Det finns en frestelse att betrakta AI-beredskap som en samling separata teman som ni kan kombinera efter eget tycke. Välj vad som känns akut, mät det, gå vidare. Mognadsmätningen från hybridresourcing fungerar inte så, och det är inget stilval.
De sju dimensionerna är inte likvärdiga i tid. Organisation, IT-infrastruktur och datahantering är fundamentala: utan en fungerande grund där har allt som följer ingen mark att stå på. De övriga dimensionerna är beroende. De förutsätter att fundamentet redan kan bära något. Detta är en teknisk ordning, jämförbar med en grund som måste ligga där innan en våning har någon mening. Ni kan visserligen bygga våningen utan grund, men vad ni då mäter är inte det ni tror att ni mäter.
Organisationer som börjar vid de beroende dimensionerna — låt oss säga vid hur team tolkar AI-resultat, eller hur snabbt beslut justeras — får poäng som känns som framsteg men som saknar betydelse utan underlaget. Ett team kan vara utmärkt på att tolka AI-output medan datan som den outputen bygger på är opålitlig. Poängen på den beroende dimensionen säger då något om skicklighet, men ingenting om huruvida resultatet kan lita på.
De fundamentala dimensionerna är därför inte viktigare i betydelsen prestige. De kommer tidigare i betydelsen logik. Datahantering avgör vad som är innehållsmässigt möjligt. IT-infrastruktur avgör vad som är tekniskt skalbart. Organisation avgör vem som ansvarar för vad när det går fel. Utan dessa tre är varje poäng på de övriga dimensionerna en poäng utan grund.
Metoden arbetar med en plot-runda: flera personer inom samma organisation poängsätter oberoende av varandra på alla sju dimensioner. Det som därefter blir synligt är ofta mer informativt än poängen i sig. Spridning mellan respondenter är en signal. Om CIO:n placerar IT-infrastrukturen på en högre nivå än de team som arbetar med den dagligen, säger det något om vem som har vilken bild av verkligheten — och det är precis det samtal som föregår varje annat steg.
Denna spridning är uttryckligen inte ett fel i mätningen. Det är mätningen. En organisation där alla exakt samma nivå poängsätter har antingen en ovanligt delad bild, eller ingen har tänkt igenom frågan ordentligt. Båda är möjliga; plot-rundan gör skillnaden synlig i stället för att jämna den ut till en enda siffra.
Mognadsmätningen säger ingenting om vilka uppgifter AI kan ta över. Den säger ingenting om hur lång tid en implementering tar, och ingenting om vad ett AI-projekt ger ekonomiskt. Den levererar ingen procentsats, ingen genomloppstid, inget belopp — eftersom sådana siffror inte kan komma ur en beredskapsmätning. Vad metoden faktiskt levererar är en placering på fem nivåer — baseline, foundation, activation, insight, intelligence — per dimension, samt en bild av var organisationen skiljer sig mest i sin egen självbild.
Detta är också varför metoden inte ger råd om vad ni därefter bör göra. Det finns inget "ni borde" i detta resultat. Det finns ett resultat, och organisationen avgör själv vad som ska göras med det. Denna distinktion är inte menad som ansvarsfri; det är en gräns som hör till ett instrument som mäter, inte rådger.
Mognadsmätningen besvarar frågan om en organisation kan bära AI. Den besvarar inte frågan om vilket arbete AI skulle kunna ta över — det är en annan frågeställning, med en annan skala och en annan logik. Skillnaden mellan dessa två frågor utvecklas i skillnaden mellan att bära AI och att låta AI ta över, och det är värt att ha den distinktionen klar för sig innan ni tolkar en mätning som ett uttalande om något annat än det den mäter.
Ordningen mellan fundamental och beroende berör också vad en organisation får automatisera och vad den inte får. Den som undrar vad som behöver kartläggas innan automatisering kan övervägas på allvar hittar utgångspunkter i vad som bör ingå i en beslutsinventering, och den som undrar var gränsen ligger hittar den utvecklad i vilka beslut som aldrig får automatiseras. Båda frågorna förutsätter en organisation som redan vet var den står — vilket är precis vad denna mätning ger.
Eftersom beredskap inte är ett fast tillstånd är även frågan om hur ofta denna mätning bör upprepas relevant; det behandlas i hur ofta en mognadsmätning behöver göras om.
När de fundamentala dimensionerna är i ordning, eller i alla fall kartlagda, uppstår en annan fråga: vilken del av det faktiska arbetet i organisationen som kan tas över av AI. Det är inte vad denna mätning besvarar. Det är vad arbetsscanen från FTE TO AI är till för: en beräkning per uppgift, som visar vilken del av arbetet som kan tas över och vilken del som förblir hos människor. Mognadsmätningen fastställer om marken är stabil nog; arbetsscanen beräknar vad som kan byggas på den marken.
Mognadsmätningen från hybridresourcing är under utveckling. Den som vill använda resultatet av denna mätning så snart den blir tillgänglig kan anmäla sig till väntelistan.
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.