Når virksomheder begynder at interessere sig for AI, opstår der ofte en frygt for at sakke bagud. Mange kigger på konkurrenterne og tænker, at alle andre allerede er længere fremme og har høstet gevinsterne. Det fører til et pres for at udvikle en egentlig AI-strategi – men det er ofte at starte det forkerte sted.
Du har ikke nødvendigvis brug for en specifik AI-strategi. AI er et værktøj – ikke et mål i sig selv. Medmindre AI er selve kernen i din forretning, bør det ikke være en strategi i sig selv. Det, du har brug for, er en forretningsstrategi, hvor AI kan være en del af løsningen. Ellers risikerer du at lede efter problemer, der passer til en allerede valgt teknologi.
Som med enhver ny teknologi er der risici forbundet med at implementere AI. Derfor bør man starte med at forstå, hvor stor en risiko organisationen er villig til at tage, og afveje det mod de potentielle gevinster. Ved at starte småt holder man både investering og risiko nede – samtidig med at man lærer og bliver bedre rustet til fremtidige beslutninger.
Undersøg før du beslutter
Inden man går i gang med at implementere AI, bør man bruge tid på at forstå, hvad man egentlig vil opnå – og hvorfor. Det indebærer at analysere organisationens behov, begrænsninger, eksisterende systemer og konkurrencesituation.
Det kan være en god investering at afholde workshops med de teams, der skal bruge løsningen, for at forstå deres arbejdsprocesser og udfordringer. Det er vigtigt midlertidigt at tage AI ud af ligningen og i stedet fokusere på problemerne. Når man først har valgt en løsning, har man en tendens til at finde problemer, der passer til den – og det kan føre til forkerte beslutninger.
Tal med interessenter, juridiske teams og IT for at forstå behov, krav og begrænsninger. Undersøg markedet og dokumentér dine indsigter, så du kan identificere det rigtige sted at starte. En struktureret discovery-proces giver et solidt grundlag for beslutninger.
Start småt
I stedet for store strategiske satsninger anbefales det at starte småt med eksisterende løsninger. Find den mindst mulige investering, der kan løse et konkret problem, og kom hurtigt i gang med en proof of concept.
Det er ikke nødvendigt at finde en perfekt løsning fra start. Fokus bør være på at teste, lære og validere, om man er på rette spor. Først når løsningen fungerer i praksis, giver det mening at tænke på skalering, langsigtede omkostninger og partnerskaber.
Samtidig er det vigtigt at undgå at blive låst til én leverandør. Hvis man starter med standardløsninger, bør man sikre sig fleksibilitet til senere at kunne bygge mere skræddersyede løsninger.
Erfaringen viser, at det ofte er bedst at starte med en færdig, managed løsning, der dækker de fleste behov. Det er lettere at udvide funktionalitet senere end at rette op på fx compliance- eller dataproblemer.
Sådan kommer du i gang
Hvis du allerede har eksperimenteret med standardløsninger, kan næste skridt være at bygge egne løsninger for at skabe mere værdi. Hvis du derimod stadig er i opstartsfasen, handler det om at skabe overblik og finde de rigtige use cases at begynde med.
Drop tanken om en stor AI-strategi. Fokuser i stedet på dine forretningsmål, forstå dine behov og start småt. Ved at arbejde iterativt og lære undervejs kan du reducere risiko og skabe reel værdi – frem for at jagte AI for AI’ens skyld.
