Un progetto riceve una data di inizio, un budget e di solito una presentazione con una curva che sale. Ciò che un progetto quasi mai riceve è un momento in cui qualcuno stabilisce che è stato fatto ciò che doveva essere fatto. Non: consegnato. Fatto. Il lavoro spostato, il comportamento cambiato, il vecchio modo di lavorare non più necessario.
Questa distinzione è sempre stata difficile. Diventa più netta ora che parte del miglioramento consiste in AI che assume compiti. Con un nuovo sistema o una nuova procedura si può ancora presumere che le persone lo useranno perché è obbligatorio. Con il lavoro basato su AI questa presunzione non è ovvia: qualcuno deve continuare a controllare il risultato, qualcuno deve osare fidarsi di un esito che non ha scritto lui stesso, e qualcuno deve avere l'autorità di approvare o respingere quell'esito. Se queste tre cose non sono organizzate, il sistema funziona, ma nulla attecchisce.
Esistono misurazioni attendibili perché sono fattuali. Quante ore di lavoro si spostano da un compito alla supervisione di quel compito. Quanti degli esiti vengono approvati da una persona senza modifiche, quanti vengono respinti, e per quale motivo. Se il tempo tra la consegna e la decisione si riduce. Se il numero di escalation verso un collaboratore senior diminuisce perché la prima valutazione regge.
Questa è capacità, non una promessa. Le ore liberate sono un fatto nel momento in cui le conta; ciò che un'organizzazione fa con quella capacità liberata è una domanda separata, con propri quadri normativi non appena riguarda conseguenze per il personale. Tenere separate queste due domande è una condizione per una misurazione credibile, non un dettaglio secondario.
Una percentuale di utilizzo dice che le persone premono un pulsante. Non dice nulla sul fatto che credano anche nel risultato. Un team può approvare un esito di AI per pura formalità e nella pratica non farne nulla, oppure può accettare tutto senza guardare — entrambi i comportamenti appaiono identici in un dashboard come "adozione 80%". Questo è il motivo per cui una singola percentuale senza spiegazione non è utilizzabile: descrive un'azione, non un cambiamento nel modo in cui il lavoro viene svolto.
Esiste anche un problema temporale. Un miglioramento che nel primo mese misura bene può regredire nel quarto mese perché le eccezioni si accumulano e nessuno le ha pianificate. Al contrario, un miglioramento che parte lentamente può diventare stabile dopo sei mesi, non appena le persone che devono approvare hanno acquisito fiducia. Una misurazione fatta in un solo momento è quindi per definizione incompleta; ciò che serve è una serie di misurazioni che mostri se la curva si ripete o si appiattisce.
Un'azienda vede il lavoro basato su AI attecchire entro un trimestre, un'altra sta ancora testando dopo un anno. Questa differenza raramente sta nella tecnologia. Sta in chi è stato formato per valutare un esito di AI, chi ha il diritto di decidere di far proseguire quell'esito, e se quel diritto decisionale è stato formalizzato o rimane in mano a una singola persona che "lo fa anche lei, tra le altre cose". Maggiori informazioni su chi debba effettivamente occupare quel ruolo sono descritte in chi è necessario per far riuscire il lavoro svolto dall'AI.
Un'altra causa frequente: il progetto rimane tecnicamente riuscito ma organizzativamente isolato. L'AI funziona, il pilota è operativo, ma nessuno fuori dal reparto IT usa l'esito in modo strutturale. Perché ciò accada e come riconoscere questo schema è descritto in come evitare che un progetto di AI resti confinato al reparto IT.
E talvolta il ritardo non è un problema organizzativo ma una questione giuridica o di compliance non presa in considerazione nella pianificazione; questa situazione è descritta separatamente in cosa fare se l'ambizione è possibile ma la compliance non lo è.
Il motivo per cui un singolo KPI non è mai sufficiente è che la prontezza stessa non rientra in un unico numero. Qualcosa attecchisce solo se regge su più dimensioni contemporaneamente: le persone che devono valutare sono formate, i dati sono utilizzabili, il processo riconosce l'eccezione, e il diritto decisionale è assegnato in modo esplicito. Se anche una sola di queste fallisce, si misura un progresso sulle altre sette e comunque non si ottiene attecchimento. Questo è approfondito in perché la prontezza non è un numero ma una serie di domande.
La domanda sottostante — quale lavoro in questa azienda è realmente da far assumere all'AI, e quale parte rimane lavoro umano — viene risposta compito per compito con la scansione del lavoro di FTE TO AI.
Nessuna misurazione è completa senza una dimensione temporale, un controllo delle cause e una separazione tra utilizzo e fiducia. In concreto ciò significa: non misurare solo se qualcosa viene usato, ma se l'esito regge senza correzioni. Non misurare una sola volta, ma in momenti fissi dopo l'avvio. E per ogni rifiuto, chiedere il motivo, perché quel motivo le dice più della valutazione stessa.
Se l'ambizione è troppo grande per essere verificata in una sola volta, un approccio graduale è spesso più realistico di un piano annuale; come funziona questa suddivisione in fasi è descritto in come suddividere in fasi un'ambizione troppo grande per un anno. E per la domanda su quanto ritmo un'organizzazione possa realmente sostenere, senza che la misurazione stessa causi il ritardo, c'è quanto velocemente può cambiare davvero un'organizzazione.
Una misurazione attendibile non inizia da un dashboard, ma dalla domanda su dove si trovi realmente la sua organizzazione in questo momento. La verifica di prontezza gratuita pone otto domande brevi, una per dimensione, e offre un quadro di dove è più avanti e dove non lo è ancora. Il test di ambizione completo, con i quattro livelli e le cinque confidence gate, è in fase di sviluppo.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.