Definición de preparación organizacional
Fuente: preparación organizacional - Imágenes de Bing
En general, la preparación organizacional se refiere a la capacidad de una organización para realizar cambios significativos o embarcarse en una gran iniciativa nueva. Es fundamental que una organización demuestre que tiene los recursos y la capacidad para implementar el cambio con éxito. También puede salvaguardar la marca de la empresa al demostrar la preparación para el cambio organizacional. Según la teoría, un mayor nivel de preparación organizacional aumenta el éxito de adopción de la innovación y reduce la probabilidad de fracaso.
Hoy en día, Artificial Intelligence (IA) está desempeñando un papel fundamental en la modificación de los negocios. La disponibilidad, la accesibilidad, la escalabilidad, la facilidad de uso y la facilidad de implementación de las tecnologías digitales han aumentado el incentivo para que todas las organizaciones Artificial Intelligence utilizando dichas tecnologías". durante la próxima década. Si bien la tecnología se está utilizando para mejorar la toma de decisiones en las organizaciones, muchas empresas no están cosechando los beneficios. Solo el 8% de las organizaciones participan en operaciones centrales de IA en todos los ámbitos , según el estudio. La mayoría de los encuestados encuestados solo habían probado o empleado IA para un solo proceso o función comercial. La causa fundamental de esto fue una " falla en la reconfiguración de la organización " o, en otras palabras, carecían de preparación organizacional
Los vínculos entre las personas, los procesos, los sistemas y la evaluación del desempeño son fundamentales para la preparación organizacional. Para lograr una ejecución exitosa, deben estar sincronizados y coordinados. Como resultado, la organización debe contar con sistemas y personas para administrar y sincronizar los esfuerzos, así como para comunicar los cambios de manera abierta y efectiva. La organización debe estar dispuesta a aceptar el cambio , lo que requiere un proceso continuo de educación y adaptación. El propósito de impulsar el cambio es reformar la organización y modificar las actitudes y enfoques de las personas hacia sus trabajos.
AI agregará $ 13 billones a la economía global durante la próxima década
Barriers to Organisational Readiness
Source: barriers to organisational readiness - Bing images
There are numerous challenges that organisations face when introducing and implementing AI programmes. Failure to anticipate and address these issues can, and often does, lead to minimal return on efforts and investment.
In this video, Michael Boyle, Managing Director for Procurro Solutions, discusses some of the issues organisations should consider when evaluating whether they are ready for undertaking transformation in general.
Source: https://www.youtube.com/watch?v=ae8q2MvfKCQ
KEY BARRIERS
Failure to ascertain the rationale: Key to assessing an organisation’s readiness for adopting AI is knowing why they are adopting it, in other words, they should be considering, ‘for what reason do we need this AI technology?’. At the outset, failing to ascertain the key rationale for adopting AI is fundamental to ineffective implementation.
Complexity and scope of business model: The more complex an organisation’s business model is, the greater the number of factors that require attention when adopting a suitable AI framework. “Readiness models require context-specific consideration and need to be tailored to the related domain, i.e. a specific technology” (Molla and Licker 2005). Also to be considered is the organisation’s existing level of AI maturity. A common issue when they are new to embracing AI technologies is that the chosen framework is too advanced; subsequently they struggle to keep pace from both technical and operational perspectives
Short-term focus: Organisations that expect speedy results and measure their success accordingly are more prone to failure. This is often due to the inability to realise that the anticipated profitability desired from an AI initiative requires a long-term strategic approach.
Poor leadership: The lack of a fundamental understanding of AI among senior executives will impact negatively on an organisation’s ability to adapt and adopt. When leaders are not first prepared themselves, this inevitably permeates down through all levels in the organisation.
Project governance is not clearly defined or is not appropriate: Successful execution of an AI project is at risk when there is a lack of clarity regarding the key stakeholders responsible for the governance of the project or project phase, or if the make-up of the governing group is not fit for purpose. In addition, as the project moves through each phase the governing group is often not adjusted to reflect the change in emphasis.
Lack of skills and knowledge: Insufficient or inadequate skills is a recurrent challenge for organisations in the early stages of their AI journey. Proceeding without the required skills adds unnecessary risk to an AI project particularly in terms of project success and financial resources. Because emerging technologies such as AI are changing the nature of work, the skills and knowledge that organisations need and value are evolving and this is resulting in a skills gap for many. According to a recent McKinsey survey, 60% of global executives expect that about half of their organisation’s workforce will need retraining or replacing within the next five years. In addition, more than a third admitted that their organisations are unprepared to address the anticipated skills gap (Tun, 2020).
Lack of performance measurement: When unsuitable or inadequate project performance metrics are utilised for monitoring the adoption process, meaningless data will be generated and thus yield ineffective and skewed results. This can lead to issues such as incorrect resource allocation.
Rigid and risk averse: Organisations that possess a rigid mindset and are reluctant to take risks are unable to cope with the agile, experimental, and adaptable approach required particularly in the early stages of AI implementation and adoption.
