Bästa råden från tidigare AI-entreprenören, Peter Stefansson: Akta dig för de här fällorna om du vill införa AI-projekt i verksamheten
AI, artificiell intelligens, är inte längre bara något som framtidsvisionärer med polotröja och fyrkantiga glasögon pratar om. Tekniken finns runt omkring oss i en mängd tillämpningar, från chatbotar, översättningsverktyg, rekommendationsmotorer till självkörande fordon. Men även om många företag inser att den data de sitter på har någon form av guldgruvepotential, är AI-tillämpningarna fortfarande i sin linda.
Det är inte bara kreativiteten som sätter gränserna. Det finns också en tröghet inbyggd i det faktum att utfallet kan vara svårt att förstå, menar Peter Stefansson, förändringsledare på CGI. Som grundare av TWOSELL, som 2009 var ett av Sveriges första AI-företag, har han egna erfarenheter inom området.
Peter Stefansson, förändringsledare på CGI, har genom sitt arbete med att införa AI-projekt identifierat de vanligaste hindren för att verksamheter ska lyckas, och kokat ned dem till åtta typfall.
”Många förstod helt enkelt inte vilka resultat de skulle kunna få ut av ett AI-projekt och då blev det svårt att värdera själva investeringen”, säger han. Detta faktum gäller i viss utsträckning även idag, är Peters erfarenhet. Genom sitt arbete med att införa AI-projekt har han identifierat de vanligaste hindren för att verksamheter ska lyckas, och kokat ned dem till åtta typfall:
1. Man ser AI bara som en teknisk lösning
Många tycks tänka att just AI-projekt borde fungera av sig själv bara tekniken finns på plats. Man förstår inte att AI-projekt är som vilket annat införandeprojekt som helst och ska behandlas som ett sådant, med förändringsledning på plats, interna sponsorer, förankring i verksamheten, löpande kommunikation och involvering från intern branschkompetens. Det kanske är ännu viktigare vid AI-projekt eftersom det än så länge finns så lite kunskap inom området.
2. Man fokuserar inte på att lösa konkreta problem
För att organisationen ska förstå och acceptera AI-lösningen, är det direkt avgörande att man hittar konkreta verksamhetsproblem där man tillsammans kommer fram till att en automatisering verkligen kan hjälpa, exempelvis genom att titta på tid, kostnad, kvalitet. Ställ frågor som: kan vi spara tid för verksamheten eller för våra kunder? Kan vi spara pengar till oss själva eller till våra kunder, eller kan vi tjäna mer pengar? Säkerställer vi högre kvalitet i våra egna processer eller kan vi öka kvaliteten för våra kunder?
3. Man förstår inte begränsningarna med AI
Jag har själv upplevt kunder som har tänkt att en utvecklad AI-metod kan lösa alla verksamhetens behov. Än så länge fungerar AI dock bäst inom relativt snäva användningsområden. Var därför noggrann när du gör din kravspecifikation. Börja hellre litet än stort. Säkerställ att teamet som ska utveckla AI-metoden verkligen är med på vad som ska åstadkommas, på vad ingången är och vad resultatet ska bli.
4. Man glömmer att lyssna på de inblandade – inklusive på sina kunder
Det är viktigt att inblandade är med under hela resan via testgrupper, valideringsmöten, informationsmöten, workshops och annat. Ta till vara på den branschkompetens som finns och glöm inte att ta in kompetens inom specifika regulatoriska begränsningar. Ta med dem som faktiskt har identifierat olika förbättringsområden. I många fall kan det även vara lämpligt att ha representanter med från kundens kund, det vill säga slutkunden.
5.Man inser inte värdet av tester i verkligheten
Alltför ofta sjösätts projekt alldeles för tidigt innan de testats ordentligt. Jag har sett mindre bra exempel när det exempelvis gäller "chatbotar", som man släppt ut till kunderna alldeles för tidigt och där svaren de gett varit så pass felaktiga och dåliga att de fått en direkt negativ effekt på varumärket och orsakat en hel del merjobb för verksamheten. Så testa, testa och testa. Tänk dock igenom vad som skall testas först och varför. Använd också A/B-tester där man testar olika scenarier mot varandra för att se vilka svar som ger bäst effekt. Företag som Facebook och Google gör sådana tester kontinuerligt för att förstå sina kunder.
6. Man förstår inte ”svarta lådan-problematiken”
Utifrån egen erfarenhet har jag stött på kommentarer som ”Jag skulle aldrig låta våra säljare få förslag baserade på något som jag inte känner till”, eller: ”Som säljare är det förnedrande att jag ska använda mig av förslag från en dator”. Sådana kommentarer beror till stor del på att förankringen av AI-projektet inte har lyckats. Det jag menar med ”svarta lådan” är den osäkerhet som kan uppstå när man släpper ifrån sig en viss kontroll, som ju är själva poängen med alla AI-projekt. Rädslan kan bero på många saker: på att verksamheten inte är tillräckligt delaktig, att man saknar interna sponsorer, att leverantören inte har förklarat algoritmerna ordentligt eller att ledningen inte är tillräckligt kommunikativ. Allt sådant kan göra att ”svarta lådan-problematiken” ökar och att motståndet internt växer.
7. Man missar att sätta upp tydliga mål
Att ha tydliga mål och KPI:er för att mäta vad som fungerar i projektet borde vara en självklarhet, men med nya tekniker glöms det ibland bort av någon anledning. Det kan bli väldigt mycket tyckande och till slut vet ingen riktigt hur man ska bedöma vad som är ett lyckat resultat. Att ha tydliga verksamhetsmål för att mäta resultaten är alltså nödvändigt för att bevisa att AI-projektet fungerar och förtjänar fortsatt stöd.
8. Man glömmer att utbilda internt
Det är inte lätt att hitta människor som både förstår AI-teknik och kraven från verksamheten, något som många inte tänker på. Försök därför att så snabbt som möjligt sätta ihop interna resurser som är intresserade av tekniken och som vill lära sig och på sikt ta ansvar för de satsningar ni tänker göra inom företaget. Konkurrenterna dammsuger marknaden på området och därför kan det definitivt vara värt att utbilda interna resurser.
Utvecklingen inom AI går snabbt och se ovanstående som några råd på vägen mot att bli ett företag som använder olika AI-metoder som en naturlig del i verksamheten. Men kom ihåg att ta med era medarbetare på resan!
Om artikelförfattaren
Peter Stefansson är certifierad inom förändringsledning via ADKAR/Prosci. Han har mer än 10 års erfarenhet av innovation, främst inom området digitala lösningar baserat på olika AI-metoder (SaaS). Peter arbetar idag som seniorkonsult på CGI med fokus på att hantera utmaningar med att införa helt nya tekniker och metoder för olika typer av verksamheter.
Peter är också grundare av företaget TWOSELL som erbjöd digitala lösningar med AI till företag, främst inom handel och e-handel.
