notar-se no baseline uma grande dispersão: um respondente vê progresso que outro não reconhece. Essa dispersão é, em si, um sinal. Mostra que ainda não existe uma visão partilhada sobre onde a organização se encontra, e é precisamente isso que caracteriza o baseline.
O caminho do baseline para o próximo nível não começa numa nova aplicação, mas nas dimensões fundamentais. Organização, infraestrutura de TI e gestão de dados vêm antes das dimensões que dependem destas. Não é uma preferência, é a ordem em que funciona: uma organização que quer construir algo sobre IA sem os dados em ordem ou sem clareza sobre quem decide o quê, está a construir em terreno instável.
Na prática, isto significa que primeiro é preciso obter uma visão geral. Quem, dentro da organização, já faz algo com IA, e com base em que dados? Onde estão os dados relevantes para essas aplicações, e são suficientemente acessíveis e fiáveis para se construir sobre eles? Existe alguém ou um grupo responsável pelas decisões sobre IA, ou isso ainda acontece por acaso? Estas perguntas parecem modestas, mas são precisamente aquilo em que as dimensões fundamentais se concentram.
As dimensões dependentes — que têm a ver com a forma como a IA afeta o próprio trabalho — vêm depois. No baseline ainda é demasiado cedo para dizer algo significativo sobre isso, porque falta o fundamento sobre o qual essas dimensões podem apoiar-se.
A transição para foundation não exige que tudo fique em ordem ao mesmo tempo. Exige que a organização deixe de tratar o uso de IA como algo que surge por acaso junto de indivíduos, e comece a registar o que existe: que dados existem, quem decide o quê, que sistemas precisam comunicar entre si. Isto é menos um percurso técnico do que um percurso organizacional. A técnica normalmente segue-se, uma vez estabelecida a estrutura.
É também um percurso que exige tempo, e cuja duração depende de quanto já existe de forma informal. Uma organização em que um departamento já trabalha há algum tempo de forma consciente com dados tem um caminho mais curto a percorrer do que uma organização em que isso não acontece em lugar nenhum. O que exatamente é necessário para avançar a partir do foundation, e quais dimensões exigem atenção prioritária nesse processo, está descrito na página que explica como avançar do foundation para o próximo nível. Mais adiante na série, para organizações que já avançaram mais, está também descrito como o activation se relaciona com o nível seguinte e o que o insight exige para evoluir para intelligence.
Baseline não diz nada sobre a ambição de uma organização, nem sobre a qualidade das pessoas que aí trabalham. Diz algo sobre o estado do fundamento num determinado momento. As organizações que fazem um levantamento sério deste nível descobrem muitas vezes que já existe mais do que se pensava — iniciativas isoladas, dados que, de alguma forma, já são mantidos, pessoas que já pensam além do que a sua função exige. A medição de maturidade reúne isso numa imagem sobre a qual se pode construir um próximo passo, sem preencher essa imagem com um conselho que não se ajuste à organização.
Esta página trata da preparação: do que precisa estar em vigor antes de a IA poder ocupar um lugar estrutural. Essa é uma questão diferente de saber que parte do trabalho a IA pode efetivamente executar. Assim que o fundamento toma forma, essa segunda questão torna-se relevante, e é precisamente aí que o scan de trabalho da FTE TO AI se encaixa: calcula, por tarefa, que parte do trabalho pode ser assumida pela IA, com base nas tarefas tal como são atualmente executadas. Quem quiser saber o que a IA pode assumir a partir do momento em que a organização estiver preparada, encontra essa resposta ali — incluindo a forma como isso difere quando se trata de agentes que executam trabalho de forma autónoma ou de cadeias em que diferentes etapas se sucedem.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.