Sådan vælger du dit første AI-projekt, så det betaler sig på uger – ikke kvartaler

De fleste første AI-projekter går i stå af samme grund: virksomheden vælger den mest spændende anvendelse i stedet for den mest vindbare. Seks måneder senere står man med en demo, et sæt slides og ingen målbar forandring i forretningen. Problemet er sjældent teknologien. Det er det valg, der blev truffet i uge ét.

Sådan træffer du det valg rigtigt.

Start med en beslutning eller opgave, ikke en teknologi

"Vi bør bruge AI" er ikke et mål. Det er en budgetpost, der venter på at blive spildt. Begynd i stedet med et konkret stykke arbejde, som nogen i din virksomhed udfører i dag: en supportmedarbejder, der besvarer det samme spørgsmål for fyrretyvende gang, en økonomimedarbejder, der kopierer fakturadata ind i et system, en sælger, der skriver den samme opfølgende e-mail på en lidt anden måde.

Gode førstevalg deler tre træk. Opgaven sker ofte, den følger et mønster, og nogen kan inden for få minutter afgøre, om resultatet er rigtigt eller forkert. Hyppighed giver dig afkast. Mønster gør den mulig at lære. Hurtig bedømmelse lader dig forbedre hurtigt i stedet for at diskutere kvalitet i ugevis.

Bedøm dine kandidater ærligt

Lav en liste med fem-seks reelle opgaver, og giv hver enkelt en vurdering. Du leder efter et projekt, der er værdifuldt og opnåeligt – ikke bare det ene eller det andet.

Værdi: Hvor mange timer om ugen bruger det, eller hvor meget koster en fejl? Sæt et groft tal på.
Data: Har du allerede de eksempler, dokumenter eller registreringer, systemet har brug for? Hvis du først skal bygge en datapipeline, er det et separat projekt.
Fejltolerance: Hvad sker der, når systemet tager fejl? En forkert e-mailkladde er i orden. En forkert medicindosering er det ikke. Foretræk opgaver, hvor et menneske gennemgår resultatet, før det får betydning.
Klarhed om succes: Kan du formulere gevinsten i én sætning, som en ikke-teknisk leder ville acceptere?

Det bedste førsteprojekt scorer højt på alle fire. Hvis en anvendelse er enormt værdifuld, men dataene ikke findes og fejl er farlige, er det et fremragende projekt til andet år og et forfærdeligt til det første.

Vælg "assistere" frem for "automatisere" i starten

Fuld automatisering er der, hvor angsten bor, og hvor tidsplanerne trækker ud. En assisterende version af den samme idé leveres langt hurtigere og bærer langt mindre risiko. I stedet for et system, der svarer kunderne direkte, så byg et, der skriver et udkast til svar, som en medarbejder kan godkende. I stedet for et system, der bogfører fakturaer, så byg et, der udfylder felterne på forhånd og markerer dem, det er i tvivl om.

Du beholder et menneske i loopet, så fejl fanges. Du indsamler reelle brugsdata, så argumentet for dybere automatisering senere hviler på beviser frem for håb. Og du kommer i produktion på uger, fordi du ikke forsøger at fjerne mennesker fra processen fra dag ét.

Sæt et kedeligt, målbart mål

Før nogen skriver kode, så bliv enige om, hvordan succes ser ud, og hvordan I vil måle den. "Skær den gennemsnitlige behandlingstid for denne sagstype fra ni minutter til fem." "Halvér antallet af fejl i fakturabehandlingen." Et tal, du kan tjekke om en måned, holder projektet ærligt og giver dig et klart tidspunkt til at beslutte, om I skal udvide, justere eller stoppe.

Vage mål som "forbedre kundeoplevelsen" kan hverken vindes eller tabes, hvilket betyder, at projektet aldrig slutter og aldrig beviser noget.

Giv det en deadline, der tvinger omfanget frem

Sæt en horisont på seks uger for den første fungerende version, ikke seks måneder. En kort deadline er et designværktøj: den tvinger dig til at skrælle anvendelsen ind til dens væsentlige kerne og modstå de funktioner, der forvandler en ren pilot til en uoverskuelig platform. Hvis den ikke kan vise værdi på seks uger, er omfanget forkert, og det er billigere at lære det nu.

Sådan ser det gode ud

Et stærkt første AI-projekt er snævert, ofte brugt, gennemgået af et menneske og målt mod et enkelt tal. Det opbygger tillid stille og roligt, og det er den tillid, der køber dig lov til at tage fat på det sværere, mere ambitiøse arbejde bagefter.

At vælge rigtigt er hele spillet, og det er den del, de fleste virksomheder forhaster. Vil du hellere undgå at bruge dine første seks måneder på at lære dette på den dyre måde, er det den slags arbejde, vi laver hos Hercules A – vi bærer vægten af den første beslutning, så resten bliver lettere.

Vælg den vindbare opgave. Lever den assisterende version. Mål det kedelige tal. Og så gør det igen.