AI-prioriteitenmatrix

Het probleem dat hij oplost

Na een inventarisatie hebben de meeste organisaties tien tot dertig ideeen en geen manier om te kiezen. Alles klinkt plausibel en meestal wint de sponsor die het hardst praat. Een matrix haalt die discussie uit de kamer door de criteria vast te leggen voordat het scoren begint.

De twee assen

Waarde. Wat het waard is in je eigen cijfers: geld, vermeden fouten, of werk dat mogelijk wordt. Niet strategisch belang, want dat is niet te weerleggen.

Haalbaarheid. Hier zijn de meeste matrices te smal. Technische haalbaarheid is in een middelgroot bedrijf zelden de knellende factor. De echte vragen zijn of de data consistent genoeg is, of een persoon met naam eigenaar is van het proces, en of iemand na oplevering tijd heeft om het te onderhouden.

Eerlijk scoren

• Scoor met de mensen die het werk doen en niet alleen met het management, want haalbaarheid is kennis die de werkvloer heeft en de directiekamer niet
• Gebruik een smalle schaal, een tot drie per as. Fijnere schalen nodigen uit tot schijnprecisie en eindeloze discussie
• Schrijf de reden bij elke score. Een halfjaar later doet de reden er meer toe dan het getal
• Dwing een rangorde af. Scoort alles hoog, dan waren de criteria te mild

Wat je met de kwadranten doet

Hoge waarde en hoge haalbaarheid is waar je begint, en daar staat meestal minder dan mensen verwachten. Hoge waarde en lage haalbaarheid is geen afwijzing maar een lijst van wat er eerst moet veranderen, en vaak de nuttigste opbrengst van de hele oefening. Lage waarde gaat weg, hoe makkelijk het ook is.

De matrix voedt de AI-roadmap, en in de waardekolom wordt AI ROI berekend.