Silo mindset: A silo mindset exists when departments do not share information with others in the same organisation. Similarly, if the organisation’s processes are siloed, it can impede the implementation and adoption of AI. Organisations that assign budgets by department may struggle to create the collaborative and agile teams required for effective execution.
Resistance to change from employees: Organisations that fail to communicate the reasoning and urgency of change initiatives struggle to get employees on board. Moreover, this is particularly pertinent with AI projects, as there is often the associated fear that AI will replace job roles.
Acciones para la preparación organizacional
Fuente: acciones de preparación organizacional ai - imágenes de Bing
“LA ESENCIA DE LA ESTRATEGIA ES ELEGIR LO QUE NO HACER” - Michael Porter, economista de Harvard
Para prepararse para el nivel requerido de preparación organizacional, las organizaciones deben ser conscientes de los posibles desafíos y barreras que pueden enfrentar y considerarlos con anticipación para garantizar una integración exitosa de la IA. Esto evitará inversiones innecesarias y fallas costosas y, como tal, se debe prestar especial atención a las siguientes áreas clave:
1. Alineación estratégica
“La alineación estratégica proporciona un marco para la toma de decisiones sobre lo que es importante para la organización y lo que no lo es. Aporta armonía en la planificación y la acción” (Collins, 2001). Es prudente que una organización organice sus elementos internos y externos para apoyar mejor el logro de sus objetivos y propósitos a largo plazo.
Es fundamental para la alineación estratégica proporcionar una visión que une a los empleados en torno a un objetivo común. Esto proporciona una base sólida sobre la cual construir y apoyar las actividades organizacionales y cultivar una identidad organizacional. Los empleados necesitan una comprensión integral de por qué la IA es importante para el negocio y cómo encajarán en una nueva cultura de IA. Esto contribuirá de alguna manera a asegurarles que la IA aumentará sus funciones en lugar de disminuirlas o erradicarlas. La investigación de McKinsey Group indica que la mayoría de los empleados deberán adaptarse al uso de IA en lugar de ser reemplazados por ella.
Debido a que las iniciativas de IA a menudo son difíciles de implementar y requieren más de un año para su lanzamiento, las organizaciones deben centrarse en desarrollar una cartera de iniciativas con diferentes cronogramas en lugar de resultados rápidos y victorias rápidas. La prioridad debe centrarse en una visión a largo plazo (típicamente 3 años) y estructurarse con un enfoque por etapas para garantizar que se maximice el valor.
Las complejidades innatas de la IA requieren cambios en todos los niveles organizacionales y, por eso, la gerencia de alto nivel debe demostrar su compromiso y apoyo . Los propios líderes deben tener conocimientos y ser competentes en todas las áreas relacionadas con la iniciativa de IA, y ser un modelo a seguir con actitudes y comportamientos apropiados. Esto será fundamental para transmitir la importancia estratégica de la IA y su relevancia para la organización.
En los niveles de gestión intermedios , hay 3 funciones clave que requieren una representación equitativa para reflejar la paridad de las diferentes perspectivas: Negocios, TI y Análisis . La formación de un grupo de trabajo conjunto para gobernar y supervisar el viaje de la IA garantizará que las 3 funciones colaboren entre sí y compartan la responsabilidad, independientemente de la fase del proyecto y/o el énfasis del proyecto. Los roles y responsabilidades dentro de cada equipo de ejecución deben estar claramente definidos, y una función puede asumir el papel principal, sin embargo, esto depende de la experiencia necesaria para cada fase del proyecto y, como tales, serán intercambiables. Este enfoque interdisciplinario brinda una diversidad de puntos de vista al equipo, respalda la comprensión de funciones cruzadas y, en última instancia, conduce a una toma de decisiones más precisa y efectiva.
2. Recursos
Los recursos necesarios para las implementaciones de IA variarán significativamente según la complejidad y el alcance del modelo comercial de una organización . El éxito depende de contar con los recursos adecuados para complementar y respaldar otros elementos, como habilidades, infraestructura, tecnología y procesos. Es crucial adoptar un marco de IA que sea adecuado y apropiado no solo para las necesidades de la organización, sino también para sus capacidades.
La madurez de la IA juega un papel importante en la determinación de qué recursos se requieren y dónde se asignan. En términos generales, los recursos se clasifican en recursos financieros, tecnológicos y personales (humanos) . Es más probable que las organizaciones que son ' maduras ' en términos de capacidades de IA asignen recursos significativos en áreas tecnológicas, ya que están adecuadamente fundadas para hacer frente al ritmo y nivel de innovación técnica. Por el contrario, es más prudente que las organizaciones que son " nuevas " en IA centren su asignación de recursos en la integración y la adopción tanto como en la tecnología. Esto crea una base sólida sobre la cual construir y desarrollar una iniciativa de IA.
