Jeg jobber med KI. Derfor vil jeg helst ikke snakke om KI

Nicolai Andersen jobber med digital vekst og kunstig intelligens i Curamando. 

SYNSPUNKT. Jeg vil heller snakke om hvilke problemer de prøver å løse. Hvilke prosesser som ikke fungerer. Hvor beslutninger stopper opp. Hvor data sendes videre uten at noen egentlig stoler på dem. Hvor medarbeidere gjør manuelle vurderinger hver dag, men ingen har tatt seg tid til å forstå hvordan de faktisk jobber. Hvor det er potensial for å gjøre noe raskere, med høyere kvalitet eller muligheten for nye inntektsstrømmer.

For det er der verdien av KI ligger. Ikke i modellen i seg selv.

Bruken øker, gevinstene henger etter

Norske virksomheter har de siste to årene fått tilgang til kraftige KI-verktøy. ChatGPT, Copilot, Gemini og Claude er blitt hverdagsverktøy for mange. Ifølge NHO bruker 55 prosent av norske virksomheter nå kunstig intelligens, opp fra 24 prosent i 2023.  

Det høres imponerende ut. Men det forteller bare halve historien.

For selv om bruken har økt kraftig, er det fortsatt få som har gjort KI til en avgjørende del av virksomheten. I NHOs rapport oppgir bare fire prosent at KI er avgjørende for forretningsmodellen.   Det er et ganske tydelig signal: Mange har tatt i bruk verktøyene, men langt færre har endret arbeidet.

Tekst og bildegenerering er der de fleste av oss har møtt KI, og der hvor det er enklest å forestille seg bruksområdet. Men det er ikke der den største verdien  ligger. Jeg mener den ligger i mer jordnære anvendelser: klassifisering, prognoser, avdekke avvik, risikovurdering, prioritering, finne informasjon og beslutningsstøtte. Dette er ikke like spektakulært som en chatbot-demo, men ofte langt mer verdifullt.

Når modellen virker, men organisasjonen ikke følger opp

Et godt eksempel kom fra Riksrevisjonen i november. Skatteetaten bruker maskinlæringsmodeller for å vurdere risiko i mva-meldinger, men kontrollerer i praksis et fåtall av meldingene modellene flagger som kontrollverdige. I tillegg er antall meldingskontroller mer enn halvert siden 2013, til tross for at  risikoen for unndragelse og svindel med merverdiavgift fortsatt er høy.  

Det er ikke nødvendigvis modellen som svikter. Problemet oppstår når organisasjonen ikke har kompetanse, kapasitet, ansvar, prosesser eller styring til å handle på det modellen finner.

Dette er ikke en historie om offentlig sektor. Det samme mønsteret finnes i banker, forsikring, telekom, industri og handel. KI blir ofte lagt oppå eksisterende arbeidsprosesser. Litt raskere tekstproduksjon. Litt bedre søk. Litt mer automatisering av rutineoppgaver. Det kan være nyttig. Men det er sjelden der de store gevinstene ligger. Når alle har tilgang til de samme verktøyene, gir ikke verktøyene i seg selv noe varig forsprang. Det er en fin måte å komme i gang, men det er ikke en strategi.

Starter i feil ende

Spørsmålet er derfor ikke om virksomheten bruker KI. Spørsmålet er om KI faktisk endrer hvordan virksomheten jobber. Her mener jeg mange virksomheter og organisasjoner starter feil.

De starter med teknologien. Hvilken modell skal vi bruke? Skal vi ha Copilot? Hva med agenter? Agentisk? Bør vi teste Claude? Hvordan får vi mer ut av ChatGPT? Har vi data?

Det er relevante spørsmål, men de kommer for tidlig. Å diskutere data eller modellvalg før man har forstått problemet, er som å diskutere hvilke verktøy man skal kjøpe før man vet om man skal bygge hus, rive en vegg eller reparere et bord.

KI-reisen er egentlig ikke så annerledes enn andre endringsreiser. Den ligner mer på Lean, prosessforbedring og virksomhetsutvikling enn på en klassisk teknologiutrulling.

Fra eksperimentering til verdi

Tre ting avgjør om man kommer videre fra eksperimentering til verdi.

For det første må toppledelsen eie initiativene. Ikke bare støtte dem, heie på dem eller nevne dem i strategien. Eie dem. Reell KI-verdi krever ofte endringer i prosesser, ansvar, prioriteringer og bemanning. Slike endringer kan ikke delegeres til IT, innovasjon eller en entusiastisk prosjektgruppe.

For det andre må de som faktisk gjør jobben i dag, trekkes inn i hva som bør endres og hvordan. Det er de som kjenner unntakene, snarveiene, kvalitetstapene og vurderingene som aldri står i prosesskartet. Et strategilag som beskriver arbeidet ovenfra, vil nesten alltid bomme på noe vesentlig. Den dype forståelsen sitter hos saksbehandleren, operatøren, ingeniøren, rådgiveren og kundeservicemedarbeideren.

For det tredje må virksomheten velge riktige problemer. Ikke de kuleste løsningene. Ikke de enkleste å demonstrere. Ikke nødvendigvis de man tilfeldigvis har data til. De riktige problemene er der det faktisk klemmer: der tid forsvinner, kvalitet varierer, kunder blir frustrerte, risiko ikke følges opp, eller beslutninger tas for sent. Ofte ligger mulighetene mellom prosessene, ikke inne i dem. I overleveringen av data, input eller resultat fra ett ledd til det neste. Det er disse problemene som, når de løses, faktisk hjelper virksomheten å nå målene sine.

Dette er også grunnen til at rådet om å «starte med data» ofte blir for enkelt. Selvfølgelig betyr data noe. Men datakvalitet blir først virkelig viktig når man vet hva dataene skal brukes til. Ellers risikerer man å bruke måneder eller år på å rydde i data uten å vite hvilken forretningsmessig endring man egentlig forsøker å skape.

Fra verktøy til virkning

KI-verdi starter derfor ikke med flere lisenser, nye verktøy eller modeller. Den starter med to samtaler.

Den første bør tas i toppledelsen: Hva slags konkurransefortrinn skal kunstig intelligens  faktisk bidra til, og hvor langt er vi villige til å endre virksomheten for å få det til?

Den andre bør tas der arbeidet skjer: Hvor i prosessene ligger de største mulighetene, de største irritasjonene og de viktigste vurderingene?

Hvis disse to samtalene ikke kobles sammen, blir KI fort en samling hjemme-alene-fester rundt om i organisasjonen. Småforsøk og piloter uten at noen koordinerer eller tar grep. Noen blir nyttige. Noen blir imponerende. Noen blir glemt. Men de endrer sjelden virksomheten. Det er derfor jeg helst ikke vil starte med å snakke om KI. Jeg vil starte med arbeidet. For det er arbeidet som må endres. KI er bare en ny og kraftig måte å gjøre det på.