Kennisbank

Úroveň intelligence: ako to vyzerá v praxi

Intelligence je piata úroveň v meraní vyspelosti hybridresourcing, po baseline, foundation, activation a insight. Je to úroveň, na ktorej sedem dimenzií — od organizácie a IT infraštruktúry až po manažment dát a od nich závislé dimenzie — nefunguje už oddelene, ale je vzájomne zosúladených. To znie abstraktne, kým sa nepozriete na to, čo sa v praxi vtedy deje a čo už nie.

Podľa čoho ju rozpoznáte

Na nižších úrovniach AI funguje v pilotoch, oddelene od seba, s premenlivým vlastníctvom. Na úrovni intelligence je tento vzorec prerušený. Rozhodnutia o nových aplikáciách sa už neprijímajú na úrovni jednotlivých projektov, ale vyplývajú zo štruktúry, ktorá už existuje: jasné vlastníctvo, dáta, ktoré sú vyhľadateľné a spoľahlivé, infraštruktúra, ktorá zvládne rozšírenie bez toho, aby každá nová iniciatíva znovu narážala na rovnaké obmedzenia. Organizácia nemá jednu úspešnú aplikáciu, ale spôsob práce, v ktorom sa aplikácie navzájom posilňujú, nie prekážajú.

To neznamená, že všetko automaticky ide dobre. Znamená to, že keď sa niečo pokazí, organizácia vie, čím je to spôsobené a ako to upraviť. Fundamentálne dimenzie potom nesú váhu od nich závislých dimenzií, tak, ako to má byť: najprv stojí základ, až potom aplikácia, ktorá sa na ňom opiera.

Čo je iné oproti úrovni insight

Na úrovni insight organizácia už často dobre vidí, čo sa deje: existuje prehľad o tom, čo funguje a čo nie, meria sa a upravuje sa. Čo na úrovni insight ešte chýba, je spôsob, akým sa tieto poznatky štrukturálne premietajú do toho, ako je organizácia usporiadaná. Intelligence je krok, na ktorom tento prehľad už nie je iba správou, ale súčasťou samotného fungovania. Kto chce vedieť viac o tomto prechode, nájde rozpracovanie v ako sa dostanete z insight na ďalšiu úroveň.

Rozptyl medzi respondentmi je na tejto úrovni obvykle menší než na nižších úrovniach. Na úrovniach baseline a foundation majú oddelenia často výrazne odlišné hodnotenia, pretože jedno je už ďalej než druhé. Na úrovni intelligence je tento rozptyl väčšinou obmedzenejší, nie preto, že by sa všetci vo všetkom zhodovali, ale preto, že samotná štruktúra dáva menej priestoru na veľké rozdiely vo vnímaní. Na to poskytuje pohľad grafové kolo merania: nielen priemernú úroveň, ale aj to, nakoľko jednoznačne sa tento obraz vníma v rámci organizácie.

Čo si vyžaduje krok na ďalšiu úroveň

Intelligence je najvyššia úroveň v tomto meraní, čo vyvoláva otázku, čo ešte zostáva urobiť. Odpoveďou je, že dosiahnutie úrovne nie je konečným bodom. Infraštruktúra starne, tímy sa menia, nové aplikácie prinášajú nové požiadavky na dáta a správu. Udržiavanie tejto úrovne si vyžaduje rovnako veľkú pozornosť ako jej dosiahnutie, a otázka sa posúva od „ako sa sem dostaneme“ k „ako to udržíme, keď sa organizácia a technológia neustále menia“. Rozpracovanie tejto otázky nájdete v ako budujete ďalej od intelligence.

Pre organizácie, ktoré túto úroveň ešte nedosiahli, je užitočné vedieť, že cesta k nej nejde v jednom kroku. Trasa vedie cez nižšie úrovne a otázky, ktoré sú relevantné na každej úrovni, sa líšia. Kto sa pýta, ako vyzerajú prvé kroky, nájde odpoveď v ako sa dostanete z baseline na ďalšiu úroveň a v kroku, ktorý nasleduje potom, popísanom v ako sa dostanete z activation na ďalšiu úroveň.

Čo táto úroveň nevraví

Dosiahnutie úrovne intelligence vypovedá o tom, do akej miery je organizácia usporiadaná tak, aby uniesla aplikácie AI. Nevypovedá o tom, ktoré úlohy v rámci tejto organizácie sú vhodné na to, aby ich prevzala AI, a v akej miere. To je iná otázka, s iným nástrojom.

Meranie vyspelosti hybridresourcing sa zaoberá nosnou stránkou: či je organizácia, infraštruktúra a manažment dát v takom stave, že aplikácie AI môžu funkovať bez toho, aby narazili na fundamentálne obmedzenia. Táto otázka je podmienená inou otázkou, konkrétne tým, aká časť samotnej práce prichádza do úvahy pre AI. Pre túto otázku existuje pracovný skener FTE TO AI, ktorý pre každú úlohu vypočíta, akú časť práce je možné prevziať. Organizácia na úrovni intelligence má štruktúru na to, aby s výsledkami tohto skenera niečo urobila; kto chce vedieť, čo pracovný skener konkrétne prináša, keď AI skutočne začne vykonávať úlohy, nájde to v čo môžete robiť s agentmi, ktorí vykonávajú prácu.