人工智能的准备过程大部分是组织变革。人工智能的运用可能需要创造一个新的劳动力类别：新领工人（New-collar Worker）。新领工作可以涵盖网络安全、云计算、数字设计和认知商业（Cognitive Business）等工作。
在世界范围内，大多数组织都认同人工智能可以帮助其保持竞争力，但是许多组织通常仍使用不算先进的分析形式。对于那些使用人工智能经历失败或者未能达到最佳效果的组织而言，自然的方法似乎是消除而非增加严谨性。
从人工智能阶梯的角度来看，梯级会匆忙掠过，甚至完全跳过。当组织开始意识到并认可这种范式的时候，他们必须重新审视分析的基础，以便为其达到理想的未来状态和获得从人工智能获益的能力做好准备。他们不一定要从零开始，但他们需要评估自己的能力，以确定可以从哪个梯级开始。他们需要的许多技术部件可能已经到位。
注入是一门涉及将人工智能集成到有意义的业务功能之中的规程。尽管许多组织能够创建有用的人工智能模型，但它们很快会被迫应对实现持续的、可行的业务价值的运营挑战。
人工智能阶梯中的“注入”梯级突出了在模型推荐的决策中获得信任和透明度、解释决策、避免偏见或确保公平的检测，以及提供审计所需的足量数据线索所须掌握的规程。注入梯级旨在通过解决时间–价值连续统来实现人工智能用例的可操作性。
以下是注入梯级的关键主题：
通过预构建适用于诸如客户服务和财务规划等常见用例的人工智能应用程序，或定制适用于物流运输等专门用例的人工智能应用程序，缩短实现价值的时间。
优化知识工作和业务流程。
利用人工智能辅助的商业智能和数据可视化。
自动化规划、预算和预测分析。
使用符合行业需求的人工智能驱动框架进行定制。
通过使用人工智能支持新业务模型的创新。
一旦对每个梯级的掌握达到一定程度，即新的尝试是重复以往的模式，而且这些新尝试不被视为是定制或需要巨大努力的，组织就可以认真地朝着未来状态采取行动。
