Af Rasmus Korsager Ørtoft
Lad mig starte med en tilståelse.
Jeg har selv været med til at rådgive kunder om at igangsætte en række AI-pilotprojekter. Og selv om det ville være naturligt at hævde, at alle de AI-initiativer, vi i VENZO har bidraget til, har skabt målbar værdi, er virkeligheden mere nuanceret.
Siden ChatGPT tog verden med storm i november 2022, har det været en selvstændig prioritet for mange virksomheder at komme i gang med AI. Men mange har også overvurderet effekten og undervurderet kompleksiteten.
Jeg taler næsten dagligt med ledere, som har sat AI i værk med de bedste intentioner. Men forbindelsen til virksomhedens strategi, processer og nuværende kompetencer er ofte svag.
Derfor bliver AI også alt for ofte behandlet som et IT-projekt. Men den store værdi opstår ikke, fordi mange virksomheder forsøger at løse morgendagens udfordringer med gårsdagens arbejdsmønstre. Det kræver, at ledelsen er villig til at tage det næste skridt: fra digital transformation til AI-transformation.
Det er selvfølgelig lettere sagt end gjort. I princippet kan AI påvirke alt fra administration og drift til kundeoplevelse og produktportefølje. Og netop derfor opstår det naturlige spørgsmål: Hvor skal man starte?
Ledelsesopgaven er ikke bare at reagere på den nuværende AI-bølge, men at forberede organisationen på den forretningsvirkelighed, der følger lige efter. Det er ikke nogen nem opgave. Men vi kan ikke længere drive virksomheder i forventning om stabilitet. Forandring er ikke en undtagelse – det er blevet et grundvilkår.
Der er ikke ét rigtigt svar. Men når jeg taler med mine kolleger i valantic – herunder VENZO – er vi enige om, at tre ting skal være på plads fra starten:
- Start med forretningsmålet, ikke teknologien
- Placer ejerskab i forretningen
- Styr AI som en strategisk portefølje – og som en del af den fremtidige forretningsmodel
Og så bør den overordnede tilgang mere ligne en trappestige end en lineal. På den måde bygger man fundamentet, efterhånden som flere og flere (relevante) use cases defineres og planlægges.
Start med forretningsmålet, ikke teknologien
Alt for ofte begynder AI-arbejde med platforme, licenser og use cases. Det føles konkret, og det skaber fremdrift. Men jeg mener, at rækkefølgen er forkert.
En AI-strategi bør være baseret på de mål, virksomheden allerede styrer efter: f.eks. vækst, marginer, kundetilfredshed, compliance, robusthed, hurtigere udførelse osv.
Først da giver det mening at spørge: Hvor kan AI ændre arbejdet nok til rent faktisk at flytte disse mål?
Ledelsesopgaven er derfor ikke bare at reagere på den nuværende AI-bølge, men at forberede organisationen på den forretningsvirkelighed, der følger lige efter. Det er en vanskelig opgave. Vi kan ikke længere drive virksomheder i forventning om stabilitet. Forandring er ikke en undtagelse – det er blevet et grundvilkår.
Placer ejerskab i forretningen
Hvis AI udelukkende ejes af IT, bliver succeskriterierne ofte tekniske: Er løsningen live? Er integrationen stabil? Er sikkerheden på plads? Har et vist antal medarbejdere brugt værktøjet?
Det er alt sammen relevant. Men det er ikke nok.
Det er virksomheden, der skal eje problemstillingen, værdiskabelsen og den adfærdsændring, der er nødvendig for, at løsningen rent faktisk har en effekt. For hvis ingen ændrer processerne omkring en AI-løsning, bliver den sjældent til mere end en overbevisende demo.
Vi ser det igen og igen. AI-pilotprojekter, der aldrig bliver operationelle, fordi ingen har omsat dem til en ny måde at arbejde på. Først påvirker det adoptionen. Så udebliver gevinsterne. Og til sidst begynder det at gå ud over troværdigheden hos dem, der satte initiativet i gang.
Hvis du er CIO eller teknologichef, bør du derfor insistere på fælles ejerskab. Ikke for at skubbe ansvaret væk, men for at sikre, at ansvaret er placeret korrekt.
I praksis bør enhver AI-indsats have en forretningsejer, en teknisk ejer og en risikoejer. Der skal være klare beslutninger om data, compliance og ansvar. Ellers ender man hurtigt med en voksende samling af prøveballoner, unødvendige sikkerhedsrisici og brug af cloud/token, der går forud for værdien.
