No nível insight, algo mudou que vai além de experiências isoladas. A organização não compreende apenas que a IA faz algo, mas também porque funciona num sítio e não noutro. Surgiu uma linguagem para conduzir essa conversa: fala-se sobre qualidade de dados, sobre responsabilidade em caso de erros, sobre quais processos se prestam ou não à automatização. É uma conversa diferente daquela de um ano antes, quando a questão era, sobretudo, se um piloto trazia algum resultado.
O que caracteriza este nível: o insight está presente, mas ainda não está ancorado em toda a organização na forma como as decisões são tomadas. Um departamento tem bem claro de que dados precisa e quais faltam. Outro departamento ainda segue um piloto de boa-fé sem que alguém tenha verificado se a infraestrutura subjacente aguenta. O insight não é, portanto, uma camada uniforme sobre toda a organização. É antes um conjunto de pontos onde a luz se acendeu, com zonas ainda no escuro entre eles.
O passo para o próximo nível, intelligence, exige que este insight se traduza em gestão. Não de forma incidental — como reação a um problema que surge — mas de forma estrutural, como parte de como a organização normalmente funciona. Isto toca as mesmas dimensões fundamentais que já eram o fator determinante nos níveis anteriores: a gestão de dados está organizada de forma a que as decisões baseadas em resultados de IA possam ser justificadas? A infraestrutura de TI está organizada de forma a que novas aplicações não comecem sempre do zero? A própria organização está estruturada de forma a que a responsabilidade pelos processos orientados por IA esteja atribuída a um local, em vez de espalhada um pouco por todo o lado?
No nível insight, verifica-se frequentemente que estas perguntas já foram feitas, mas que a resposta varia por dimensão. Uma dimensão já está tão avançada que a gestão é possível; outra ainda segue iniciativas isoladas. Essa diferença de ritmo é precisamente o que se torna visível na dispersão de uma ronda de plot: quando várias pessoas avaliam separadamente, é possível ver que um dos respondentes considera a organização já avançada na gestão de dados, enquanto outro coloca essa mesma dimensão ainda em foundation. Essa dispersão não é ruído. Mostra qual dimensão já suporta atenção e qual dimensão ainda tem de seguir.
A tentação, neste nível, é concentrar a atenção nas dimensões mais visíveis — muitas vezes as dimensões dependentes, próximas do trabalho quotidiano. Mas as dimensões fundamentais vêm primeiro. Se a gestão de dados não estiver em ordem, qualquer gestão baseada em resultados de IA permanece instável, independentemente do insight já construído. Se a infraestrutura de TI estiver fragmentada, cada aplicação continua a ser uma ilha, mesmo que a organização já consiga falar bem sobre isso internamente.
Esta não é uma ordem diferente da que se aplicava nos níveis anteriores. É a mesma ordem, mas num ponto em que os custos de a ignorar se tornam mais visíveis. Em baseline e foundation, a ausência de fundação ainda podia esconder-se detrás do facto de pouco acontecer. No insight, já há mais em movimento, e isso torna uma dimensão fundamental fraca mais percetível: gestão que não se sustenta, decisões que depois não podem ser rastreadas, aplicações que ficam bloqueadas assim que ultrapassam a fronteira de um único departamento.
A transição para intelligence não é uma questão de aplicar mais IA. É uma questão de colocar as dimensões fundamentais em ordem suficiente para que as dimensões dependentes possam construir sobre elas de forma estrutural. Isto varia muito de organização para organização: uma tem sobretudo de consolidar a sua gestão de dados, outra tem uma infraestrutura de TI que primeiro precisa de ser unificada antes de se poder gerir de forma mais ampla. O que será, depende de onde a dispersão na ronda de plot é maior — é aí que o próximo nível espera.
Quem quiser olhar além de intelligence encontra em a página sobre o nível após intelligence uma descrição do que surge quando a gestão deixa de ser apenas estrutural e passa a ser autoaprendente. Quem procurar reconhecimento numa fase anterior do percurso pode reler em activation como era a fase antes de surgir o insight, ou verificar o que significa quando agents que executam trabalho começam a desempenhar um papel a par da camada de gestão que se constrói neste nível.
O insight diz onde a organização se encontra na sua capacidade de sustentar a IA: quais dimensões são sólidas e quais ainda estão soltas. É uma pergunta diferente de qual parte do próprio trabalho é transferível para a IA. Assim que o lado de sustentação estiver mais claro, essa segunda pergunta torna-se relevante: qual parte das tarefas dentro de um processo pode efetivamente ser assumida. É precisamente para isso que foi criada a análise de trabalho da FTE TO AI — um método de cálculo que determina, por tarefa, que parte do trabalho é elegível para ser assumida, de modo que a conversa sobre intelligence não seja apenas sobre preparação, mas também sobre o que, uma vez alcançada essa preparação, há efetivamente a ganhar.
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.