Er virksomheden klar til AI? Seks forhold, der afgør næste skridt
Vurdér jeres AI-parathed gennem konkrete opgaver, data, mennesker og ansvar. Brug seks spørgsmål til at finde næste skridt uden en misvisende samlet score.
Partner & CTO hos Adtention
AI-modenhed afhænger af den opgave, I vil løse
En virksomhed kan være klar til at bruge AI til tekstudkast og samtidig være langt fra klar til at lade en agent oprette ordrer. Derfor giver det begrænset mening at betegne hele virksomheden som enten moden eller umoden.
En brugbar vurdering af AI-modenhed undersøger forudsætningerne for en konkret anvendelse. Den skal ende i en beslutning om næste skridt. Flere licenser, et stort datalager eller medarbejdere, der bruger ChatGPT privat, er ikke i sig selv dokumentation for, at en bestemt løsning vil fungere.
1. Har I en opgave og en ejer?
Bed en medarbejder vise en almindelig opgave fra start til slut. Hvad modtager vedkommende? Hvilke valg træffes? Hvem bruger resultatet? Hvis opgaven kun kan beskrives i generelle vendinger, mangler der et grundlag for at vurdere en løsning.
Der skal også være en person, som kan sige, om resultatet er godt nok. En teknisk projektleder kan ikke alene definere, hvad der gør et salgsoplæg brugbart eller en produktbeskrivelse korrekt. Den vurdering kræver faglighed og et tydeligt ansvar.
2. Kan I få adgang til de rigtige kilder?
Find nogle repræsentative dokumenter eller dataposter. Undersøg, om de er aktuelle, tilgængelige og lovlige at bruge til formålet. Spørg, hvor den gældende version findes, og hvem der retter fejl i den.
Datakvalitet er konkret. Hvis et produktmål står uden enhed, eller en gammel prisliste ligger ved siden af den nye, har AI ikke nødvendigvis mulighed for at vælge rigtigt. Vores guide til datakvalitet hjælper med at omsætte den type problemer til et afgrænset oprydningsarbejde.
3. Kan I genkende et godt og et dårligt resultat?
Saml eksempler, hvor en fagperson kan forklare forskellen. Det kan være et korrekt svar, et svar med en manglende oplysning og et svar, der ser overbevisende ud, men bruger en forkert kilde.
Hvis I kun vurderer, om teksten lyder professionel, kan fejl passere ubemærket. Beskriv derfor kvalitetskrav, der følger opgaven: korrekte varenumre, dokumenterede egenskaber, en synlig kilde eller et tydeligt stop, når grundlaget mangler. Læs også om kontrol af AI-hallucinationer.
4. Passer løsningen ind i arbejdet?
En demonstration kan være enkel, fordi oplægsholderen på forhånd har samlet de rigtige filer. I hverdagen kan arbejdet med at finde, kopiere og kontrollere oplysninger være større end tiden, AI sparer.
Afprøv derfor hele forløbet med en kommende bruger. Tæl også overleveringer og rettelser. Hvis en integration er nødvendig, skal mulighederne undersøges i det konkrete system og den konkrete licens. En standardfunktion i et andet setup er ikke dokumentation for adgang hos jer.
5. Er der tid og rammer til at lære?
Medarbejderne skal vide, hvilke værktøjer og oplysninger de må bruge, hvem de kan spørge, og hvad de fortsat selv har ansvar for. De skal også have tid til at øve sig på relevante opgaver.
Udpeg gerne en lille gruppe, som både kender arbejdet og har lyst til at give konkret feedback. Gruppen skal ikke kun bestå af de mest teknologibegejstrede. En bruger, der efterspørger en tydelig vej tilbage til den gamle proces, kan opdage vigtige mangler før en bred udrulning.
6. Ved I, hvem der tager over efter testen?
Spørg allerede før piloten, hvem der håndterer fejl, ændrer instruktioner og følger omkostningerne. Hvem opdager, at en kilde er forældet? Hvem reagerer, hvis modellen begynder at give andre svar? Hvem kan stoppe en automatiseret handling?
Det behøver ikke blive en stor driftsorganisation. Ansvar og en enkel procedure skal blot passe til konsekvenserne ved fejl. I kan bruge vores guide fra pilot til drift til den næste afklaring.
Brug vurderingen som et arbejdsark
| Vurdering | Næste handling |
|---|---|
| Forudsætningen er dokumenteret | Gem eksemplet og brug det i afprøvningen. |
| Vi tror, den er på plads | Udpeg én person til at undersøge den konkrete usikkerhed. |
| Den mangler | Beskriv arbejdet, ejeren og betydningen for projektet. |
| Den er ikke nødvendig her | Begrund fravalget ud fra denne opgaves omfang og risiko. |
Giv hvert af de seks områder en vurdering og et bevis, ikke blot et tal. En manglende adgang til nødvendige data kan blokere projektet, selv om alle andre områder ser gode ud. Omvendt skal I ikke vente på en perfekt virksomhedsomfattende dataplatform for at afprøve et lille, forsvarligt tekstforløb.
Resultatet bør være en kort liste over det, I kan gøre nu, og det, der først skal afklares. Har I brug for et eksternt blik på prioriteringen, kan vi hjælpe gennem AI-rådgivning med både forretning, mennesker og teknik i vurderingen.
