Indsigt · Digitalisering og AI
AI bør ikke implementeres, fordi teknologien er ny. Den bør anvendes dér, hvor den kan forbedre en konkret arbejdsgang, beslutning eller kundeoplevelse – og hvor effekten kan måles.
Samtidig bør virksomheden tidligt tage stilling til, hvad den selv bør udvikle og vedligeholde, og hvad der med fordel kan købes som en eksisterende AI-løsning eller service.
En typisk situation
Medarbejdere er allerede begyndt at anvende AI, og ledelsen kan se et betydeligt potentiale.
Idélisten vokser hurtigt: tilbud, kundeservice, informationssøgning, rapportering, dokumentation, administration og analyse.
Udfordringen er at skelne mellem interessante demonstrationer og anvendelser, der faktisk kan skabe varig forretningsværdi.
Samtidig opstår et andet strategisk spørgsmål: Skal virksomheden selv bygge AI-løsninger og opbygge kompetencer til at drive dem – eller findes der allerede standard-, SaaS- eller eksternt udviklede løsninger, der løser behovet bedre og billigere?
Klassiske udfordringer
- Der er mange AI-idéer, men ingen fælles prioritering af forventet værdi.
- Medarbejdere anvender forskellige værktøjer uden fælles rammer.
- Virksomheden begynder at udvikle egne løsninger, før alternativerne på markedet er undersøgt.
- Udviklingsomkostningen vurderes, men den løbende vedligeholdelse, kompetencebinding og tekniske gæld undervurderes.
- Fortrolige eller følsomme data kan ende i løsninger uden tilstrækkelig vurdering.
- AI-resultater bruges uden tilstrækkelig kontrol af kvalitet og kilder.
En praktisk tilgang
- Find arbejdsgange med stort tidsforbrug, meget informationssøgning, gentagelser eller kendte kvalitetsproblemer.
- Vurder mulighederne på forventet værdi, datagrundlag, risiko og implementeringskompleksitet.
- Undersøg build vs. buy: findes der allerede en løsning, der dækker behovet tilstrækkeligt?
- Hvis virksomheden overvejer at bygge selv, vurder da ikke kun udviklingsprisen, men også krav til kompetencer, vedligeholdelse, sikkerhed, integrationer og fremtidige ændringer.
- Vælg én afgrænset anvendelse med en tydelig baseline og et konkret mål for effekten.
- Definér enkle spilleregler for data, kvalitet, ansvar og menneskelig kontrol.
- Test løsningen i den virkelige arbejdsgang og beslut derefter skalering, justering eller stop.
Mulig effekt
En disciplineret tilgang kan flytte AI fra eksperimenter til konkrete produktivitets- og kvalitetsforbedringer uden unødige investeringer.
Et bevidst valg mellem egenudvikling, skræddersyet ekstern løsning og standard/SaaS kan samtidig forhindre, at virksomheden binder faste ressourcer til udvikling og vedligeholdelse af løsninger, som ikke er strategisk differentierende.
Det afgørende er derfor ikke nødvendigvis at eje teknologien. Det er at eje forretningsproblemet, dataene, kravene og den værdi, løsningen skal skabe.
Fra praksis
AI har efter min vurdering størst værdi, når teknologien bliver en integreret del af en konkret arbejdsgang – ikke når den fungerer som et isoleret værktøj ved siden af virksomheden.
Derfor bør man starte med:
“Hvilket problem vil vi løse?”
Derefter:
“Skal vi købe, tilpasse eller bygge løsningen?”
Og først derefter:
“Hvilken teknologi skal vi bruge?”
Spørgsmål til ledelsen
- Hvor kan AI realistisk skabe størst målbar værdi?
- Findes der allerede en løsning, der dækker 80-90 % af behovet?
- Er den resterende differentiering vigtig nok til at retfærdiggøre egenudvikling?
- Har vi de kompetencer og den kapacitet, der kræves til løbende drift og vedligeholdelse?
- Hvilke data må anvendes – og hvilke må ikke?
- Hvordan måler vi den faktiske effekt?
Sådan kan Miltz Consulting hjælpe
Miltz Consulting kan hjælpe med at identificere og prioritere konkrete AI-anvendelser, definere business case og målepunkter og vurdere, om behovet bedst løses gennem standard/SaaS, en skræddersyet ekstern løsning eller egenudvikling.
Miltz Consulting kan samtidig hjælpe med at strukturere en afgrænset pilot og sikre praktiske spilleregler for data, kvalitet og ansvar.
Tag direkte kontakt