AI-prosjektet ditt kjører sannsynligvis på data du allerede eier
De fleste bedrifter trenger ikke nye data for å komme i gang med AI — de trenger å gjøre informasjonen de allerede har mulig å finne, oppdatert og forankret hos en eier.
De fleste bedrifter som planlegger sitt første AI-prosjekt, går ut fra at det vanskelige er å skaffe data. Som regel er det ikke det. Kontraktene, tilbudene, supporthenvendelsene, produktspesifikasjonene og retningslinjene som et nyttig system trenger, finnes allerede i virksomheten. Problemet er at de ligger på seks steder, i fire versjoner, uten at noen kan si hvilken som er riktig.
Det er i dette gapet AI-prosjekter stopper opp. Ikke i modellen, men i arkiveringen.
Start med et spørsmål, ikke et arkiv
Instinktet er å kartlegge alt før man begynner. Motstå det. En fullstendig datagjennomgang tar måneder, ender i et regneark ingen leser, og utsetter nettopp det som ville lært dere mest.
Velg heller én beslutning eller én tilbakevendende oppgave. Hvordan vi priser et oppdrag utenom standard. Hva vi sier til en kunde som får ordren sin for sent. Hvilken klausul vi kan gi etter på i en leverandørkontrakt. Forbered så bare informasjonen som mater den ene oppgaven. Dere lærer mer om tilstanden på dataene deres av tjue dokumenter dere faktisk bruker, enn av et komplett kart over dokumenter dere ikke bruker.
Hva «klar» faktisk betyr
For et gitt sett med dokumenter må fire ting stemme:
- Mulig å finne. Systemet kommer til dem uten at noen må sende en fil på e-post. En delt disk, en database, en eksportert mappe — mekanismen betyr mindre enn at det finnes ett sted systemet når fram til.
- Oppdatert. Det finnes én gjeldende versjon, og alle er enige om hvilken det er.
- Tilgangsstyrt. Tilgang styres av hvem som spør, ikke av om systemet tilfeldigvis har filen.
- Beskrevet. Hvert dokument bærer med seg hvem som laget det, når, og hva det gjelder for.
Ingenting på den listen er teknisk. Alt sammen er organisatorisk, og det er derfor det så ofte havner hos feil folk.
Versjonsproblemet er det dyre
Finnes det tre prislister og to er utdaterte, ser et menneske på datoene og velger den riktige. Et system gjør ikke det. Det svarer ut fra den det leste, i samme sikre tone som det bruker når det har rett, og så gir noen en kunde et tilbud basert på prisene fra 2023.
Løsningen er lite glamorøs og varig. Utnevn én eier per dokumentsett. La vedkommende peke ut den gjeldende versjonen, arkivere resten et sted systemet ikke når, og ta ansvar for å holde den oppdatert. Gjør dere dette, blir AI-prosjektet bedre. Dropper dere AI helt, blir selskapet bedre likevel — et godt tegn på at dere jobber med riktig ting.
Mye av den beste kunnskapen deres ble aldri skrevet ned
Svarene de beste folkene deres gir, står sjelden i håndboken. De ligger i supporthenvendelser, i e-postsvar fra salg, og i meldingen der en kollega forklarte hvorfor akkurat denne kunden får et unntak.
Begynn å fange det opp i den formen det allerede har. Samle de tjue spørsmålene teamet svarer på oftest, og skriv ned de faktiske svarene — korte, datert, med navn på hvem som står bak. Tretti gode svar gjør mer for et første system enn et retningslinjedokument på to hundre sider som ingen har åpnet siden forrige omorganisering.
Bestem hva systemet aldri skal få se
Før dere kobler til noe som helst, trekk grensen. Lønnsdata, helseopplysninger, usladdede kundeopplysninger, saker underlagt taushetsplikt. Bestem hva som holdes utenfor, skriv det ned, og gjør utelukkelsen strukturell — egen lagring, egne tilganger — i stedet for en instruks systemet blir bedt om å følge.
Bestem så hvordan tilgang fungerer. Hvis en leder kan se et dokument og en praktikant ikke kan, må det fortsatt gjelde når begge spør gjennom et chattevindu. Systemer som svarer likt til alle, ender før eller siden med å svare feil person.
Sett en utløpsdato
Gammel informasjon er den stille feilkilden. En retningslinje som gikk ut i 2024, blir liggende i mappen på ubestemt tid og framstår som gjeldende. Gi hvert dokumentsett en gjennomgangsdato og en navngitt ansvarlig. Når et dokument går ut, forsvinner det ut av samlingen til noen godkjenner det på nytt.
Hva dere kan vente
Å klargjøre data for én arbeidsflyt tar uker, ikke kvartaler, og den andre arbeidsflyten går raskere fordi eierskapsvanene allerede sitter. Mål framgang på to ting: hvor ofte systemets svar er riktig, og hvor ofte dere kan spore svaret tilbake til et bestemt dokument. Det andre betyr mest i starten. Et svar dere ikke kan spore, kan dere heller ikke korrigere.
Dette er den minst synlige delen av å ta i bruk AI, og gjennomgående den tyngste. Det er også her vi bruker de første ukene i de fleste oppdrag, for en god modell som leser uorganisert informasjon, produserer selvsikre og velskrevne feil — og de er vanskeligere å oppdage enn de åpenbare.