O setor de TI tem um avanço que é, ao mesmo tempo, uma armadilha. Enquanto outros setores ainda precisam habituar-se à ideia de IA, o conhecimento sobre modelos, arquiteturas e ferramentas já está, na maioria dos casos, presente neste setor. Os desenvolvedores experimentam, as equipas constroem provas de conceito, e raramente há resistência à própria tecnologia. Isso cria a impressão de que o setor como um todo está avançado. Mas a competência técnica de uma parte da organização é algo diferente da maturidade da organização como um todo. É precisamente aí que muitas vezes tudo trava.
Numa empresa de TI ou num departamento de TI, a infraestrutura está geralmente em ordem: há capacidade de processamento, há ambientes de desenvolvimento, há experiência na implementação de software. Essa é uma das dimensões fundamentais avaliadas na medição de maturidade, e nesse ponto o setor pontua geralmente alto. Mas as outras dimensões fundamentais — como a organização está estruturada em torno de iniciativas de IA, e como os dados são geridos fora dos sistemas dos próprios desenvolvedores — nem sempre acompanham o mesmo ritmo. Um departamento de TI forte não significa que o resto da organização consiga acompanhar o mesmo ritmo. Vendas, financeiro, recursos humanos: essas funções têm frequentemente uma relação diferente com os dados e com a mudança do que as pessoas que constroem os projetos-piloto de IA.
Essa diferença explica um padrão que ocorre mais frequentemente neste setor do que noutros: projetos-piloto que funcionam tecnicamente de forma excelente, mas que não evoluem para um lugar estrutural na empresa. Não porque o modelo seja insuficiente, mas porque a organização em torno dele não está preparada para absorver o resultado. Quem quiser compreender, quanto às dimensões fundamentais, por que essa ordem não é negociável, encontra mais informações em por que as dimensões fundamentais devem vir primeiro.
No setor de TI, a dispersão entre os respondentes é frequentemente maior do que em setores com funções mais uniformes. Um desenvolvedor e um gestor de contas dentro da mesma empresa podem posicionar a organização em níveis quase opostos — um vê diariamente aplicações avançadas, o outro vê uma folha de cálculo que ainda é atualizada manualmente. Essa dispersão é, em si, informação. Mostra que a maturidade em IA neste setor raramente é um dado válido para todo o setor, mas depende fortemente de qual departamento é medido e a quem é feita a pergunta.
Isso torna uma ronda de avaliação com múltiplos respondentes no setor de TI ainda mais valiosa do que noutros contextos, não menos. Uma única pontuação de um CIO ou de um CTO corre o risco de generalizar a imagem do núcleo técnico para toda a organização, enquanto as dimensões dependentes — onde a IA é efetivamente incorporada nos processos — podem apresentar pontuações muito diferentes.
A relação entre técnica e organização apresenta-se de forma diferente noutros setores. No setor financeiro, a ênfase recai frequentemente sobre a regulamentação e a gestão de risco como fator de atraso; essa realidade está descrita em até que ponto o setor financeiro está avançado em maturidade de IA. Na construção civil, é sobretudo a dimensão da gestão de dados que costuma ser o entrave, porque os dados sobre projetos e materiais estão dispersos entre várias partes; isso é explicado em até que ponto o setor da construção está avançado em maturidade de IA. No setor de TI, o problema raramente é a falta de conhecimento técnico ou de dados — o problema encontra-se mais frequentemente na dimensão organizacional: quem decide qual projeto-piloto é escalado, e com base em quê.
A medição de maturidade mapeia essa distinção em sete dimensões e cinco níveis, do baseline à intelligence. Para uma organização de TI, o resultado raramente é uma linha uniforme: infraestrutura e competência técnica situam-se geralmente mais altas do que organização e tomada de decisão. Essa desigualdade é precisamente onde a medição é útil — não para confirmar que o setor "está no bom caminho", mas para mostrar qual dimensão está a ficar atrás e qual, por consequência, não pode avançar, independentemente do quão avançados sejam os modelos já em funcionamento.
Um elemento frequentemente subestimado neste setor é o registo das decisões: quem tomou qual decisão sobre qual iniciativa de IA, e com base em que informação. Sem esse inventário, é difícil reconstruir por que motivo um projeto-piloto foi ou não escalado. O que deve constar nesse inventário está descrito em o que deve constar num inventário de decisões.
Esta medição diz algo sobre a organização como um todo: existe um alicerce sobre o qual as iniciativas de IA podem assentar, e esse alicerce é igualmente sólido em toda a empresa, ou apenas nas pessoas mais próximas da tecnologia. Essa pergunta antecede outra pergunta, nomeadamente qual parte do próprio trabalho é elegível para a IA. Trata-se de um tipo diferente de medição. Para organizações que queiram saber qual parte do trabalho, tarefa por tarefa, pode ser assumida pela IA, existe a análise de funções da FTE TO AI — uma medição que não observa a organização como um todo, mas o próprio trabalho, função por função e tarefa por tarefa.
A medição de maturidade está em desenvolvimento. Quem quiser saber quando a medição estará disponível pode inscrever-se na lista de espera e receberá uma notificação assim que a ferramenta estiver pronta para utilização.
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.