Från hack till skarp drift på fyra månader – Så kom Scania igång med agentisk AI

– Prissättningen är helt avgörande. Vi har väldigt många transaktioner och om något blir fel från början skalar det väldigt snabbt och ger stora ekonomiska effekter, berättar Linus Svanberg, som är Senior Solution Pricing Manager inom Scanias kommersiella organisation.

Techtidningen träffar Linus Svanberg och hans kollega Tushar Kale i samband med Snowflake World Tour i Stockholm, där de precis har presenterat Nexplex på en av scenerna.

I sin roll som Solutions Architect Data & AI Foundation har Tushar Kale samarbetat tätt med Linus Svanberg under utvecklingen av Nexplex. Hans roll spänner över flera affärsenheter och handlar bland annat om att hjälpa organisationen bygga dataprodukter, agentiska ramverk och ta fram konkreta användningsfall.

Det som förde dem samman var ett hackathon. Scanias modell är att låta verksamhet och it arbeta tillsammans under 48 intensiva timmar kring ett konkret problem. Fördelen, enligt Linus Svanberg, är att den vanliga verksamheten tillfälligt läggs åt sidan.

– I stora företag finns alltid processer och barriärer mellan olika funktioner. Man måste be om hjälp, någon annan måste prioritera och saker tar tid. Under ett hack sitter vi tillsammans och testar saker direkt.

Många AI-projekt står och faller med tillgången till rätt datakällor. I vanliga projekt kan rättigheter och godkännanden dra ut på tiden, men eftersom flera av de personer som faktiskt ägde datan deltog i Scanias hackathon så kunde man snabbt röra sig framåt.

– Normalt kan det ta veckor att få tillgång till data. Här kunde vi säga att vi behövde en viss datamängd och fem eller tio minuter senare hade vi den. Det gör en enorm skillnad när man försöker bygga något på kort tid, förklarar Linus Svanberg.

Teamet bakom Nexplex bestod av 22 personer och var det största av omkring 500 deltagare i hackathonet. Enligt Tushar Kale spelade det stor roll att deltagarna både var motiverade och kunde bidra direkt:

– Vi hade rätt personer i rummet och alla 22 bidrog. Data är viktigt, men människornas inställning och hur de faktiskt deltar är minst lika viktigt. Om ett hack används på rätt sätt kan man komma väldigt långt.

Affärsproblemet bakom Nexplex är enkelt att formulera men betydligt svårare att lösa. Scanias priser på reservdelar påverkas av vilket kluster en viss del tillhör. Problemet är att alla delar inte är klassificerade i rätt kluster. För att avgöra om en del ligger rätt måste Scania väga samman information från flera system, bland annat tekniska beskrivningar, inköpssystem och verkstadshistorik.

– För att avgöra om klassificeringen är rätt eller fel måste du gå in i flera olika system och väga samman mycket information. Om man ska lösa det manuellt tar det väldigt mycket tid.

Det är här den agentiska AI-lösningen kommer in i bilden. Nexplex kombinerar data och AI med verksamhetsregler som tidigare till stor del funnits i huvudet på erfarna medarbetare, något som också visade sig bli en av projektets största utmaningar.

Teamet fick arbeta tillsammans med seniora experter för att omvandla erfarenhetsbaserad kunskap till regler som en agent kunde använda. Det räckte alltså inte att koppla in en språkmodell och låta den lösa uppgiften.

– Det finns ingen Word-fil där alla affärsregler står. Vi hade personer med väldigt mycket kunskap och erfarenhet i huvudet, men vi behövde översätta den kunskapen till regler för agenten. Det krävde flera workshops, brainstorming och mycket arbete för att förstå flödet och sedan mata in rätt regler i lösningen, säger Tushar Kale.

– De mest kritiska affärsreglerna finns ofta hos väldigt erfarna personer. De är inte alltid vana att beskriva dem i en logisk ordning som enkelt går att stoppa in i en dator. Därför måste man verkligen förstå verksamheten, inte bara tekniken, fortsätter Linus Svanberg.

De datamängder som hanteras av Nexplex är minst sagt stora. Enligt Tushar Kale omfattar applikationen omkring tio dataset, 150 miljoner noder och 480 miljoner relationer. Under hackathonets två dagar byggdes detta med hjälp av Snowflake Ontology.

För Scania var plattformsvalet nära kopplat till vad som redan fanns på plats. Data från tio olika källor fanns redan samlad i Snowflake, vilket gjorde att en stor del av grundarbetet redan var gjort.

