Baseline är den första av de fem nivåerna i hybridresourcings mognadsmätning. Det är inget negativt omdöme. Det beskriver en organisation där de sju dimensionerna — bland annat organisation, IT-infrastruktur och datahantering — ännu inte har en struktur som kan bära AI. Det kan redan ha experimenterats med AI. Det pågår pilotprojekt, det har köpts licenser, någon i teamet använder en språkmodell för rapporter. Det ändrar inget på nivån. Baseline handlar om vad som finns, inte om vad som redan har testats.
På baseline-nivå saknas en gemensam bild av vem som ansvarar för vad när det gäller AI. Beslut om verktyg fattas på avdelningsnivå, utan att någon har överblick över vad som körs. IT-infrastrukturen är utformad för arbetsprocesserna från tiden före AI: system som inte pratar med varandra, ingen central plats där data samlas, ingen vision om vad som krävs för att låta modeller fungera med organisationens data. Datahantering finns till namnet — det finns ett arkiv, ett CRM, ett intranät — men ingen kan med säkerhet säga var vilken data finns, vem som får tillgång till den, och om den data är korrekt.
De fundamentala dimensionerna går före de beroende dimensionerna, och det märker ni tydligast på denna nivå. Ett pilotprojekt som i sig fungerar bra kör fast så snart det ska skalas upp, eftersom infrastrukturen under det inte klarar det. Ett team som entusiastiskt testar en AI-tillämpning upptäcker att data det behöver inte finns strukturerat tillgänglig någonstans. Det här är inga incidenter. Det är de förutsägbara konsekvenserna av ett fundament som ännu inte är klart.
Baseline innebär inte att organisationen står still eller att människor inte vill. Ofta är motsatsen sann: det finns rörelse, det finns initiativ, det har frigjorts budget. Det som saknas är inte motivation utan sammanhang. Enskilda pilotprojekt utan gemensam infrastruktur, enskild datahantering utan central styrning, enskilda beslut utan gemensamt ägarskap. Energin finns. Strukturen för att fånga upp den energin finns ännu inte.
Det innebär heller inte att denna nivå måste pågå länge eller att det är något fel med en organisation som startar här. De flesta organisationer som seriöst tittar på AI börjar på baseline eller strax ovanför. Nivån är ett foto, inte en dom.
I mognadsmätningens plot-omgång skattar flera personer var för sig, och hos baseline-organisationer är det ofta något specifikt som sticker ut: spridningen mellan respondenterna är stor. Där en IT-ansvarig ser att infrastrukturen fortfarande har stora luckor, tror en avdelningschef kanske att allt är i sin ordning, eftersom de verktyg de själva använder fungerar som de ska. Den spridningen är i sig en signal. Den visar att det ännu inte finns en gemensam bild av var organisationen står — och just den bristen på gemensam bild är vad som kännetecknar baseline.
Övergången från baseline till nästa nivå kräver inte fler AI-projekt. Den kräver att något får gå före resten: tydliga ansvarsområden, en infrastruktur som kan samla in och tillgängliggöra data, och en datahantering som är tillförlitlig nog att bygga vidare på. Utan den grunden förblir varje efterföljande steg tillfälligt, eftersom det står på lös sand.
Vad denna övergång konkret innebär för er organisation varierar från fall till fall — det beror på sektor, storlek och vilken av de sju dimensionerna som ligger mest efter. Hur ni tar er från baseline till nästa nivå beskriver vilka rörelser det handlar om. Som jämförelse är det också bra att se vart steget leder: vad nivån foundation innebär i praktiken visar hur ett fundament ser ut när grundstrukturen väl finns på plats. För organisationer som vill se längre än bara nästa steg beskriver vad nivån insight innebär i praktiken hur mognaden utvecklas vidare när data och infrastruktur är i ordning.
Hybridresourcings mognadsmätning tittar på frågan om en organisation kan bära AI: finns fundamentet, står strukturen, finns en gemensam bild av ansvar och data. Det är en annan fråga än vilken del av själva arbetet som lämpar sig för AI. En organisation på baseline-nivå kan mycket väl ha arbetsprocesser där många uppgifter lämpar sig för att övertas av AI — det som saknas är bara strukturen för att göra det på ett hållbart sätt. Den som vill veta hur mycket av själva arbetet, per uppgift, som kan övertas av AI hittar inte det svaret i mognadsmätningen utan i FTE TO AI:s arbetsskanning. Den räknar ut per uppgift vilken del som är lämplig för AI, oberoende av frågan om organisationen redan är redo för det. Båda svaren tillsammans — är organisationen redo, och är arbetet redo — ger den fullständiga bilden innan ni investerar i något.
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.