Det er lett å bli begeistret for hva kunstig intelligens kan gjøre. En demonstrasjon eller et nytt verktøy kan raskt utløse ideer til løsninger i egen virksomhet. Men at noe er mulig å bygge, betyr ikke nødvendigvis at det er verdt å investere i.

På AI Day under Oslo Innovation Week deltok Procanos Emil Laheld Carlsen i paneldebatten om AI & Business på Mesh. Et sentralt poeng var å starte AI-prosjekter med et konkret problem virksomheten trenger å løse.

Definer problemet før dere velger AI-verktøy

Et ønske om en AI-agent sier noe om en mulig løsning. Før dere bestemmer dere, bør dere undersøke hva som ikke fungerer, hvem det påvirker, og hvilke konsekvenser det har.

Dette undersøker vi i innovasjonsworkshops med kundene våre. Målet er å forstå behovet og vurdere hvilke problemer som er viktige nok til å prioritere.

En oppgave kan være irriterende uten at gevinsten ved å forbedre den forsvarer investeringen. Andre utfordringer kan ha langt større betydning enn man først var klar over. Velger dere løsningen for tidlig, risikerer dere å bruke ressurser på et mindre viktig behov eller å behandle symptomene mens årsaken består.

Problemeieren, domeneeksperten og teknologieksperten

Et tydelig problem trenger en problemeier: noen i virksomheten som har ansvar for utfordringen, kan prioritere arbeidet og følge opp resultatet.

Problemeieren kan også være domeneeksperten som kjenner arbeidsprosessen, kravene og behovene. Denne kunnskapen må møte noen som forstår AI og annen relevant teknologi, og som kan vurdere hvordan problemet best kan løses.

Sammen kan de utfordre både løsningsforslaget og måten arbeidet utføres på. Kanskje kan prosessen forenkles, eller et steg fjernes helt, før dere vurderer hva som bør automatiseres.

Når datagrunnlaget må på plass først

I arbeidet med flere av våre kunder har vi brukt denne tilnærmingen til å undersøke behovet bak ønsket om AI.

Statistikk og rapportering er ett eksempel. Når data hentes inn manuelt og samles i regneark med mangelfull tilgangsstyring, kan en AI-agent fremstå som en nærliggende løsning. Men en agent løser ikke i seg selv utfordringene med datagrunnlaget, oversikten eller hvem som skal kunne se og endre informasjonen.

Da må vi først få på plass grunnlaget: innhenting av data, strukturert rapportering og riktige tilganger. AI kan deretter gjøre det enklere å utforske og bruke informasjonen.

I slike løsninger kan mesteparten av arbeidet handle om data og arbeidsprosesser, mens AI utgjør en mindre del. Problemforståelsen gjør det mulig å velge riktig tilnærming.

La behovet styre investeringen

Teknologien kan inspirere til nye ideer. Når ideene skal bli til investeringer, må dere kunne forklare hvilket problem dere løser, hvorfor det er viktig, og hvordan dere skal vurdere om resultatet er godt nok.

Før dere går videre med et AI-initiativ, bør dere kunne svare på disse spørsmålene:

• Hva fungerer dårlig i dag, og hvem påvirkes?

• Hvilke konsekvenser har problemet for tid, kvalitet eller beslutninger?

• Hvem eier problemet og kan prioritere arbeidet?

• Hvilke data og tilganger må være på plass?

• Hvordan skal dere vurdere om løsningen gir verdi?

Bruk svarene til å prioritere hva som må bli bedre i virksomheten de neste seks månedene, og hvilken verdi det vil gi å løse det.

Ønsker dere å utforske hvor AI kan skape verdi i virksomheten deres? Vi tar gjerne en prat om utfordringene dere ønsker å løse, og hvilke muligheter som er verdt å se nærmere på.

Snakk med oss om AI