IT-sektorn har ett försprång som samtidigt är en fallgrop. Där andra sektorer fortfarande måste vänja sig vid tanken på AI, finns kunskapen om modeller, arkitekturer och verktyg oftast redan på plats i denna sektor. Utvecklare experimenterar, team bygger proof-of-concepts, och det finns sällan motstånd mot tekniken i sig. Det skapar intrycket att sektorn som helhet ligger långt fram. Men teknisk kompetens hos en del av organisationen är inte samma sak som mognad i organisationen som helhet. Precis där kör det ofta fast.
I ett IT-företag eller på en IT-avdelning är infrastrukturen vanligtvis i ordning: det finns beräkningskraft, det finns utvecklingsmiljöer, det finns erfarenhet av att rulla ut mjukvara. Det är en av de grundläggande dimensionerna som bedöms i mognadsmätningen, och på den punkten poängsätts sektorn vanligtvis högt. Men de andra grundläggande dimensionerna — hur organisationen är uppbyggd kring AI-initiativ, och hur data hanteras utanför utvecklarnas egna system — går inte alltid i takt. En stark IT-avdelning betyder inte att resten av organisationen klarar samma tempo. Sales, finance, HR: dessa funktioner har ofta en annan relation till data och till förändring än de personer som bygger AI-pilotprojekten.
Den skillnaden förklarar ett mönster som förekommer oftare i denna sektor än på andra håll: pilotprojekt som fungerar tekniskt utmärkt, men som inte växer vidare till en strukturell plats i företaget. Inte därför att modellen brister, utan därför att organisationen runt omkring den inte är uppbyggd för att ta emot resultatet. Den som vill förstå varför denna ordning för de grundläggande dimensionerna inte är förhandlingsbar hittar mer om det i varför de grundläggande dimensionerna måste komma först.
Inom IT-sektorn är spridningen mellan respondenter ofta större än i sektorer med mer enhetliga roller. En utvecklare och en account manager inom samma företag kan placera organisationen på nästan motsatta nivåer — den ena ser avancerade tillämpningar dagligen, den andra ser ett kalkylblad som fortfarande uppdateras manuellt. Den spridningen är i sig information. Den visar att AI-mognad i denna sektor sällan är en sektorövergripande företeelse, utan i hög grad beror på vilken avdelning som mäts och vem som tillfrågas.
Det gör en plot-runda med flera respondenter inom IT-sektorn snarare mer värdefull än på andra håll, inte mindre. En enskild poäng från en CIO eller en CTO riskerar att generalisera bilden av den tekniska kärnan till hela organisationen, medan de beroende dimensionerna — där AI faktiskt tas upp i processer — kan visa helt andra resultat.
Förhållandet mellan teknik och organisation ser annorlunda ut i andra sektorer. Inom finansiella tjänster ligger tyngdpunkten ofta på regelverk och riskhantering som fördröjande faktor; den bilden beskrivs i hur långt har den finansiella sektorn kommit med AI-mognad. Inom byggsektorn är det snarare datahanteringsdimensionen som ofta är flaskhalsen, eftersom data om projekt och material är splittrad mellan parter; det redogörs för i hur långt har byggsektorn kommit med AI-mognad. Inom IT-sektorn är problemet sällan brist på teknisk kunskap eller på data — problemet ligger oftare i organisationsdimensionen: vem beslutar vilket pilotprojekt som ska skalas upp, och på vilka grunder.
Mognadsmätningen kartlägger denna skillnad över sju dimensioner och fem nivåer, från baseline till intelligence. För en IT-organisation blir resultatet sällan en rak linje: infrastruktur och teknisk kompetens ligger vanligtvis högre än organisation och beslutsfattande. Den ojämnheten är precis där mätningen är till nytta — inte för att bekräfta att sektorn "är på god väg", utan för att visa vilken dimension som ligger efter och vilken som därför inte kan komma vidare, oavsett hur avancerade modellerna redan är som körs.
En del som ofta underskattas i denna sektor är dokumentationen av beslut: vem har fattat vilket beslut om vilket AI-initiativ, och utifrån vilken information. Utan den inventeringen är det svårt att spåra varför ett pilotprojekt har skalats upp eller inte. Vad som hör dit beskrivs i vad hör hemma i en beslutsinventering.
Denna mätning säger något om organisationen som helhet: finns det ett fundament som AI-initiativ kan vila på, och är det fundamentet lika stabilt överallt i företaget, eller bara hos de personer som står närmast tekniken. Den frågan föregår en annan fråga, nämligen vilken del av arbetet självt som är lämpat för AI. Det är en annan typ av mätning. För organisationer som vill veta vilken del av arbetet, uppgift för uppgift, som kan tas över av AI finns arbetsscanen från FTE TO AI — en mätning som inte tittar på organisationen som helhet, utan på arbetet självt, funktion för funktion och uppgift för uppgift.
Mognadsmätningen är under utveckling. Den som vill veta när mätningen blir tillgänglig kan anmäla sig till väntelistan och får besked så snart verktyget är klart för användning.
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.