De flesta organisationer har nu AI i produktion. Nästan ingen använder den där det verkligen spelar roll: i kundnära upplevelser, verksamhetskritiska beslut eller processer med minimal mänsklig tillsyn. Det är i det glappet som konkurrensfördelar vinns och förloras.
Hindret handlar vanligtvis om tillit, inte kapacitet. Vid införande av AI där mycket står på spel bygger denna tillit på att fyra specifika kriterier är uppfyllda.
Kriterierna omfattar hur ni testar AI-beteenden, hur ni bygger och styr lösningar i företagsskala samt om ledningen verkligen har förstått varför detta är viktigt.
När dessa tillitskriterier uppfylls skapas rutin och ansvarstagande, och det blir lättare att våga införa AI för att åstadkomma verklig förändring. Utan detta fastnar AI i att spara några pund inom perifera användningsområden, utan någon väsentlig påverkan på hur organisationen arbetar.
Vid den här tiden förra året – flera decennier i AI-år – befann sig de flesta företag i ett slags ”skärseld för AI-koncepttester”: många intressanta koncepttester som visade vad AI kunde göra, men stora svårigheter att produktionssätta dem. Ett år senare har många organisationer åtminstone några AI-lösningar i produktion, vilket är ett stort steg framåt.
Ofta används AI dock i perifera processer: det är enklare, ett innovationsteam kan utveckla lösningen tillsammans med en engagerad verksamhetsanvändare och om något går fel ”är det inte hela världen”. Processen är inte särskilt viktig, det finns en manuell reservprocess eller flera människor som granskar arbetet för att begränsa eventuella negativa följder.
Resultatet av detta förståeliga men försiktiga tillvägagångssätt är att lösningarnas effekt också blir begränsad: de lär knappast ha gjort någon märkbar skillnad för tillväxtmöjligheter, kundupplevelse eller kostnadsstruktur.
Det är detta som skiljer framtidens vinnare från resten: progressiva företag investerar i att använda AI där den har betydelse för verksamhetens resultat.
Eftersläntrarna ”håller också på med AI”, men inte där den får någon väsentlig effekt på verksamheten.
Och ja, AI i investeringsbeslut, kundupplevelser, produktutveckling, forskning & design och automatisering helt utan mänsklig inblandning kommer att kännas mer riskfyllt – men det är också där de verkliga vinsterna finns.
De företag som drar ifrån inom detta område syns kanske ännu inte på marknaden. När de väl gör det kommer avståndet redan att vara betydande, och eftersom de dessutom inför AI snabbare fortsätter det bara att växa medan eftersläntrarna inser vad de har missförstått hela tiden.
Frågan är alltså: vad behöver en organisation för att känna sig trygg med att använda AI i de processer som verkligen spelar roll?
Låt oss först anta att ni redan har gått från ”Vi har ett AI-verktyg som ChatGPT” via ”Vi har koncepttester” till ”Vi har tio enkla AI-lösningar i drift”. Om inte måste ni prioritera att lösa det. De första stegen kan verka triviala, men är nödvändiga för att börja bygga upp organisationens AI-kompetens, få fram bättre idéer till användningsfall och tydliggöra de interna steg som krävs för att produktionssätta AI.
I det här läget bör organisationen höja ambitionerna och gå vidare till att leverera ”meningsfulla tillämpade AI-lösningar med mänsklig tillsyn” och därefter till det särskiljande läget ”vi använder AI i våra kärnprocesser och kundupplevelser”.
De sista stegen begränsas sällan av tekniken, utan av organisationens tillit till sin egen förmåga. Det finns nämligen alltid skäl att skjuta upp eller undvika det svåra:
”Tänk om den ger felaktiga insikter?”, ”Tänk om den beter sig fel och vi hamnar i medierna?”, ”Tänk om den räknar fel så att vi fattar fel beslut?”, ”Tänk om den kränker kunderna?”, ”Tänk om modellen blir otillgänglig?”, ”Hur ska vi hantera uppdateringarna?”, ”Tänk om regleringen ändras?”, ”Bör vi vänta på den nya modellen?” och så vidare.
Enligt vår erfarenhet finns det vanligtvis fyra villkor som skapar den tillit som krävs för att trycka på ”Driftsätt” för en AI-driven förändring med stor påverkan.
Varför: Har organisationen, och särskilt koncernledningen, verkligen tagit till sig budskapet om ”varför AI är viktig för vår affärsframgång”? Om inte är det mer sannolikt att organisationen hittar skäl att undvika de svåra besluten.
Möjliggörandet: Finns det ett team för AI-förändring, AI-transformation eller AI-stöd som hjälper organisationen att utvecklas med AI? Ett team som hanterar införande, utbildning, reglering, nya arbetssätt, ifrågasätter antaganden, ordnar nödvändig finansiering och så vidare. AI är inte en förändring som ”teknikavdelningen får lösa”, vilket moln- och digitaliseringsinitiativ ofta har varit. Den måste ledas av verksamheten och få ordentligt stöd.