Det er også her, virksomheden skal tage stilling til sin risikovillighed. For ikke alle AI-initiativer kræver samme grad af kontrol. En intern skriveassistent kræver én form for kontrol. En AI-løsning, der påvirker kundebeslutninger, kreditvurderinger eller behandling af persondata, kræver noget helt andet.
Risiko skal derfor kobles direkte til forretningsværdi. Ellers bliver governance enten for tung eller for slap.
Men når ejerskab, ansvar og risikoniveau er på plads, melder det næste – og ofte sværeste – spørgsmål sig: Hvad skal vi så faktisk satse på?
Rasmus Korsager Ørtoft argumenterer for, at den overordnede tilgang til AI bør ligne en trappestige mere end en lineal. På den måde bygger man fundamentet i takt med, at flere og flere (relevante) use cases defineres og planlægges.
Styr AI som en strategisk portefølje, ikke som individuelle projekter
Det er her, mange virksomheder mister grebet.
AI bliver behandlet som en række enkeltstående initiativer: en pilot her, en copilot dér, et eksperiment i en stabsfunktion og måske et spændende proof of concept i et hjørne af organisationen. Hver for sig kan de være både relevante og lovende. Men tilsammen udgør de ikke nødvendigvis en strategi.
Hvis AI skal skabe reel værdi, må det ikke leve som et sideprojekt eller et lille hjørne af den digitale agenda. Det skal styres som en del af virksomhedens fremtidige forretningsmodel.
Det lyder måske stort, men pointen er egentlig ret enkel: AI skal prioriteres dér, hvor det kan ændre noget grundlæggende. Ikke bare gøre en eksisterende opgave lidt hurtigere, men forbedre beslutningskvalitet, ændre arbejdsgange, styrke kundeoplevelsen, reducere risiko eller åbne for nye måder at levere og tjene penge på.
Derfor er en stærk AI-strategi heller ikke en lang liste af idéer. Den er en prioriteret portefølje af indsatser med tydelig forretningseffekt, klart ejerskab og et bevidst forhold til investering og risiko.
Jeg vil langt hellere se tre AI-initiativer, der er tæt koblet til virksomhedens vigtigste mål, end tyve eksperimenter uden reel retning. For det er sjældent mængden af aktivitet, der afgør, om AI lykkes. Det er kvaliteten af prioriteringen.
Det betyder også, at KPI’erne skal sættes, før teknologien vælges. Hvad er det konkret, der skal flytte sig? Kortere sagsbehandlingstid? Bedre forecast-præcision? Højere fastholdelse? Lavere regulatorisk risiko? Færre manuelle flaskehalse i kritiske processer?
Brugsstatistik kan snyde. Mange logins er ikke det samme som ny adfærd. Mange prompts er ikke det samme som bedre beslutninger. Og effektivitet på opgaveniveau er ikke automatisk det samme som værdi på organisationsniveau.
Det er også derfor, så mange AI-initiativer ser lovende ud lokalt, men alligevel ikke flytter virksomheden som helhed. Ikke nødvendigvis fordi teknologien mangler potentiale, men fordi arbejdet omkring den ikke bliver redesignet, prioriteret og ledelsesforankret.
En AI-portefølje skal derfor styres aktivt. Det, der virker, skal skaleres. Det, der næsten virker, skal justeres hurtigt. Og det, der ikke flytter et strategisk mål, skal lukkes – også selvom det ser godt ud i en demo eller giver indtryk af fremdrift.
For AI-transformation handler i sidste ende ikke om at have flest use cases. Det handler om bevidst at bruge AI til at forme den måde, virksomheden skal fungere, konkurrere og tjene penge på fremover.
Fra strategi til næste beslutning
Jeg har lyst til at sige, at en AI-strategi kun er stærk, når den kan bruges til at sige nej.
Nej til use cases udefra, som ikke er relevante. Nej til use cases uden klart ejerskab. Nej til teknologi uden et formål, der kan måles. Nej til piloter, der ikke ændrer deres arbejde. Og nej til risici, som ingen rigtig har lyst til at tage ansvar for.
Derfor er det bedste sted at starte ikke en ny platform eller endnu en use case, som du har hørt om på en AI-konference. Det bedste sted at starte er ved at se på dine egne forretningsmål.
Vælg et mål. Identificer, hvad der holder det tilbage. Find en AI-indsats, der kan gøre en reel forskel. Og beslut, hvordan den skal ejes, måles og styres.
Så er AI ikke længere bare gode intentioner, men ren forretning – og en potentiel katalysator for fremtidig vækst og innovation.
