Niet: hebben wij veel data. Niet: hebben wij een datastrategie op papier. De vraag die telt is smaller en ongemakkelijker: is de data die bij een specifieke taak hoort volledig, actueel en toegankelijk genoeg om die taak aan AI over te dragen, geheel of met toezicht.
Dat is per taak een andere vraag. Een taak waarbij AI tekst samenvat uit een goed gestructureerde database vraagt iets anders dan een taak waarbij AI een besluit voorbereidt op basis van gegevens die in drie systemen anders genoteerd staan. De ambitie noemt vaak alleen het eerste geval hardop en veronderstelt het tweede.
AI neemt werkzaamheden over. Bij een deel van de taken kan dat volledig, bij een deel alleen met menselijk toezicht dat goedkeurt of afkeurt met reden, en bij een deel blijft het mensenwerk. Die verdeling loopt dwars door elke afdeling en verandert niet omdat het jaar verandert, maar omdat de onderliggende data verandert.
Het verschil tussen bedrijven die dit al goed toetsen en bedrijven die dat nog niet doen, zit zelden in de hoeveelheid data. Het zit in de vraag of iemand kan aanwijzen welke data bij welke taak hoort, wie daar eigenaar van is, en hoe je zou merken dat die data niet klopt. Bedrijven waar die vraag een gewoonte is, zien per taak vrij snel of AI-overname een reeel gesprek is. Bedrijven waar die vraag nieuw is, ontdekken de datagaten pas op het moment dat AI al iets fout heeft opgeleverd.
De toets vraagt niet om een dataclassificatiedocument. Ze vraagt om drie dingen die u kunt aanwijzen, niet beschrijven:
Bewijs dat wel telt: een steekproef waarbij drie mensen onafhankelijk van elkaar dezelfde databron raadplegen en tot dezelfde uitkomst komen. Bewijs dat niet telt: een tevredenheidscore over "onze data-infrastructuur" op een directie-offsite.
Een taak die op de datadimensie laag scoort, is niet per definitie een taak die geen capaciteit vrijspeelt. Het betekent dat de volgorde verandert: eerst de data op orde, dan de overdracht. Dat is een tijdlijn, geen njet.
Het betekent ook niet dat er iets mis is met de mensen die de data nu beheren. De toets meet gereedheid van het werk, niet de kwaliteit van medewerkers, en zegt niets over functies of aantallen. Als een uitkomst raakt aan personeelsbeslissingen, gelden daarvoor eigen wettelijke vereisten; die beoordeelt u apart, niet op basis van een gereedheidstoets.
Wat wel bruikbaar is: de uitkomst laat zien of het probleem bij de data zelf ligt, bij de mensen die ermee werken, of bij de leveranciers die de systemen leveren. Dat onderscheid bepaalt de vervolgstap. Ligt het aan hoe medewerkers met data omgaan, dan raakt dat aan hoe u toetst of uw mensen het aankunnen. Ligt het aan systemen van derden die de data leveren of ontsluiten, dan speelt hoe u toetst of uw leveranciers meekunnen. En als de ambitie zelf de databehoefte niet had benoemd, ligt de oorzaak vaak eerder in de formulering dan in de data: dan helpt hoe u een vage visie concreet maakt.
Achter "is onze data goed genoeg" zit een grotere vraag: welk werk in dit bedrijf is, gegeven de data die er nu is, werkelijk door AI over te nemen, en welk werk niet. Die vraag wordt per taak beantwoord met de werkscan van FTE TO AI, niet met een oordeel over de organisatie als geheel.
U kunt de datadimensie los toetsen, maar ze staat niet alleen. Gereedheid voor AI-overname bestaat uit acht dimensies, en data is er een van naast bijvoorbeeld mensen, leveranciers en de scherpte van de ambitie zelf. Een uitkomst op een dimensie zegt weinig zonder de andere zeven.
De gratis gereedheidscheck geeft dat overzicht in acht korte vragen, een per dimensie, met een beeld van waar u het verst en het minst ver bent. Geen rapport, geen verplichting, wel een eerlijk startpunt. De volledige ambitietoets, met de vier lagen van visie tot target state en de vertaling naar rollen en besluitrechten, is in aanbouw.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.