– Vi kunde i princip slå på strömbrytaren och börja utnyttja den data som fanns i Snowflake. Agenten och ontologin hade vi inte byggt tidigare, men tack vare min erfarenhet av plattformen gick det ganska snabbt att få ihop delarna, säger Tushar Kale.

Tillgång till data återkommande utmaning

Även om man inledningsvis gick snabbt framåt beskriver de datatillgången som en återkommande utmaning. När en lösning börjar användas uppstår ofta nya önskemål om ytterligare data, och nästa dataset kan ligga hos en annan del av organisationen.

En annan avgörande faktor var förmågan att överbrygga gapet mellan verksamhet och IT. Linus Svanberg ser sig själv som affärsperson snarare än tekniker, även om han har ett starkt teknikintresse. Tushar Kale har i sin tur tillräcklig affärsförståelse för att kunna röra sig mellan båda världarna.

– Ofta säger verksamheten att ”vi gav dem kraven men de förstod inte”, medan IT säger att verksamheten inte kunde förklara vad den behövde. Här hade vi personer som kunde prata med båda sidor. Om man vill göra saker snabbt tror jag att den bryggan är helt avgörande, säger Linus Svanberg.

Hackathonet hölls i april och redan i augusti kunde Nexplex sättas i produktion. Fyra månader från första 48-timmarsinsatsen till en färdig lösning är visserligen snabbt, men Linus Svanberg menar att det hade kunnat gå ännu fortare.

– Om vi hade kunnat låsa in oss i fem dagar direkt efter hacket tror jag att vi hade kunnat skynda på utvecklingen ytterligare. Under de första 48 timmarna hade vi fullt fokus, men sedan kom det vanliga arbetet tillbaka och tempot sjönk.

Affärsvärdet kopplas direkt till prissättningen

För CIO:er som brottas med frågan hur värdet av AI-investeringar ska mätas är Nexplex ett intressant exempel eftersom affärseffekten går att koppla direkt till prissättningen. När en reservdel flyttas från ett felaktigt till ett korrekt kluster kan Scania applicera rätt prislogik och räkna på effekten.

Samtidigt finns den andra sidan av kalkylen, det vill säga kostnaden för AI-användningen. Scania arbetar därför med både licensnivåer och löpande uppföljning av förbrukningen. Tushar Kale beskriver hur kostnaderna följs vecka för vecka och hur teamet har kontroll över vilka modeller som är tillåtna i produktionssystemen:

– I Snowflake betalar vi både för compute och för AI-tjänsterna ovanpå det. Därför följer vi kostnaderna varje vecka. Jag vet vilka modeller vi har driftsatta och vilka modeller vi tillåter i produktion. Om förbrukningen plötsligt sticker iväg får jag frågor om vad som har hänt.

Även användningen av generativ AI är nivåindelad. En vanlig användare har en viss gräns, medan team med större behov kan få mer efter godkännande från sin chef.

– Alla börjar förstå att man inte behöver använda den mest avancerade modellen till allt. Om jag bara ska finjustera en mening kanske jag inte behöver den mest komplicerade modellen. Det är också en läranderesa, säger Linus Svanberg.

På Scania beskriver de samtidigt ett starkt tryck från ledningen att gå från experiment till faktisk användning. Tushar Kale säger att detta nu också återspeglas i hur verksamheten följer upp chefer:

– Våra chefer utvärderas bland annat på hur många projekt och hur många agenter de får i produktion. Det har blivit en ny KPI på Scania.

Deras råd till andra organisationer som vill komma igång med agentisk AI handlar lika mycket om arbetssätt som om teknik. Tushar Kale lyfter tre saker: våga prova, hitta en stark partner i verksamheten och se till att det finns en teknisk plattform där det går att experimentera, bygga och skala.

– Många väntar på att någon annan ska prova först. På Scania finns en kultur där det är okej att testa även om allt inte lyckas. Sedan behöver du en affärspartner. Linus och jag kände inte varandra för ett år sedan, men i dag jobbar vi väldigt nära varandra.

Linus Svanberg lägger till ytterligare en punkt: sudda ut gränsen mellan verksamhet och IT och skapa ett gemensamt team med ett gemensamt problem.

– Jobba verkligen som ett team och sluta sätta etiketter på människor. Våga dessutom låsa in er och fokusera. Det gäller agentisk AI, men egentligen alla projekt där man använder ny teknik och måste lära sig mycket tillsammans, konstaterar Linus Svanberg.