AI-strategi for bedriften: hvem eier AI-en, og hvor begynner dere?
Slik lager dere en AI-strategi som ender i drift: hvem som skal eie AI-en, hvilke roller som trengs, hvor dere begynner, og når det lønner seg med rådgivning.
En bedrift som fungerer, sitter på enormt mye kunnskap. Problemet er sjelden at den mangler. Problemet er at den ligger spredt i regneark, i systemer som ikke snakker sammen og i hodene til folk som har nok med å gjøre jobben sin.
I en bedrift som fungerer, finnes svarene som regel allerede. Noen vet hvorfor akkurat den leverandøren alltid er sen. Noen har et regneark som i praksis er fasiten, uansett hva systemet sier. Noen svarer på det samme spørsmålet på e-post hver eneste uke, og tenker ikke over det.
Det er ikke rot. Det er en organisasjon som har lært seg noe. Problemet er at kunnskapen bare er lesbar for den som bærer den. Går hun av med pensjon, eller er hun i møte, er den borte for alle andre.
Så kommer systemene. Økonomi ett sted, kalkyle et annet, dokumentasjon et tredje, timer et fjerde. Hvert av dem har rett om sin bit. Ingen av dem ser hele bildet, og ingen av dem er bygget for å dele det.
En agent kan bare resonnere om det den får se. Gir dere den et chattevindu og ingenting annet, får dere velformulerte allmenne svar. De er ikke gale. De handler bare ikke om dere.
Gir dere den tilgang til det som faktisk gjelder i prosjektet, endrer den karakter. Da svarer den om deres kontrakt, deres frister og deres marginer, og den kan vise hvor den har det fra. Forskjellen på en demo og et verktøy ligger nesten alltid her, og nesten aldri i modellen.
Uten et datalag som holder det sammen, begynner hver agent på bar bakke. Den må gjette, mates for hånd eller nøye seg med den ene siloen den tilfeldigvis har tilgang til. Da får dere aldri mer enn en brøkdel av det den kunne ha gjort.
Det koster også penger. En agent som ikke vet hvor svaret ligger, må lete gjennom mapper, dokumenter og e-post, og hver side den leser, betales i tokens, gang på gang. Les hvorfor agenter bruker så mange tokens.
Å hente inn data riktig er undervurdert arbeid. Formater som ikke stemmer overens. Versjoner som lever side om side. To systemer som er uenige om hva som er sant, uten at noen av dem tar feil. Og spørsmålet som må besvares før noe annet: hva er kilde, og hva er noens tolkning av kilden?
Alt dette skal i tillegg gjøres uten at driften stopper. Ingen kan ta et halvår fri for å rydde. At de færreste har stålkontroll på dette er ikke slurv. Det er et vanskelig fag, og det har lenge vært mulig å klare seg uten.
Det er den siste delen som har endret seg. Datagrunnlag tar tid å bygge, og det kan ikke kjøpes ferdig. Derfor vokser forspranget til dem som begynte tidlig, og derfor lar det seg ikke hente inn med en innkjøpsordre den dagen dere trenger det.
Vi sier ikke dette for å skremme noen. Vi sier det fordi vi har brukt år på nettopp denne delen, i drift hos bedrifter med ekte tall og ekte frister, og fordi det er den delen alle undervurderer.
Det er den jobben som gjør at agentene, der vi har satt dem i drift, nå utfører over 40 prosent av alle aktivitetene i systemene, fra tilbudsskriving og prosjektstyring til dype dokumentanalyser. Ingenting av det hadde vært mulig uten at grunnlaget lå der først. Begynn med grunnmuren, så blir alt over den billigere.
Noen ganger er ikke datagrunnlaget problemet. Prosessen er det. Er en arbeidsflyt objektivt dårlig, eller så ustrukturert at ingen agent kan gjøre noe fornuftig med den, sier vi det rett ut og foreslår en bedre vei. Å automatisere en dårlig prosess gir bare en raskere dårlig prosess.
Det er ikke alltid det en kunde vil høre, og den kostnaden tar vi. En rådgiver som er enig i alt er ikke en rådgiver. Det er en leverandør som venter på en bestilling.
Vi er heller ikke gode på alt, og vi later ikke som. Det vi kan best, er AI, datagrunnlag og å gjøre en bedrift klar for det som kommer. Det er der vi bidrar, og det er der vi holder oss.
Vi kartlegger systemer, regneark, innbokser og det som bare finnes i hodene til folk. Ikke som en revisjon, men i samtaler med dem som gjør jobben. Det er der de viktigste kildene pleier å dukke opp.
Dataene leses der de bor. Systemene dere har, blir stående, og ingen får beskjed om å bytte verktøy for at vi skal komme i gang. Datalaget legger seg over, ikke i stedet for.
Hva som står i kontrakten, og hva noen har konkludert ut fra den, er to forskjellige ting. Holdes de fra hverandre, kan en agent vise hvorfor den mener noe. Blandes de, kan den bare påstå.
Først når grunnlaget står, har en agent noe å være god på. Da er den ikke en assistent som gjetter, men en kollega som kan peke på hvor svaret kommer fra.
Et datagrunnlag for AI er bedriftens egne data, samlet og ordnet slik at en AI-agent kan finne, forstå og bruke dem. Det er tallene fra regnskapet, kalkylene, kontraktene, historikken og reglene for hvem som bestemmer hva, med kilden til hver opplysning. Dataene trenger ikke flyttes: de leses der de bor.
Nei. Vi begynner med det som betyr mest for oppgavene agentene skal gjøre, og henter det inn uten at driften stopper. Systemene dere har, blir stående, og datalaget legger seg over dem, ikke i stedet for.
Kilden er det som faktisk står, for eksempel i kontrakten eller regnskapet. Tolkningen er det noen har konkludert ut fra kilden. Holdes de fra hverandre, kan en agent vise hvorfor den mener noe. Blandes de, kan den bare påstå.
Ja. En agent som vet hvor svaret ligger, henter det direkte i stedet for å lete gjennom mapper, dokumenter og e-post, og letingen er det som bruker flest tokens. Færre tokens gir lavere kostnad, og mindre støy gir færre feil. Les hvorfor agenter bruker så mange tokens.
Slik lager dere en AI-strategi som ender i drift: hvem som skal eie AI-en, hvilke roller som trengs, hvor dere begynner, og når det lønner seg med rådgivning.
Hvorfor AI-piloter hos entreprenører stopper, og hvordan dere kobler AI til prosjektdata, arbeidsflyt og ansvar, og måler at den faktisk er i drift.
Hva Relation Brain er, hvordan den virker uten teknikk, og hvorfor den passer bedrifter som jobber i prosjekter, med kunder, klienter eller bygg.
Skal dere få noe ut av AI de neste årene, er det i datagrunnlaget arbeidet ligger. Det er også der vi er sterkest. Skriv til oss, så finner vi ut sammen hvor dere står i dag.