Kennisbank

Raven intelligence: kako je videti v praksi

Intelligence je peta raven v meritvi zrelosti hybridresourcing, po ravneh baseline, foundation, activation in insight. To je raven, na kateri sedem dimenzij — od organizacije in IT-infrastrukture do upravljanja podatkov ter odvisnih dimenzij nad njimi — ne deluje več ločeno druga od druge, temveč je med seboj usklajenih. To zveni abstraktno, dokler ne pogledate, kaj se v praksi takrat dogaja in kaj ne več.

Po čem to prepoznate

Na nižjih ravneh AI deluje v pilotnih projektih, ločeno drug od drugega, z različnim lastništvom. Na ravni intelligence je ta vzorec presekan. Odločitve o novih aplikacijah se ne sprejemajo več po posameznih projektih, temveč izhajajo iz strukture, ki že obstaja: jasno lastništvo, podatki, ki so najdljivi in zanesljivi, infrastruktura, ki zmore širitev, ne da bi vsaka pobuda znova naletela na iste omejitve. Organizacija nima ene same uspešne aplikacije, temveč način dela, v katerem se aplikacije medsebojno krepijo namesto da si stojijo na poti.

To ne pomeni, da gre vse samodejno prav. Pomeni, da ko gre kaj narobe, organizacija ve, na čem to temelji in kako to popravi. Temeljne dimenzije takrat nosijo teža odvisnih dimenzij, kot je prav: najprej stoji temelj, šele nato aplikacija, ki se nanj naslanja.

Kaj je drugače kot na ravni insight

Na ravni insight organizacija pogosto že dobro vidi, kaj se dogaja: obstaja pregled nad tem, kaj deluje in kaj ne, meri se in prilagaja. Kar na ravni insight še manjka, je način, kako se ta spoznanja strukturno vgradijo v to, kako je organizacija urejena. Intelligence je korak, na katerem to spoznanje ni več poročilo, temveč del samega delovanja. Kdor želi izvedeti več o tem prehodu, najde poglobitev v kako priti od insight do naslednje ravni.

Razpršenost med respondenti je na tej ravni običajno manjša kot na ravneh pod njo. Na ravneh baseline in foundation oddelki pogosto dosegajo zelo različne rezultate, ker je en oddelek že dlje kot drugi. Na ravni intelligence je ta razpršenost praviloma manjša, ne ker bi se vsi strinjali o vsem, temveč ker sama struktura pušča manj prostora za velike razlike v dojemanju. To je nekaj, kar prikaže krog s ploskovnim prikazom v meritvi: ne le povprečno raven, temveč tudi, kako enotna je ta slika znotraj organizacije.

Kaj zahteva korak k naslednji ravni

Intelligence je najvišja raven v tej meritvi, in to sproža vprašanje, kaj potem sploh še ostane za storiti. Odgovor je, da doseganje ravni ni končna točka. Infrastruktura zastara, ekipe se spreminjajo, nove aplikacije prinašajo nove zahteve glede podatkov in upravljanja. Vzdrževanje te ravni zahteva enako veliko pozornosti kot njeno doseganje, in vprašanje se premakne od 'kako pridemo do tu' k 'kako to ohranimo, medtem ko se organizacija in tehnologija še naprej spreminjata'. Poglobitev tega vprašanja je v kako naprej graditi od intelligence.

Za organizacije, ki te ravni še niso dosegle, je koristno vedeti, da pot do nje ne poteka v enem samem koraku. Pot vodi skozi nižje ravni, in vprašanja, ki so pomembna na vsaki ravni, se razlikujejo. Kdor se sprašuje, kako izgledajo prvi koraki, to najde v kako priti od baseline do naslednje ravni in v koraku, ki sledi za tem, opisanem v kako priti od activation do naslednje ravni.

Kaj ta raven ne pove

Doseganje ravni intelligence pove nekaj o tem, v kolikšni meri je organizacija urejena tako, da lahko nosi aplikacije AI. Ne pove nič o tem, katere naloge znotraj te organizacije so primerne za to, da jih prevzame AI, in v kolikšni meri. To je drugo vprašanje, z drugim orodjem.

Meritev zrelosti hybridresourcing se nanaša na nosilno stran: ali so organizacija, infrastruktura in upravljanje podatkov v takšnem stanju, da lahko aplikacije AI delujejo, ne da bi trčile ob temeljne omejitve. To vprašanje je pogojno za drugo vprašanje, in sicer kateri del dela samega pride v poštev za AI. Za to vprašanje obstaja delovni sken FTE TO AI, ki za vsako nalogo izračuna, kateri del dela je mogoče prevzeti. Organizacija na ravni intelligence ima strukturo, da z izsledki tega skena nekaj naredi; kdor želi izvedeti, kaj delovni sken konkretno prinese, ko AI dejansko začne izvajati naloge, to najde v kaj lahko naredite z agenti, ki opravljajo delo.