Hur: Finns det en etablerad företags- och lösningsarkitektur för tillämpad AI? Området utvecklas hela tiden, men en tydlig inriktning tvingar fram genomtänkta ställningstaganden och ökad kunskap om rätt skyddsräcken, kostnader, observerbarhet, kontroller, modellåtkomst och annat. Det börjar skapa intern trovärdighet för att organisationen ”vet vad den gör” med AI och förhindrar att lösningar byggs på många olika sätt.
Tillitsprövningen inför driftsättning: Lösningsägare kan skjuta upp frågan ”är den tillräckligt bra för att driftsättas?” i all oändlighet.Traditionella tester utförda av kvalitetssäkringsteam skapar inte denna tillit och ansvarskänsla för ett icke-deterministiskt AI-system. Det gör utvärderingar.
Låt oss gå igenom dem i omvänd ordning, eftersom den ordningen ligger närmast besluten om tillit inför driftsättning.
I årtionden har organisationer förlitat sig på att kvalitetssäkringsteamet avgör om en version är tillräckligt bra. På papperet utfördes testerna av verksamhetens intressenter, men i praktiken gjordes de av kvalitetssäkringsteamet. Resultatet var godkänt eller underkänt, utifrån otaliga regler av typen om detta, så detta. Mycket arbete, men okomplicerat.
Det fungerar inte för AI, där beteendet måste utvärderas.
Utvärderingar, eller evals, gör kvalitativa AI-beteenden mätbara. I stället för godkänt eller underkänt definierar ni kriterier – exempelvis korrekthet, ton, faktamässig förankring och vägransbeteende – och sätter poäng. Följ poängen under hela projektet medan ni förbättrar prompter, modeller, skyddsräcken och annat. Då får projektteamet, förändringskommittéerna och företagsledningen ett underlag som de tryggt kan agera på: ett korrekthetsresultat som har gått från x till y under projektets gång.
Det värdet fyller två funktioner. För det första skapar det tillit genom att visa förbättringar över tid och ge intressenterna konkreta belägg för att systemet konsekvent beter sig tillförlitligt inom de fastställda förväntningarna.
För det andra skapar det ansvarstagande. Det ger siffror att hänvisa till och visar utvärderingarnas härkomst. En dokumenterad utvärderingsuppsättning som har testats i ett väldefinierat urval av scenarier är AI-motsvarigheten till testrapporten. Den ger godkännandekommittén belägg för att tillbörlig aktsamhet har iakttagits: gör lösningen endast det den ska göra, och gör den det endast på det sätt som avses?
Siffrorna är förstås bara meningsfulla om utvärderingskriterierna är tillräckligt omfattande. Det kräver en förändrad verksamhetsmodell som de flesta organisationer först misslyckas med: verksamheten måste äga utvärderingskriterierna. Ansvaret ska inte ligga hos teknik- eller kvalitetssäkringsteamet eller delegeras till en ensam junior användare. Produktägarna och specialisterna förstår området, gränsfallen, det önskade tonläget, vilka typer av interaktioner användarna kan utsätta lösningen för, vilka resonemangssteg som är rimliga, felsätten, de korrekta fråge- och svarsparen och så vidare. De som använder och inför lösningen bör avgöra vad som är ett bra resultat.
Om ni ska godkänna en lösning som använder AI i själva kärnan av kundupplevelsen behöver ni därför bara ställa två frågor:
(1) Vem utformade utvärderingskriterierna, och
(2) har utvärderingsresultaten förbättrats mot kriterierna över tid och nu passerat minimitröskeln?
Om svaret är "teknikteamet tog fram dem, men vi är nöjda med resultaten" är tillämpningen inte redo. Om svaret är ”ja, vi testade förra veckan och den blev godkänd” är utvärderingsmognaden sannolikt inte tillräcklig för att skapa den tillit som krävs, eftersom utvärderingarna troligen inte var utgångspunkten för utvecklingen.
Men om verksamhetens produktägare har definierat, granskat och vidareutvecklat utvärderingarna under hela bygget och kan visa att resultatutvecklingen går åt rätt håll, finns det något som är värt att godkänna.
Ytterligare tillit skapas genom en gemensam syn på principer och standarder för AI-arkitektur. För de första fem AI-tillämpningarna kunde ni bygga på det sätt som för stunden var lämpligast för att komma igång. Men för att skala upp och snabbt kunna införa säker, välstyrd AI i hela organisationen krävs snart ett mer strukturerat arbetssätt, med referensarkitekturer för tillämpningar och en gemensam AI-plattform.
Alla utvecklingsteam måste snabbt kunna ”ärva” modellåtkomst, skyddsräcken, observerbarhet, skalning, kostnadshantering och annat, så att de kan fokusera på att utveckla lösningen.
