Das sete dimensões na medição de maturidade, pessoas e competências é a razão mais citada para um piloto de IA não crescer. Não porque as pessoas não queiram, mas porque competência é algo diferente de conhecimento. Alguém pode saber o que é um modelo de linguagem e ainda não saber quando confiar no resultado. Essa lacuna entre saber e conseguir aplicar é exatamente o que esta dimensão mede.
Esta dimensão está relacionada com outras dimensões fundamentais. As competências desenvolvem-se com dificuldade se a própria organização não estiver preparada para aprender com IA, e praticar com aplicações de IA funciona mal se a infraestrutura de TI não oferecer um ambiente para experimentar em segurança. Quem pensa apenas em orçamento de formação perde essa ordem.
No nível baseline, um pequeno número de pessoas trabalha com ferramentas de IA por iniciativa própria, fora da visão da organização. Não existe uma visão partilhada sobre o que funciona e o que não funciona, e o que alguém aprende fica com essa pessoa. O que baseline significa na prática não é, portanto, falta de interesse, mas ausência de estrutura para aproveitar esse interesse.
No nível foundation existe uma primeira base partilhada: várias pessoas desenvolveram competências semelhantes, surgiu um vocabulário comum, e experiências isoladas são partilhadas de vez em quando. O que foundation significa na prática é o passo do uso individual para algo que começa a parecer-se com uma equipa que compreende o mesmo.
No nível activation, as pessoas aplicam a IA de forma estrutural dentro das suas próprias tarefas e reconhecem para que é ou não adequada. No nível insight, o centro de gravidade desloca-se: as pessoas conseguem não só usar IA, mas também avaliar se um resultado está correto e porquê. No nível intelligence, essa avaliação já não é um passo separado, mas parte de como o trabalho é normalmente feito, espalhada pela organização em vez de estar concentrada num pequeno grupo de early adopters.
Nesta dimensão surge frequentemente a maior diferença entre a pontuação de um CIO e a de um chefe de equipa. Um CIO vê as formações que foram organizadas e conta isso como progresso. Um chefe de equipa vê que essa formação pouco mudou na forma como o trabalho é realmente feito, e pontua mais baixo. Ambas as observações estão corretas; medem apenas uma parte diferente da mesma dimensão. Oferta e aplicação não são a mesma coisa, e a ronda de plotagem expõe exatamente essa lacuna em vez de a diluir na média.
Subir um nível em pessoas e competências não depende principalmente do orçamento para formações. Depende de repetição: pessoas que continuam a aplicar a IA em trabalho real, não em exemplos praticados. Depende de tempo que está realmente disponível para além das tarefas regulares, e não apenas atribuído no papel. E depende de um ambiente onde cometer erros durante a aprendizagem não é motivo para recuar para a forma antiga de trabalhar.
Além disso, o passo depende de a competência ser tornada visível e partilhada. Alguém que aprende bem a verificar um resultado de IA só faz a organização avançar se essa forma de trabalhar chegar a algum lugar onde outros a possam adotar. Sem esse mecanismo, todo o progresso permanece ligado a uma pessoa, e desaparece assim que essa pessoa muda de função.
Isto torna imediatamente visível por que esta dimensão raramente pode ser corrigida isoladamente. A forma como se aprende se alguém teve um bom desempenho, e se essa aprendizagem é reconhecida e recompensada, está diretamente relacionada com quão madura é a gestão de desempenho. E a competência também se desenvolve mais lentamente se os dados com que as pessoas praticam forem pouco confiáveis, razão pela qual esta dimensão raramente está dissociada de quão madura é a gestão de dados.
Esta dimensão mostra se as pessoas numa organização estão prontas para trabalhar com IA a um nível que corresponda à ambição. Não mostra qual parte de uma função específica a IA pode assumir, e qual parte deve permanecer com um humano. Essa é uma pergunta diferente, respondida por tarefa em vez de por organização. O werkscan da FTE TO AI calcula qual parte do trabalho numa função é adequada para ser transferida para a IA, tarefa por tarefa. Onde esta página descreve se as pessoas estão prontas para acompanhar essa transferência, o werkscan mostra exatamente o que pode ser transferido — e essa só é uma pergunta útil quando o lado que acompanha, tal como descrito aqui, está em ordem.
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.