Kunstig intelligens trenger ikke begynne med store transformasjonsprosjekter, dyre konsulentrapporter eller en ny digital strategi på hundre sider. For de fleste norske virksomheter er det klokere å starte med små, konkrete eksperimenter som gir erfaring, innsikt og trygghet. De som lærer raskt i det små, står langt bedre rustet når teknologien etter hvert endrer langt mer enn enkeltoppgaver.
Fra fascinasjon til praktisk læring
I de to første artiklene i denne serien på totalt 10, har jeg skrevet om hvorfor kunstig intelligens må forstås som et lederansvar, og hvorfor virksomheter bør rydde i arbeidsflyten før de automatiserer.
Denne gangen handler det om neste steg.
For hva gjør man egentlig når ledergruppen har forstått at AI er viktig, og virksomheten har begynt å se hvor arbeidet stopper opp, hvor tiden forsvinner og hvor kvaliteten svekkes?
Da tror jeg mange bør begynne mindre enn de har lyst til.
Det kan høres defensivt ut, men det er det motsatte. Å starte smått handler ikke om å mangle ambisjoner. Det handler om å bygge erfaring før man binder seg til store løsninger, store kostnader og store organisatoriske endringer.
Jeg møter mange ledere som kjenner på et press om å gjøre noe med AI. Noen føler de henger etter. Andre er redde for å velge feil. Mange ser at ansatte allerede bruker verktøyene, samtidig som virksomheten mangler felles retning, tydelige retningslinjer og nok kompetanse til å vurdere hva som faktisk skaper verdi.
Da er det lett å gjøre én av to feil.
- Enten venter man for lenge, fordi alt virker for komplekst.
- Eller så setter man i gang for stort, for raskt, uten å vite hva man egentlig forsøker å lære.
Begge deler kan koste dyrt.
Du finner Teknologitrender på din favoritt podkast-spiller, som blant annet Acast, Apple Podcaster, Overcast, TuneIn Radio, Spotify, Google Podcasts, Podimo og PodMe.
//Artikkelen fortsetter etter annonsen//
Pilotfella mange går i
Mange virksomheter liker ordet pilot. Det høres trygt ut. En pilot er midlertidig, avgrenset og tilsynelatende ufarlig. Den gir følelsen av fremdrift uten at virksomheten nødvendigvis trenger å ta de vanskelige beslutningene.
Problemet oppstår når pilotene blir liggende som små øyer rundt omkring i organisasjonen. Én avdeling tester AI til kundeservice. En annen tester Copilot. Markedsavdelingen bruker AI til innhold. HR tester AI til onboarding. Noen lager interne retningslinjer. Andre gjør som før.
Alt dette kan være nyttig isolert sett, men virksomheten lærer for lite hvis erfaringene ikke samles, måles og oversettes til felles innsikt.
Da får man aktivitet og tempo uten retning.
Jeg tror dette blir en av de store utfordringene i årene som kommer. Ikke at norske virksomheter eksperimenterer for lite, men at de eksperimenterer for tilfeldig. Mange vil kunne vise til at de har gjort mye med AI, samtidig som det blir vanskelig å forklare hva virksomheten faktisk har lært, hvilke gevinster som er realisert og hva som bør skaleres videre.
I den første artikkelen skrev jeg at AI ikke bør starte med hvilke verktøy virksomheten skal kjøpe, men med hva virksomheten ønsker å bli bedre til. I den andre artikkelen skrev jeg at AI oppå dårlige prosesser bare gir raskere rot.
Begge poengene leder frem til den samme konklusjonen: Små eksperimenter må kobles til reelle problemer.
Begynn med noe som gjør vondt
Et godt AI eksperiment bør ikke starte med teknologien. Det bør starte med en friksjon virksomheten allerede kjenner på:
- Det kan være at kundeservice bruker for lang tid på å svare på gjentakende spørsmål.
- Det kan være at salgsavdelingen bruker for mye tid på å lage tilbud fra bunnen av.
