Intresset för att använda ny teknik, som AI, maskininlärning och cloud, ökar i många verksamheter och experimentlustan är stor. För att lyckas med att utforska, testa, implementera och räkna hem investeringarna krävs dock en uttalad metodik och ett välgrundat strategiarbete, som många verksamheter inte prioriterar.

AI är ett prioriterat område för många verksamheter. Det visar inte minst resultaten i CGI:s årliga undersökning, där verksamhets- och IT-chefer intervjuas. Där framkommer att AI-relaterade initiativ är bland de fem viktigaste prioriteringarna för både verksamhet och IT. 83 procent av verksamheterna instämmer eller instämmer helt i att generativa AI-modeller, särskilt de som utnyttjar deras egna affärsdata, kommer att ge dem en betydande konkurrensfördel. 32 procent rapporterar också att generativ AI redan nu påverkar deras verksamhet. Nästan 80% av våra kunder utforskar AI, men väldigt få har kommit längre än till de inledande faserna av implementeringen. Det är en spännande utveckling som kan skapa många innovativa ringar på vattnet framöver.

Det stora AI-fokuset påverkar dock ofta flera delar av verksamheterna, utanför de direkt inblandade funktionerna eller avdelningarna. Ett viktigt område är att anpassa molnstrategin så att den går hand i hand med AI-strategin.

För många verksamheter har molnstrategin främst haft fokus på hur applikationer och system kan flyttas från ett datacenter till molnet, men nu måste molnstrategin också innefatta hur verksamheter vill utnyttja modern teknik och AI, utan att spräcka IT-budgeten.

För att förstå lite mer om hur verksamheter bör ta sig an en AI-strategi och vilka konsekvenserna kan bli för IT och verksamheten i stort har vi pratat med CGI:s AI-expert Alexander Lepp och CGI:s moln-evangelist Christian Dahlgren. De tar avstamp i gemensamma fokusområden.

En grundsten i både cloud- och AI-strategierna är datahanteringen, säger Christian Dahlgren. För att kunna skapa värde med AI måste du ha ordning på dina data och samma sak gäller för cloud-strategin. Hur skyddsvärd dina data är blir en avgörande fråga för många viktiga initiativ och beslut. Datahantering är därför ingen liten fråga. Den behöver utvärderas ordentligt och gärna stötas och blötas på ledningsnivå.

I diskussioner och intervjuer med många verksamheter framkommer att det finns en oro kring att verksamheten inte klarar att skydda känsliga data och 27 procent uppger att de har mycket låg tilltro till sin förmåga att använda AI på ett ansvarsfullt sätt, säger Alexander Lepp. Det är ett område som måste tas på allvar och hanteras på ett bra sätt. Kan verksamheten skapa det förtroendet internt går det också enklare att implementera och använda ny teknik, som AI.

EU-regleringar får stor påverkan på AI-initiativen

Parallellt med den snabba utvecklingen inom AI och många verksamheters stora fokus på att initiera och starta AI-initiativ, så drivs på EU-nivå ett ambitiöst arbete med att stärka och utöka lagstiftningen kring dataskydd. Det gör att många verksamheter måste se över och anpassa sina IT-miljöer utifrån de allt hårdare regleringarna.

Samtidigt får både privatpersoner och företag allt högre förväntningar på att verksamheter ska ta datahanteringen på allvar så att känsliga data kan hanteras och skyddas. Det är ytterligare faktorer som påverkar såväl AI- som molninitiativ.

CGI har undertecknat EU:s AI Act Pledge som en del i företagets engagemang i Europeiska kommissionens AI-pakt. Det är en viktig del i företagets arbete och ambition att ha en mycket hög standard, använda best practice och praktisera ett ansvarfullt användande av AI.

Regleringar och datadirektiv är viktiga att förhålla sig till. För att kunna träna AI krävs enorma mängder data. Det kan i många fall innefatta känsliga data, som inte bör eller får användas av publika AI-modeller.

För att kunna träna publika språkmodeller kan det vara bra att använda sig av syntetiska data, som inte innehåller några känsliga eller personrelaterade data, säger Christian Dahlgren. När modellen är tränad, går det sen att flytta in en version in i verksamheten, och skapa en så kallad Private AI, och där applicera verkliga data från verksamheten. Då minimeras riskerna för att exponera känslig information.

CGI driver ett forskningssamarbete tillsammans med Karlstad Universitet kopplat till just syntetisk data. Idag finns inget tillförlitligt sätt att bedöma kvaliteten på syntetiska data. Projektet har som mål att hitta bättre metoder för att bedöma kvalitet på syntetisk data och för att utforska hur generering av syntetisk data kan göras på ett bra sätt.

Strategier måste upp på ledningsnivå

För att kunna hjälpa verksamheter med sina AI-initiativ har CGI sammanfattat de viktigaste lärdomarna från företagets egen AI-resa. De tre områden, som grovt förenklat berör företagsövergripande strategi, att arbeta med förändringsledning, där anställda och andra berörda involveras, samt det tredje där fokus ligger på utvärdering av risker, för att säkerställa att verksamheten kan hantera dem. Genom att gå igenom dessa områden blir det enklare att knyta ihop olika AI-initiativ inom en verksamhet så att de kan ge synergier på sikt och att initiativen löser viktiga problem eller tillför verksamheten nya konkurrensfördelar.

