Baseline é o primeiro dos cinco níveis na medição de maturidade da hybridresourcing. Não é um julgamento negativo. Descreve uma organização onde as sete dimensões — incluindo organização, infraestrutura de TI e gestão de dados — ainda não têm uma estrutura capaz de suportar IA. Talvez já se tenha experimentado com IA. Há pilotos em curso, foram adquiridas licenças, alguém na equipa usa um modelo de linguagem para relatórios. Isso não altera o nível. Baseline diz respeito ao que existe, não ao que já se experimentou.
No nível baseline falta uma visão partilhada sobre quem é responsável por quê no que toca a IA. As decisões sobre ferramentas são tomadas ao nível do departamento, sem que ninguém tenha uma visão geral do que está a funcionar. A infraestrutura de TI está organizada para os processos de trabalho de antes da IA: sistemas que não comunicam entre si, nenhum local central onde os dados se reúnam, nenhuma visão sobre o que é necessário para fazer os modelos funcionar com os dados da organização. A gestão de dados existe em nome — há um arquivo, um CRM, uma intranet — mas ninguém consegue dizer com certeza onde estão determinados dados, quem tem acesso a eles, e se esses dados estão corretos.
As dimensões fundamentais têm prioridade sobre as dependentes, e é isso que se nota mais fortemente neste nível. Um piloto que funciona bem por si só encravar-se-á no momento em que precisar de escalar, porque a infraestrutura subjacente não o suporta. Uma equipa que testa entusiasticamente uma aplicação de IA descobre que os dados de que precisa não estão disponíveis de forma estruturada em lugar nenhum. Isto não são incidentes. São as consequências previsíveis de um fundamento que ainda não está concluído.
Baseline não significa que a organização está parada ou que as pessoas não querem. Frequentemente é o contrário que é verdade: há movimento, há iniciativas, há orçamento libertado. O que falta não é motivação, mas coerência. Pilotos isolados sem infraestrutura partilhada, uso de dados isolado sem gestão central, decisões isoladas sem propriedade partilhada. A energia existe. A estrutura para acolher essa energia ainda não.
Também não significa que este nível tenha de durar muito tempo ou que haja algo errado com uma organização que começa aqui. A maioria das organizações que olha seriamente para a IA começa em baseline ou pouco acima disso. O nível é uma fotografia, não um veredicto.
Na ronda de plotagem da medição de maturidade, várias pessoas pontuam separadamente, e nas organizações baseline nota-se frequentemente algo específico: a dispersão entre os respondentes é grande. Onde um responsável de TI vê que a infraestrutura ainda tem grandes lacunas, um chefe de departamento pode pensar que está tudo bem, porque as ferramentas que utiliza funcionam devidamente. Essa dispersão é em si um sinal. Mostra que ainda não existe uma visão partilhada de onde a organização se encontra — e essa falta de visão partilhada é precisamente o que caracteriza o baseline.
A transição de baseline para o nível seguinte não exige mais projetos de IA. Exige que algo tenha prioridade sobre o resto: responsabilidades claras, uma infraestrutura capaz de recolher e disponibilizar dados, e uma gestão de dados suficientemente fiável para construir sobre ela. Sem essa base, cada passo seguinte permanece temporário, porque assenta em areia.
O que essa transição significa concretamente para a sua organização varia de situação para situação — depende do setor, da dimensão e de qual das sete dimensões está mais atrasada. Como passar de baseline para o nível seguinte descreve quais movimentos correspondem a isso. Para comparação, também é útil ver aonde esse passo conduz: o que o nível foundation significa na prática mostra como é um fundamento uma vez que a estrutura básica esteja estabelecida. Para organizações que querem olhar mais além do que apenas o próximo passo, o que o nível insight significa na prática descreve como a maturidade continua a desenvolver-se uma vez que os dados e a infraestrutura estejam em ordem.
A medição de maturidade da hybridresourcing analisa a questão de saber se uma organização consegue suportar IA: existe o fundamento, a estrutura está estabelecida, existe uma visão partilhada sobre responsabilidades e dados. Essa é uma questão diferente de saber que parte do trabalho em si é elegível para IA. Uma organização no nível baseline pode perfeitamente ter processos de trabalho em que muitas tarefas se prestam a ser assumidas por IA — só que ainda falta a estrutura para fazer isso de forma sustentável. Quem quiser saber quanto do trabalho em si, por tarefa, pode ser assumido por IA, não encontra essa resposta na medição de maturidade, mas sim no scan de trabalho da FTE TO AI. Esse calcula, por tarefa, que parte é adequada para IA, independentemente da questão de saber se a organização já está preparada para isso. As duas respostas juntas — a organização está preparada, e o trabalho está preparado — dão o quadro completo antes de investir em qualquer coisa.
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.