Ditt AI-projekt bygger förmodligen på data du redan äger
De flesta företag behöver inte ny data för att komma igång med AI – de behöver göra informationen de redan har åtkomlig, aktuell och tydligt ägd.

De flesta företag som planerar sitt första AI-projekt utgår från att det svåra är att skaffa data. Det är det sällan. Avtalen, offerterna, supportärendena, produktspecifikationerna och styrdokumenten som ett användbart system behöver finns redan i verksamheten. Problemet är att de ligger på sex ställen, i fyra versioner, utan att någon kan säga vilken som är den rätta.
Det är i den luckan som AI-projekt fastnar. Inte i modellen, utan i arkiveringen.
Utgå från en fråga, inte ett arkiv
Instinkten är att inventera allt innan man börjar. Motstå den. En fullständig datagenomgång tar månader, resulterar i ett kalkylblad som ingen läser och skjuter upp det som hade lärt er mest.
Välj i stället ett beslut eller en återkommande uppgift. Hur vi prissätter ett jobb utanför standard. Vad vi säger till en kund vars order är försenad. Vilken klausul vi kan ge efter på i ett leverantörsavtal. Förbered sedan bara den information som matar just den uppgiften. Ni lär er mer om hur er data faktiskt ser ut av tjugo dokument som ni verkligen använder än av en fullständig karta över dokument ni inte använder.
Vad ”redo” faktiskt betyder
För en given uppsättning dokument måste fyra saker gälla:
- Åtkomligt. Systemet kan nå det utan att någon mejlar en fil. En delad enhet, en databas, en exporterad mapp – mekanismen spelar mindre roll än att det finns på en enda nåbar plats.
- Aktuellt. Det finns en auktoritativ version, och alla är överens om vilken.
- Behörighetsstyrt. Åtkomsten styrs av vem som frågar, inte av om systemet råkar ha filen.
- Beskrivet. Varje dokument bär med sig vem som tog fram det, när, och vad det gäller.
Inget på den listan är tekniskt. Allt är organisatoriskt, vilket är skälet till att det ofta hamnar hos fel personer.
Versionsproblemet är det dyra
Om det finns tre prislistor och två är föråldrade märker en människa datumen och väljer rätt. Ett system gör inte det. Det svarar utifrån den det råkade läsa, i samma självsäkra ton som när det har rätt, och någon lämnar en offert till en kund baserad på en prislista från 2023.
Lösningen är oglamorös och hållbar. Utse en ägare per dokumentuppsättning. Låt den personen peka ut den gällande versionen, arkivera resten någonstans där systemet inte når, och ta ansvar för att hålla den aktuell. Gör ni det blir ert AI-projekt bättre. Struntar ni helt i AI blir företaget ändå bättre, vilket är ett gott tecken på att ni arbetar med rätt sak.
Er bästa kunskap har oftast aldrig skrivits ner
Svaren som era bästa medarbetare ger står sällan i manualen. De finns i supportärenden, i säljsvar per mejl och i meddelandet där en kollega förklarade varför just den här kunden får ett undantag.
Börja fånga det i den form det redan har. Samla de tjugo frågor som teamet svarar på oftast och skriv ner de faktiska svaren – korta, daterade, med angiven upphovsperson. Trettio bra svar gör mer nytta för ett första system än ett policydokument på tvåhundra sidor som ingen har öppnat sedan den senaste omorganisationen.
Bestäm vad systemet aldrig får se
Innan ni kopplar in något, dra gränsen. Löneuppgifter, hälsouppgifter, omaskerade kunduppgifter, ärenden som omfattas av advokatsekretess. Bestäm vad som ska hållas utanför, skriv ner det och gör uteslutningen strukturell – separat lagring, separata behörigheter – i stället för en instruktion som systemet ombeds följa.
Bestäm sedan hur åtkomsten fungerar. Om en chef får se ett dokument men inte en praktikant måste det fortsätta gälla när båda frågar via ett chattfönster. System som svarar likadant för alla kommer förr eller senare att svara fel person.
Sätt ett utgångsdatum
Gammal information är det tysta felläget. En riktlinje som slutade gälla 2024 ligger kvar i mappen på obestämd tid och läses som gällande. Ge varje dokumentuppsättning ett granskningsdatum och en namngiven granskare. När ett dokument går ut lämnar det underlaget tills någon godkänner det på nytt.
Vad ni kan förvänta er
Att förbereda data för ett arbetsflöde tar veckor, inte kvartal, och det andra arbetsflödet går snabbare eftersom vanorna kring ägarskap redan finns på plats. Bedöm framstegen utifrån två saker: hur ofta systemets svar är korrekt, och hur ofta ni kan spåra svaret tillbaka till ett specifikt dokument. Det andra betyder mer i början. Ett svar som inte går att spåra går inte heller att rätta.
Det här är den minst synliga delen av att införa AI och genomgående den tyngsta. Det är också där vi lägger de första veckorna i de flesta uppdrag, eftersom en bra modell som läser oordnad information producerar självsäkra, välskrivna fel – och de är svårare att upptäcka än uppenbara.