- Det kan være at nyansatte bruker for lang tid på å finne frem i systemer, rutiner og intern kunnskap.
- Det kan være at ledere drukner i møtereferater, rapporter og dokumenter som er vanskelige å omsette til beslutninger.
I slike tilfeller trenger man ikke begynne med en stor AI strategi. Man kan begynne med ett konkret eksperiment.
Kan AI redusere tiden det tar å lage et førsteutkast til et tilbud? Kan AI gjøre det enklere å finne svar i interne dokumenter? Kan AI oppsummere kundefeedback på en måte som gir bedre innsikt? Kan AI hjelpe nye ansatte med å forstå rutiner raskere? Kan AI gjøre rapportering mindre manuelt og mer presis?
Et lite eksperiment bør være konkret nok til at det kan testes i løpet av noen uker, og viktig nok til at noen faktisk bryr seg om resultatet.
Det siste er avgjørende.
For hvis et eksperiment ikke betyr noe for arbeidet, betyr det heller ikke noe for virksomheten.
//Artikkelen fortsetter etter annonsen//
Læring er viktigere enn imponering
Vi har lett for å bli imponert av AI. Det er ikke så rart. Verktøyene kan gjøre ting som fortsatt oppleves nesten magisk, selv for oss som bruker dem hver dag.
Men et godt eksperiment skal ikke først og fremst imponere. Det skal lære virksomheten noe.
Det bør gi svar på om teknologien faktisk
- sparer tid,
- om kvaliteten blir bedre,
- om risikoen er håndterbar,
- om ansatte opplever nytte,
- om kundene merker forskjell, og
- om løsningen kan skaleres uten å skape nye problemer.
Mange AI-demoer ser imponerende ut i et møterom. Det er noe annet å få teknologien til å fungere i en travel arbeidshverdag, med ekte data, ekte kunder, ekte ansatte, gamle systemer, uklare rutiner og begrenset tid.
Derfor må små eksperimenter være ærlige. De må tåle at resultatet blir at dette ikke fungerte godt nok. Det er ikke et nederlag. Det er verdifull læring, så lenge virksomheten forstår hvorfor.
I boken min, Mennesket vs Maskinen, skriver jeg mye om hvordan teknologien utfordrer menneskets plass, verdi og kontroll i arbeidslivet. Den kontrollen handler også om å eksperimentere på en ansvarlig måte. Vi må ikke la teknologien styre retningen bare fordi den kan gjøre noe nytt. Vi må teste hva som faktisk gjør arbeidet bedre.
Ansatte må være med fra starten
Hvis små AI-eksperimenter skal gi verdi, må menneskene som gjør jobben involveres tidlig.
- Det er de ansatte som vet hvor tiden forsvinner.
- Det er de som ser hvilke oppgaver som er unødvendig tunge.
- Det er de som vet hvilke svar kundene etterspør,
- hvilke rapporter ingen leser,
- hvilke systemer som skaper dobbeltarbeid og
- hvilke rutiner som bare lever videre fordi ingen har stoppet dem.
Når ledelsen innfører AI uten å involvere ansatte, kan teknologien fort oppleves som noe som kommer ovenfra. Da blir usikkerheten større. Er dette et hjelpemiddel, et kontrollverktøy eller første steg mot færre ansatte?
Den usikkerheten bør ledere ta på alvor. AI-eksperimenter må være tydelige på formål, rammer og forventninger.
- Hva tester vi?
- Hvorfor tester vi det?
- Hvem påvirkes?
- Hvilke data bruker vi?
- Hvordan skal resultatet vurderes?
- Hva skjer hvis testen fungerer?
- Hva skjer hvis den ikke fungerer?
I min første bok, Tilkoblet og til stede, skriver jeg om behovet for å ta kontroll over teknologien før teknologien tar kontroll over oss. Det gjelder også på arbeidsplassen. Gode eksperimenter gir mennesker mer kontroll, fordi de gjør teknologien konkret, testbar og forståelig.
