Baseline este nivelul la care începe majoritatea organizațiilor. Există utilizare de AI, dar aceasta se bazează pe indivizi: cineva din departamentul IT care experimentează cu un model de limbaj, un marketer care generează text, un singur manager care întreabă dacă un proces poate fi mai rapid. Nu există o abordare comună, nicio viziune comună asupra a ceea ce funcționează și nicio structură care să păstreze ce se învață. Dacă acea persoană plecă sau primește un alt proiect, cunoștințele dispar odată cu ea.
La nivelul baseline nu lipsește voința, ci fundamentul. Cele șapte dimensiuni pe care le distinge măsurarea maturității — printre care organizarea, infrastructura IT și managementul datelor — sunt încă separate între ele la acest nivel sau sunt puțin dezvoltate. Aceasta nu este o deficiență; este starea în care se află o organizație înainte de a începe să construiască în mod conștient.
Câteva semnale revin constant la nivelul baseline. Nu există o imagine de ansamblu asupra locurilor în care AI este deja folosit în cadrul organizației, cu atât mai puțin o viziune comună asupra a ceea ce aduce această utilizare. Deciziile privind AI se iau în locul în care apare întâmplător întrebarea, nu pe baza unei evaluări care privește întreaga organizație. Datele sunt fragmentate în sisteme care nu comunică între ele, ceea ce încetinește orice pas către ceva structural. Și nu există un limbaj comun: ce numește un departament AI este pentru altul ceva diferit.
Runda de plasare din cadrul măsurării maturității face acest lucru vizibil, de multe ori înainte de a exista cuvinte pentru el. Când mai multe persoane din aceeași organizație obțin scoruri separat, la nivelul baseline se observă adesea o dispersie mare: un respondent vede progres pe care altul nu îl recunoaște. Această dispersie este ea însăși un semnal. Ea arată că nu există încă o viziune comună asupra locului în care se află organizația, și aceasta este exact ceea ce caracterizează baseline.
Calea de la baseline către următorul nivel nu începe cu o aplicație nouă, ci cu dimensiunile fundamentale. Organizarea, infrastructura IT și managementul datelor au prioritate față de dimensiunile care depind de acestea. Nu este o preferință, este ordinea în care lucrurile funcționează: o organizație care dorește să construiască ceva pe AI fără ca datele să fie în ordine sau fără să fie clar cine decide asupra a ce, construiește pe nisip mișcător.
Concret, aceasta înseamnă că trebuie să existe mai întâi o imagine de ansamblu. Cine face deja ceva cu AI în cadrul organizației și pe baza căror date? Unde se află datele relevante pentru aceste aplicații, și sunt acestea suficient de accesibile și fiabile pentru a construi pe ele? Există o persoană sau un grup care își asumă responsabilitatea pentru deciziile privind AI, sau acest lucru se întâmplă încă întâmplător? Aceste întrebări par modeste, dar sunt exact cele pe care se concentrează dimensiunile fundamentale.
Dimensiunile dependente — cele legate de modul în care AI afectează munca propriu-zisă — vin după aceea. La nivelul baseline este încă prea timpuriu pentru a spune ceva concret despre acestea, pentru că lipsește fundamentul pe care aceste dimensiuni s-ar putea sprijini.
Trecerea către foundation nu presupune ca totul să fie pus în ordine în același timp. Presupune ca organizația să nu mai considere utilizarea AI ceva care apare întâmplător la indivizi, și să înceapă să înregistreze ce anume există: ce date există, cine decide asupra a ce, care sisteme trebuie să poată comunica între ele. Acesta este mai degrabă un traseu organizatoric decât un traseu tehnic. Tehnica urmează de obicei, odată ce structura este pusă la punct.
Este, de asemenea, un traseu care necesită timp, iar durata acestuia depinde de cât de multe există deja informal. O organizație în care un departament lucrează deja de un timp în mod conștient cu date are un drum mai scurt de parcurs decât o organizație în care acest lucru nu se întâmplă nicăieri. Ce este exact necesar pentru a avansa de la foundation mai departe, și care dimensiuni necesită atenție prioritară în acest sens, este descris pe pagina care explică cum ajungeți de la foundation la nivelul următor. Mai departe în serie, pentru organizațiile care sunt deja mai avansate, este descris și cum se raportează activation la nivelul următor și ce presupune insight pentru a evolua către intelligence.
Baseline nu spune nimic despre ambiția unei organizații și nimic despre calitatea persoanelor care lucrează în ea. Spune ceva despre starea fundamentului la un moment dat. Organizațiile care analizează serios acest nivel descoperă adesea că există deja mai mult decât se credea — inițiative separate, date care sunt totuși păstrate undeva, persoane care gândesc deja dincolo de cerințele funcției lor. Măsurarea maturității reunește acest lucru într-o imagine pe care se poate construi următorul pas, fără a completa acea imagine cu un sfat care nu se potrivește organizației.
Această pagină tratează gradul de pregătire: ce trebuie să existe înainte ca AI să poată obține un loc structural. Aceasta este o întrebare diferită de cea privind partea din activitate pe care AI o poate efectiv realiza. Odată ce fundamentul prinde formă, această a doua întrebare devine relevantă, și exact aici se conectează scanul de lucru al FTE TO AI: acesta calculează, pentru fiecare sarcină, ce parte din activitate poate fi preluată de AI, pe baza sarcinilor așa cum sunt executate în prezent. Cine dorește să știe ce poate prelua AI odată ce organizația este pregătită pentru asta găsește acest lucru acolo — inclusiv modul în care aceasta diferă atunci când este vorba despre agenți care execută munca în mod autonom sau despre lanțuri în care diferiți pași se succed unul după altul.
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.