Det är viktigt att verksamheter verkligen tar sig tid att göra sin strategihemläxa noga, säger Alexander Lepp. För att kunna uppnå sin strategi krävs också systematiska processer. Uppskattningsvis är 70 procent av arbetet kopplat till människor, organisation och kultur. Ett AI-projekt är verkligen inte bara teknik. AI kommer med fantastiska möjligheter, men det är också viktigt att fokusera på att identifiera risker samt säkerställa att det finns en plan och beredskap för hur riskerna ska undvikas och hanteras.

I våra diskussioner med verksamhets- och IT-chefer framkommer att det fortfarande är en stor andel, närmare två tredjedelar, som fortfarande inte får de förväntade resultaten på sina digitala strategier, säger Christian Dahlgren. En av orsakerna till detta är att den strategiska nivån saknas och att AI främst blir ett teknikinitiativ. Jag har mött många frustrerade verksamhetschefer som har väldigt bråttom att kicka igång AI-initiativ, köper ett antal GPU:er och sen inte åstadkommer några påtagliga resultat. De har då missat att de måste göra noggranna analyser, ha verksamheten med sig och knyta ihop AI-initiativen med verksamhetens övergripande strategi.

Samtidigt som många verksamheter har bråttom att komma igång är det också ett påtagligt problem att initiativen inte tas i verklig drift.

När jag träffar verksamheter ser jag att det har blivit ett mycket större fokus på att AI-initiativ måste skapa värde och ge ROI (Return On Investment) för verksamheten, säger Alexander Lepp. Det är en stor andel av projekten som kommit till proof-of-concept-fasen som sen aldrig går vidare till produktion. Av de avslutade initiativen är det ungefär hälften som inte tas vidare av kostnadsskäl. Verksamheten har helt enkelt inte räknat på när de ska få tillbaka sin investering eller har helt glömt att ställa sig frågor kring hur mycket de måste skala upp en AI-lösning för att få ut förväntat värde. Kostnader kopplat till underhåll är också något som ofta glöms eller inte tas med i beräkningarna. Har verksamheten gjort sin strategiska hemläxa är det enklare att utvärdera värde mot kostnad.

Förändringsledning och teknik måste gå hand i hand

Anledningarna till att AI-initiativ och projekt inte lyckas är främst relaterade till människor, kultur och organisation. Att skapa en hög nivå av datakompetens och göra medarbetarna AI-redo är en förutsättning för att lyckas. Företag som är framgångsrika i sin AI-resa investerar dubbelt så mycket eller mer i människor, organisation och kultur. Även här har CGI egen erfarenhet.

Vi har genomfört ett internt Copilot-projekt inom CGI globalt, berättar Christian Dahlgren. Många kollegor och användare var väldigt entusiastiska och ville gärna delta. Vi gjorde detta på ett genomtänkt sätt, med utbildningar, coaching, systematisk uppföljning och initiativ för att skapa en kultur av att jobba på nya sätt. Uppföljningen visar att Copilot kan ge en bra effekt om man genomför införandet med systematik. De flesta vinner tid och effektivitet, men det skiljer sig avsevärt mellan olika yrkeskategorier.

Det är jätteviktigt att ha människan i fokus när man sjösätter AI-projekt som innefattar processer och förändringsledning för hela organisationen, säger Alexander Lepp. Ofta utgör kulturen inom verksamheten ett hinder för att få en framgångsrik AI-användning. Det är nästan ett lika stort problem som bristen på investeringsbudget för AI-projekt.

För att lyckas med en AI-strategi och den efterföljande implementationen, måste det finnas en tydlig prioritering på strategi och styrning. Den måste också göras på ledningsnivå med många viktiga överväganden i beaktande. Övriga strategier och teknikval måste också anpassas och justeras så att de passar och samverkar på en övergripande nivå. Det utesluter inte ett stort mått av experimenterande och testande, men det måste finnas en tydlig koppling med dessa initiativ och vad de i förlängningen ska kunna leda till. Kunskap, expertis och teknik är också viktiga, men ligger i mitten som en hamburgare. Innovationsprojekt och strategi är bröden, som båda måste vara med. Annars blir det bara en macka – utan räkor.

CGI har under lång tid arbetat med företagets egen strategi och även drivit en rad förändringsprojekt för andra kunder och verksamheter. För att kunna navigerar i komplexiteten kopplad till AI är det tydligt att ett strategiskt, människocentrerat tillvägagångssätt är avgörande för framgång. Genom att utveckla en AI-strategi på företagsnivå, investera i människor och kultur samt fokusera på ansvarsfull AI kan verksamhetsledningar lotsa sina verksamheter genom AI-revolutionen med förtroende och integritet. För mer insikter och för att höra hur CGI kan stödja er AI-resa, tveka inte att kontakta oss CGI. 

Du kan läsa mer om våra Cloud- & AI-tjänster här:

Cloud

AI