Cada organización tiene sus propios requisitos únicos para determinar el desempeño exitoso que depende de sus objetivos estratégicos. 4 categorías comunes incluyen:
- Satisfacción del usuario final (voz del cliente)
- Metas financieras
- Procesos internos
- Potencial de crecimiento
Determinar la métrica de desempeño más apropiada y efectiva ayudará a los tomadores de decisiones en la asignación y/o reasignación de los recursos necesarios para garantizar que se cumplan los objetivos asociados.
3. Conocimiento
Las organizaciones deben abordar y cerrar cualquier brecha de habilidades para salvaguardar su futuro y mantener su ventaja competitiva estableciendo las habilidades requeridas y reclutando proactivamente si es necesario. Deben avanzar hacia una mentalidad digital en la que se premie la innovación y aportar experiencia digital adicional para ayudar a incorporar el mundo digital y adquirir las habilidades y el conocimiento necesarios.
Además, los empleados existentes deben contar con las habilidades y los conocimientos pertinentes para desempeñar sus nuevas funciones. Las inversiones en capacitación de desarrollo interno son vitales para la adopción exitosa de la IA y se aplican a todos, desde el nivel superior hacia abajo.
Daly (2018) sugiere que “lograr el éxito de la IA en la fuerza laboral requiere un enfoque triple que implica la mejora de las habilidades, la diversidad y el replanteamiento de la naturaleza del trabajo en sí”. Algunas organizaciones han creado sus propias academias de aprendizaje de IA para respaldar este proceso, utilizando una combinación de recursos y capacidades internos y externos (HBR, 2019)
Común a la mayoría es un enfoque en la capacitación en 4 áreas clave:
i. Liderazgo : la gerencia de alto nivel está capacitada para una comprensión avanzada de la IA, así como en áreas como el impacto en los empleados, las barreras para la adopción, los requisitos de desarrollo de habilidades y el cambio cultural.
ii. Análisis : el enfoque se basa en perfeccionar las habilidades técnicas y sociales de quienes son responsables del análisis de datos, el gobierno de datos y la creación de soluciones de IA.
iii. Intérpretes : son empleados que actúan como " intérpretes" entre el equipo de análisis y el usuario final. Por lo general, trabajan en la función empresarial de las organizaciones y, por lo tanto, requieren una formación técnica fundamental, por ejemplo, cómo aplicar enfoques analíticos a los problemas empresariales.
IV. Usuario final : Aquellos que utilicen el software, por ejemplo, empleados de primera línea, departamentos de marketing y finanzas, necesitarán tutoría sobre el uso de las nuevas herramientas de IA.
La capacitación y la mejora de las habilidades de los empleados existentes y la contratación de nuevos empleados con las habilidades requeridas requieren la misma atención y énfasis para una implementación exitosa de la IA.
4. Cultura
Es fundamental crear una cultura que conduzca a una implementación exitosa de la IA. Permite a los empleados comprender su organización, desarrollar relaciones y reconocer un propósito común.
“Cerrar la brecha de habilidades de IA no se trata solo de tener la capacidad de atraer a los mejores talentos de IA, sino de un enfoque ágil e interorganizacional de IA que mejore las habilidades de las diferentes partes interesadas en línea con la estrategia comercial a largo plazo” (Daly, 2018). Purgar la organización de una mentalidad de silo respalda todos los esfuerzos que respaldan este enfoque y ayuda a la reinvención o creación de una cultura adecuada en la que la IA prosperará y prosperará.
La colaboración debe promoverse de varias maneras para que los empleados con diversas habilidades puedan complementarse entre sí . Se requerirá que los empleados trabajen juntos de una nueva manera que rompa los silos para tratar de manera efectiva los problemas interdimensionales. Necesitan aprender unos de otros para responder más rápida y consistentemente a los cambios en el mercado y dentro de la organización. El uso de ' intérpretes' y la la incorporación de tecnología en la estructura de la organización puede ayudar a hacer esto.
Debido a la disposición multidimensional y vigorosa de la transformación digital de la IA, una organización debe emprender medidas y actividades proactivas para pasar de ser rígida, impulsada por políticas y reacia al riesgo a volverse ágil, experimental y adaptable . Esto permite una mayor flexibilidad en su enfoque, particularmente en relación con áreas clave como la toma de decisiones, la asignación (o reasignación) de recursos y la innovación.
5. La capacidad de innovación se basa en la cantidad y el ritmo de adaptabilidad que poseen los empleados (Kruse et al., 2019). Los empleados requieren acciones innovadoras para instigar el cambio a un ritmo rápido y en múltiples áreas , de modo que la organización pueda aprovechar todo el potencial de la IA. Tales acciones incluyen la experimentación, la asunción de riesgos y la resolución de problemas, y deben alentarse activamente (Microsoft 2020; Yuan y Woodman 2010). La innovación alentará y mejorará la disposición de los empleados para aceptar el cambio asociado con la implementación y adopción de iniciativas de IA. Del mismo modo, son los empleados de primera línea los que construyen, implementan y monitorean nuevas capacidades de IA, por lo que buscar sus aportes y brindar apoyo para las iniciativas 'ascendentes' consolidará aún más su aceptación y compromiso.