Ansæt, oplær eller samarbejd: sådan opbygger du AI-kompetence uden at gætte

De fleste virksomheder stiller spørgsmålet "har vi brug for et AI-team?" omkring et år efter, at de burde have svaret på det, og de stiller det som et bemandingsspørgsmål. Det er det ikke. Det handler om, hvilke kompetencer I permanent skal eje selv, og hvilke I er bedre tjent med at leje, mens grunden stadig bevæger sig.

Hvad du i virkeligheden beslutter

Der findes tre måder at få fat i en kompetence, man mangler: ansæt den, opbyg den i de folk, du har, eller køb den af andre. AI ændrer ikke på det. Det, AI ændrer, er halveringstiden. Den integration, I bygger i dette kvartal, kan være forældet om atten måneder. Dømmekraften om, hvilke dele af forretningen der er værd at automatisere, vil stadig være værdifuld om ti år.

Del derfor spørgsmålet i to. Hvilke dele af arbejdet er holdbare — kendskabet til jeres data, jeres kunder, jeres regulatoriske eksponering, hvor driften reelt bryder sammen? Og hvilke dele er flygtige — modelvalg, evalueringsopsætninger, søgning og datahentning, udrulning? Ej den holdbare del. Lej den flygtige del, indtil den falder til ro.

Den ene skelnen afgør det meste af det følgende.

Ansættelse

Ansættelse giver mening, når AI-arbejdet er løbende snarere end et projekt, når det ligger tæt på jeres produkt, og når I allerede har udviklere, der kan tage imod det, en ny specialist bygger.

Den typiske fejl er den første ansættelse. En enlig senior AI-ingeniør i en virksomhed uden AI-praksis har ingen til at gennemgå sit arbejde, ingen at give det videre til og ingen vej frem. Vedkommende leverer noget, der kører, siger op atten måneder senere, og ingen af de tilbageværende kan vedligeholde det. Hvis I ansætter, så ansæt to — eller ansæt én ind i et team, der kan tage arbejdet op.

Vær også ærlig omkring vurderingen. Hvis ingen i jeres ansættelsespanel kan skelne en solid evalueringsstrategi fra en, der bare lyder plausibel, ansætter I ikke — I spiller hasard med en tilbagebetalingstid på tolv måneder.

Oplæring

At oplære de folk, I allerede har, er den mest undervurderede mulighed, og økonomien er bedre for den holdbare halvdel af arbejdet. Jeres driftschef ved allerede, hvilke fakturaer der går galt, og hvorfor. At lære den person at specificere, teste og føre tilsyn med et AI-system tager kortere tid end at lære en ekstern ingeniør jeres fakturering.

Oplæring virker, når arbejdet er anvendt: at automatisere processer, I allerede forstår, at bruge AI inde i de værktøjer, medarbejderne bruger dagligt, at skrive klare specifikationer, at kontrollere output og opdage fejl. Det virker ikke, når I har brug for produktionsinfrastruktur. Et todageskursus skaber ikke en ingeniør, og at lade som om producerer prototyper, der aldrig overlever mødet med rigtige mængder.

Afsæt reelle timer til det. Beskyttet tid i arbejdsugen med en navngiven proces, der skal forbedres — ikke en aftenforpligtelse og et kursusbevis.

Samarbejde

Samarbejde passer, når I skal i gang nu, når arbejdet er et projekt snarere end en praksis, eller når I endnu ikke ved nok til at ansætte godt. Det første år med AI i en mellemstor virksomhed er mest af alt afdækning: hvilke anvendelser der betaler sig, hvilke der stille og roligt fejler, hvad jeres data kan og ikke kan bære. At betale for den afdækning én gang koster mindre end at ansætte et fast team til at finde ud af det.

Faldgruben er afhængighed. En partner, der efterlader jer med et system, I ikke kan forklare, ændre eller prissætte, har solgt jer et abonnement. Skriv uafhængighed ind i kontrakten: dokumentation, jeres egne folk kan læse, ejerskab over prompts, evalueringssæt og datapipelines, én af jeres medarbejdere med hele vejen igennem og et aftalt overdragelsespunkt.

Sådan afgør du, hvad du har brug for

Vurder jeres situation ærligt på disse fem punkter:

Hyppighed. Ét system i år peger på en partner. En stabil kø af dem peger på ansættelser.
Nærhed til kerneforretningen. Hvis AI rører ved det, kunderne betaler jer for, så ej det. Hvis det gør backoffice hurtigere, så lej det.
Eksisterende hold. Ingen udviklere til at tage imod arbejdet betyder, at den første ansættelse ikke holder.
Datafølsomhed. Streng regulatorisk eksponering øger værdien af intern kontrol og af en partner, der har været gennem en revision før.
Klarhed. Hvis I ikke kan sætte navn på processen og på det tal, den skal flytte, hjælper ingen mængde bemanding endnu.

Rækkefølgen, der som regel virker

De fleste virksomheder ender med at gøre alle tre ting, og rækkefølgen betyder noget. Samarbejd først for at finde og bevise to eller tre anvendelser. Oplær jeres egne folk til at drive det, der bliver leveret, så viden bliver i huset. Ansæt, når I præcist ved, hvilken rolle I ansætter til — til den tid skriver stillingsopslaget sig selv, og I kan skelne en stærk kandidat fra en selvsikker en.

Den rækkefølge er det arbejde, vi laver hos Hercules A: bære læsset tidligt og aflevere noget tilbage, jeres eget team kan drive.