AI - Det både starter og slutter med mennesker

Hvor det sidste år handlede om at udforske det uendelige katalog af AI use cases, har det første halvår af 2024 skiftet fokus over på et afgørende spørgsmål: Hvordan sikrer vi en vellykket implementering af AI? For fremtiden for AI i din virksomhed afhænger ikke af teknologien alene, men af de mennesker der driver den.  

Vi møder mange virksomheder med ambitioner om at søsætte et AI projekt i 2024. Men det kræver mere end ambitioner og budgetter at lykkes med AI. Det stiller først og fremmest krav til din virksomheds data og organisering. 

I dette indlæg deler jeg fire organisatoriske overvejelser, der kan hjælpe din virksomhed til succesfuld AI-implementering, baseret på egne erfaringer og industriindsigt. 

Start småt

Det er fristende at komme til at drømme stort, især når vi ser banebrydende produktlanceringer fra fx OpenAI og Google. Men det kan være til jeres fordel at starte småt. 

Hvis ikke din organisation er vant til at arbejde med AI, er det ikke bare oplagt, men også helt naturligt at stille spørgsmål ved, hvad det kræver ift. datakvalitet, investering, infrastruktur, mv. Start derfor med at identificere et ”lille”, håndterbart projekt, hvor I anser det realistisk at kunne lykkes på relativt kort sigt.  

For eksempel starter vi ofte med at bygge et Proof of Concept på et udsnit af vores kunders data, for at forstå kravene til datakvalitet og eventuelle løbende omkostninger.  

Derfor: Lad være med at blive for modige, og start i stedet med et mindre, men mere sikkert, projekt. Uanset om I lykkes eller ej med det projekt, så har I taget et skridt på vejen og gjort jer vigtige erfaringer, uden tungere investeringer. 

Invester i dine medarbejdere

At bede dine medarbejdere om at arbejde AI- og data-drevet, udfordrer den måde, de har udført sit arbejde hidtil. Ønsker du at tilpasse organisationens kultur til en fremtid, hvor AI integreres i dine medarbejderes arbejdsprocesser, er der vigtige principper at hente fra forandringsledelse. 

Forandringsledelse er disciplinen at guide en organisation gennem forandringer på en måde, der minimerer modstand og maksimerer accept, og det handler i høj grad om at investere i sine medarbejdere. 

Du kan fx.: 

• Sørge for aktivt at engagere dig i medarbejderne gennem fx workshops, arbejdssessioner, mv., hvor medarbejdere kan give input, stille spørgsmål og opbygge et ejerskab over de nye teknologier  

• Tilbyde relevant træning (herunder om databehandling og sikkerhed) - dine medarbejdere skal føle sig sikre i deres evne til at anvende AI, men de behøver ikke at kende til hvert eneste AI værktøj 

• Kommunikere åbent om, hvordan AI kommer til at påvirke deres arbejde både nu og i fremtiden  

Sæt en realistisk timeline

”Det kan vi bare løse med AI” er en sætning, vi ofte hører. Men at realisere et AI-projekt kræver mere end en vision for, hvor du vil hen. 

Selv for et pilotprojekt, skal planlægningen rumme dataindsamling og -rensning til valg af de rette API'er og infrastruktur samt compliance overvejelser og medarbejdertræning.  

Vær forberedt på, at dine første AI projekter tager tid, lige som forandring tager tid, og tillad jer at arbejde med en fleksibel tidslinje, der både kan rumme uforudsete udfordringer og tid til refleksion, nytænkning of evaluering. For hvis du ønsker at dine medarbejdere skal tænke innovativt, må du ikke begå den fejl at lade dem drukne i daglige gøremål samtidig. 

Centraliser før du demokratiserer

Til dette års Data Innovation Summit så vi flere gode eksempler på store virksomheder (IKEA, Novo Nordisk, Ericsson), der har formået at centralisere arbejdet med AI for at opbygge en solid base af viden og erfaring (og ikke mindst data).  

De lærte os at 

• Et AI-team skal ikke kun være fascineret af teknologien bag løsningen, men også dybt engagerede i at forstå problemet 

• Et AI-team bør både inkludere dem, der kan starte projektet og dem der kan slutte – dvs. alt fra strategen der kan definere retningen for AI-initiativerne, til data specialisterne der kan udføre planerne 

På kundeprojekter organiserer vi os på samme måde, hvilket fremmer en kultur af innovation og kreativ problemløsning – hvilket, vi har erfaret er afgørende for at udnytte AI's fulde potentiale i en virksomhed. 

Centralisering af viden og ressourcer er ikke begrænset til medarbejdernes kompetencer. Vi ser i stigende grad virksomheder vælge at investere i genanvendelige data- og AI produkter gennem en centraliseret platform, hvor data, modeller og komponenter udvikles og vedligeholdes. Denne tilgang muliggør ikke kun genbrug af samme API-strukturer, men sikrer også at modeller og komponenter kan tilgås af alle og anvendes på en sikker og compliant måde.  

Som resultat opnår du at gøre opstarten af efterfølgende AI projekter mere gnidningsfri, og du giver medarbejderne en tryghed frem for frygt at anvende AI. 

Centralisering af AI er ikke ensbetydende med at isolere ekspertisen i ét team. Frem for at flytte medarbejdere, kan du også vælge at opkvalificere eksisterende teams, eller oprette et tværfunktionelt ”AI enablement team”, for at sprede viden og erfaring til resten af organisationen.  

Uanset hvordan du griber det an, så står det klart at det er dine medarbejdere, og ikke teknologien, der spiller hovedrollen i den succesfulde implementering af AI.