//Artikkelen fortsetter etter annonsen//
Små eksperimenter kan redusere stor risiko
Noen ledere tenker at små eksperimenter gir små resultater. Jeg tror det er feil måte å se det på. Små eksperimenter kan redusere stor risiko.
- De kan avdekke om dataene er gode nok.
- De kan vise om arbeidsflyten er moden nok.
- De kan avsløre om ansatte trenger mer opplæring.
- De kan avdekke juridiske og etiske problemstillinger før virksomheten har investert for mye.
- De kan gi ledelsen et bedre språk for å diskutere AI enn generelle ambisjoner om effektivisering og innovasjon.
Dette er særlig viktig fordi mange virksomheter fortsatt befinner seg i en fase hvor de vet at AI er viktig, men ikke nøyaktig hvor verdien ligger. Da er det bedre å teste seg frem med tydelige hypoteser enn å vedta store programmer basert på antakelser.
Et godt eksperiment bør derfor ha en enkel logikk:
- Dette problemet ønsker vi å løse.
- Denne arbeidsflyten ønsker vi å forbedre.
- Denne gevinsten tror vi er mulig.
- Denne risikoen må vi håndtere.
- Dette skal vi lære før vi bestemmer oss for neste steg.
Da blir AI mindre abstrakt. Det blir virksomhetsutvikling i praksis.
Fra enkel test til organisasjonsevne
Poenget med små eksperimenter er ikke å bli værende i det små. Poenget er å bygge evnen til å lære raskere.
Når en virksomhet har gjennomført flere gode eksperimenter, begynner den å se mønstre.
- Den lærer hvilke oppgaver AI egner seg for.
- Den lærer hvor datakvaliteten er for dårlig.
- Den lærer hvor ansatte trenger mer opplæring.
- Den lærer hvilke prosesser som bør ryddes før automatisering.
- Den lærer hvilke gevinster som faktisk kan måles.
Det er slik AI gradvis går fra å være enkeltstående forsøk til å bli en organisasjonsevne.
Og det er her de mest modne virksomhetene vil skille seg fra resten. De vil ikke nødvendigvis være de som roper høyest om AI, kjøper flest lisenser eller lanserer de mest ambisiøse strategiene. De vil være de som lærer raskest, justerer klokest og klarer å koble teknologien tettest til reelle behov.
//Artikkelen fortsetter etter annonsen//
Start nå, men start klokt
Jeg tror norske virksomheter bør være mer offensive i møte med AI. Samtidig bør de være mer presise.
Det holder ikke å si at man skal «ta i bruk AI». Det sier omtrent like lite som å si at man skal «ta i bruk internett». Virksomheten må vite hva den ønsker å forbedre, hva den ønsker å lære, og hvilke grenser den ikke vil krysse.
Derfor er mitt råd enkelt: Start med små eksperimenter, men gjør dem viktige nok til at de betyr noe.
Velg én arbeidsflyt. Velg ett problem. Involver menneskene som kjenner hverdagen. Sett tydelige kriterier for hva dere skal lære. Mål både gevinst og risiko. Del erfaringene internt. Stopp det som ikke virker. Skaler det som faktisk skaper verdi.
Da kan små eksperimenter bli starten på noe stort.
Ikke fordi teknologien i seg selv er magisk, men fordi virksomheten lærer å bruke den med bedre dømmekraft. Det er den evnen norske virksomheter trenger nå.
Vil du ha et foredrag som gjør AI konkret, forståelig og relevant for din virksomhet?
Jeg snakker mye om hvordan teknologi og kunstig intelligens endrer arbeidsliv, ledelse, konkurransekraft, kommunikasjon og samfunn, med vekt på både muligheter, risiko og praktiske grep norske virksomheter bør ta nå.
Klikk her for å lese mer og booke meg som foredragsholder.
Bilde: ChatGPT
