Elvenites vd: 6 steg för att lyckas med AI-strategin

Konsultbolaget Elvenite sysselsätter idag omkring 220 specialister och ingår i CombinedX-koncernen. De senaste åtta åren har man arbetat med att föra samman affärssystem, data och AI och här ser Mathias Dyberg en organisatorisk skiljelinje. Affärssystemen och de stora plattformsinvesteringarna har ofta hanterats av it-avdelningen medan AI-projekten har drivits ute i verksamheten. Det har skapat två parallella spår som först nu börjar mötas.

För företag som vill lämna AI-pilotstadiet bakom sig har Mathias Dyberg flera konkreta tips. Det första är att börja med affärens behov, inte med en AI-modell eller en produkt. Det handlar också om att få med sig medarbetarna, tänka bortom de snabba vinsterna och redan från början fundera på hur lösningarna ska leva vidare när de blivit en del av den ordinarie verksamheten.

– Det gäller att inte se AI som ett teknikprojekt. Utgå från affären och ta reda på vad ni vill förbättra och vilka nya möjligheter som finns för ditt bolag. Redan innan AI var på tapeten jobbade vi med samma problematik men nu har ytterligare dimensioner tillkommit.

En försvårande faktor är att AI påverkar många roller inom organisationen samtidigt. Mathias Dyberg beskriver utvecklingen som en industrialisering av tjänstemannasektorn, men till skillnad från tidigare teknikskiften är det inte alltid uppenbart exakt hur arbetet kommer att förändras.

– AI-området är komplext och när ingen har alla svar ställs nya krav på ledarskapet. Vi måste börja testa och göra det på ett sätt där vi känner oss trygga och bygger tillit över tid.

Behöver förstå vad tekniken innebär för deras uppgifter

Ett övergripande AI-mål räcker inte när medarbetare i flera olika delar av organisationen ska förändra sina arbetssätt. De behöver förstå vad tekniken innebär för just deras uppgifter och vilken roll deras befintliga kompetens ska spela.

– Vi måste bryta ner det i flera delmål och involvera medarbetarna så att de förstår hur deras roll kommer att förändras, inte ersättas. Kompetensen behövs fortfarande och det gäller att inte tappa bort människan.

Mathias Dybergs nästa råd handlar om vad som händer efter pilotprojektet. Redan när ett första användningsfall väljs bör det finnas en tanke om hur det kan kopplas till andra processer, roller och system. Det är dock inte detsamma som att i förväg veta exakt hur hela AI-resan ska se ut.

Mathias Dyberg är också tydlig med att CIO:n inte ensam kan ansvara för AI-utvecklingen. Styrelse och ledningsgrupp behöver ta ställning till hur tekniken ska påverka affären, medan verksamheten måste definiera vilken effekt som eftersträvas. It-chefen har en central roll, men inte ensamrätt på frågan.

– Ytterst måste styrelsen och ledningsgruppen se att det här är en strategiskt viktig del. Det är jätteviktigt att de har en förståelse för vad man ska satsa på och hur affären kommer att förändras.

En CIO måste också vara medveten om att nya AI-modeller, tjänster och funktioner kommer att fortsätta dyka upp i snabb takt, vilket gör det svårt att bygga strategin runt enskilda applikationer.

– Förut köpte jag ett nytt affärssystem eller en plattform och kunde jobba med det under sju år. Nu krävs ett annat sätt att tänka eftersom det poppar upp nyheter hela tiden. Som it-chef bör man tänka på arkitekturen snarare än själva applikationen och arkitekturen måste vara mer flexibel för att kunna hantera den föränderliga värld vi lever i.

En återkommande utmaning i AI-arbetet är att visa värdet av investeringarna. Enligt Mathias Dyberg börjar många i fel ände även här. Att en AI-modell har införts eller att medarbetarna fått tillgång till ett verktyg säger inte i sig något om verksamhetens resultat. Först när arbetssätt och processer förändras går det att tala om ett verkligt värde.

– AI-värdet uppstår när en affärsprocess förbättras mätbart och vi faktiskt använder den. Då får vi ut effekten.

Projekten behöver alltså mätas som verksamhetsförändringar snarare än teknikleveranser. Mathias Dyberg pekar på mått som minskat svinn, kortare ledtider, bättre prognosprecision och färre manuella moment, men också på förbättrad kvalitet och affärseffekt.

– Flytta fokus till vilken affärsprocess vi vill förbättra, hur mycket och för vem. Mät förbättringen i så konkreta värden som möjligt. AI skapar ofta värde på flera nivåer: effektivitet, kvalitet och affärseffekt. Då kan man mäta alla tre för att se vad man ska prioritera och hur man ska förbättra verksamheten.

Kan väga in andra parametrar

Ett exempel är beslutsstöd till företagsledningen. I stället för att enbart analysera försäljningsdata kan organisationen väga in kundnöjdhet, leveranser och eftermarknad. Poängen är inte nödvändigtvis att skapa helt nya nyckeltal, utan att ge besluten ett bredare underlag än vad som tidigare varit praktiskt möjligt.

Mathias Dyberg ser att de AI-projekt som lyckas bäst i dagsläget kan kopplas till transaktionstäta processer som ligger nära företagens affärssystem. Där kan AI, människor och data mötas i arbetsflöden som redan är centrala för verksamheten.

– Där finns mycket av hjärtat i stora bolag. Det handlar om att sätta det i ett sammanhang där agenter, människor, data och den totala arkitekturen samspelar.

Men välordnade data räcker inte hela vägen. Minst lika avgörande är enligt Mathias Dyberg att tekniken blir en del av människors faktiska arbetsdag. Den organisation som utbildar personalen och bygger de tekniska förutsättningarna, men sedan fortsätter att arbeta som tidigare, har inte tagit det avgörande steget.

– Där man lyckas bäst finns bra och strukturerad data och personer som jobbar med den varje dag. Innan vi kommer dit är det en gissningslek. Det är ungefär som att alla har gått kursen och är certifierade, men vi jobbar fortfarande på det gamla sättet, förklarar Mathias Dyberg.