En tydlig syn på organisationens AI-plattform och arkitektur skapar ytterligare tillit till förmågan att säkert införa AI i kritiska system, även om synsättet snabbt blir inaktuellt på grund av den höga förändringstakten. Det innebär att någon har övervägt alla viktiga faktorer och valt den bästa vägen till driftsättning. Även det ökar tilliten till att lösningen kan stödja dessa viktiga processer.
Det handlar inte om att ”göra samma sak, fast med tillgång till ett AI-verktyg”. Det må vara en klyscha, men transformation innebär att utforma processer på nytt, ompröva produkterbjudanden, utveckla kundupplevelsen och förändra arbetssätt och sannolikt även teamstrukturer.
Det sker inte som en bisyssla och kan inte drivas av teknikavdelningen (och nej, inte heller av ert ”innovationsteam” på tre heltidstjänster). Om ni utgår från att ”det löser sig” kommer ni inte att nå samma förändringstakt som de vinnande konkurrenterna.
För att hitta de verkligt omvälvande användningsfallen och få stöd för dem krävs dessutom bred och djup AI-kunskap i hela organisationen, liksom en positiv inställning till tekniken.
AI-transformationen måste därför ledas av personer som vet vad organisationen behöver, kan möjliggöra förändring och förstår AI. Styrelsen måste ge dem mandat att genomföra arbetet och stå för samordning, drivkraft, finansiering, förankring, styrning, prioritering och beslutsfattande.
Särskilt i de första faserna fungerar en central funktion, exempelvis ett AI-nav, en AI-transformationsfunktion eller ett AI-kontor, väl. Det centrala teamet skapar tillit till att organisationen har en genomförbar strategi, att stora beslut kan fattas och förankras snabbt samt att det finns tydliga kvalitetsgrindar för AI-transformationen. Utan en sådan funktion riskerar arbetet att bli alltför splittrat, med inkonsekventa beslut, produkt- och lösningsval samt kvalitetsnivåer. I slutänden undergräver det tilliten till att införa AI där mycket står på spel.
Som tidigare nämnts blir det de företag som bygger upp erfarenhet, expertis och tillit i hela organisationen för att ofta och snabbt införa AI i centrala processer och upplevelser som vinner verkliga konkurrensfördelar – genom bättre kundupplevelser, produktprestanda, produktionstakt och annat.
Det krävs god utvärderingspraxis, en arkitektur som snabbt kan anpassas och skalas samt ett lösningsorienterat transformationsarbete som hjälper organisationen att lära, anpassa sig och etablera nya arbetssätt.
Inget av detta kan dock genomföras framgångsrikt ”underifrån”. Förändringarna och följderna är helt enkelt för snabba och omfattande. Inte heller ”styrelsens godkännande” eller ”ledningens stöd” räcker.
Om medarbetarna inte tydligt förstår varför förändringarna behövs, vad de innebär för dem personligen – på gott och ont – och vad de vinner på dem, kommer transformationen att ske bakvägen och orsaka stora följdskador.
Den fjärde förutsättningen för verkliga fördelar med AI är därför att företagsledningen verkligen förstår och tror att investeringar i AI är avgörande för företagets fortsatta framgång. Det är deras AI-strategi, integrerad i verksamhetens uppdrag och mål. De lyfter den återkommande och visar genom beslut och handling att de menar allvar.
Det ger team i hela organisationen incitament, stöd och en känsla av brådska att höja sin kompetens och fatta de något obekväma men viktiga besluten att välja den svårare och mer givande vägen. Det skapar tilliten som krävs för att trycka på ”Driftsätt” för en AI-driven kundupplevelse eller process för investeringsbeslut.
De företag som vinner på AI under de kommande två åren blir inte de som har flest driftsättningar. Det blir de som får AI att fungera i viktiga kundnära, beslutspåverkande och verksamhetskritiska system och processer – och bygger upp organisationens förmåga att göra det konsekvent och säkert.
Vad bör ni göra nu? Om organisationen ”håller på med AI” utan att det påverkar företagets framgång bör ni försöka besvara följande frågor:
Är det tydligt vilken roll AI spelar för att uppnå företagets uppdrag? Upplever ni att ledningen verkligen tror att införandet av AI är avgörande för företagets framtida framgång?
Finns det en central funktion som driver AI-agendan framåt, utbildar organisationen och samordnar aktiviteter?
Bygger teknikteamet upp den expertis, kapacitet och de mönster som möjliggör snabbare och säkrare AI-utveckling?
Når lanseringarna produktion utan att blockeras av obesvarade frågor om AI-beteendet?
Om svaret på någon av frågorna är nej vet ni var ni ska börja för att stärka organisationens tillit till att AI kan införas snabbt och konsekvent och ge konkurrensfördelar där det verkligen spelar roll.