Inden I kaster jer ud i det store AI-eventyr, er det vigtigt at tænke grundigt over hvordan, hvornår, og særligt hvorfor I som virksomhed ønsker at investere tid og penge i AI. Det er vigtigt at have for øje, at dét at gøre AI til en integreret del af virksomhedens kerne kræver en strategisk tilgang og nøje planlægning.

 

Indledende overvejelser

Første skridt er at opnå en grundlæggende forståelse af, hvad AI er, og hvordan det kan anvendes i jeres forretning. Begynd med at definere de vigtigste læringspunkter, som I ønsker at opnå med jeres AI-arbejde. Det gør det lettere at prioritere projekter og afklare, om fokus skal være på fx en specifik AI-disciplin, hurtige gevinster eller bred udbredelse. Klare læringspunkter giver retning og styrker jeres AI-fortælling.

En god idé er at lade sig inspirere af andre, hvor generel information, andre sektorer, oplægsholdere mm. kan være værdifulde. Når I har styr på teknologien, kan I identificere, hvor AI skaber mest værdi. Tænk i konkrete business cases og sørg for, at AI-løsninger løser reelle problemer, og ikke bare introduceres for innovationens skyld. Brug både allerede beviste og nye use cases som afsæt for at finde det rette match til jeres forretning. Tilgå Dansk Erhvervs AI casekatalog for inspiration.

 

Få et overblik over materiale og kompetencer

AI er afhængig af data, og dårlige data giver dårlige resultater. Inden I går i gang, skal I sikre, at jeres data er tilgængelige, strukturerede og af høj kvalitet. Det er vigtigt at have orden i penalhuset inden upålidelige data bliver fodret til algoritmerne. Samtidig bør I etablere klare retningslinjer for ansvarlig brug, herunder databeskyttelse, bias og governance. Tænk dataetik og compliance ind i jeres forretningsgange fra starten, da det både styrker resultaterne og tilliden til teknologien.

AI-specialister er svære at tiltrække, så begynd med at udnytte de ressourcer, som I allerede har. Identificér medarbejdere med teknisk forståelse og tilbyd dem mulighed for opkvalificering. Ved at udvikle egne kompetencer internt skaber I ejerskab, robusthed og fundamentet for langsigtet succes med AI.

Når I har gjort jer alle de indledende overvejelser og forberedelserne er på plads, er I klar til at tage de første spadestik med egentlig teknologianskaffelse, og i første omgang være i stand til at kunne eksperimentere med AI.

 

Gå systematisk til værks

Det første forsøg skal helst være en succes. Et godt sted at starte, er med de ideer, der er let gennemførlige (med relativt lave indgangsbarrierer på tech- og datasiden), og som hurtigt skaber en form for værdi, der er attraktiv. Her er digitale assistenter ofte noget, der giver hurtig værdi, og hvor der er mange predefinerede løsninger. Læs mere om gode første cases i afsnittet Hvad har andre gjort?

Det næste skridt er at sikre, at I har de rette kriterier for udvælgelse af projekter og gennemgå de projekter, der er identificeret i forhold til kriterierne. Her kan med fordel benyttes encompliance-matrix, hvor I vurderer projekterne ud fra forventet værdiskabelse, og hvor realistisk det er at gennemføre projektet. En proces til løbende evaluering af jeres AI-initiativer vil være nyttig, også til at beslutte, hvilken rækkefølge de skal køres i. Den rækkefølge, som I beslutter, kan være forskellen mellem fiasko og succes, da timing og modenhed er vigtig faktor når I arbejder med AI-projekter.

 

Køb, konfigurer eller byg selv

Når I går i gang med at udvikle AI-løsninger, er det altid vigtigt at overveje, hvilken taktik der er bedst. Skal I købe, konfigurere eller bygge selv?

Ved at købe kan I hurtigt komme i gang med teknologi, der virker. Det kan være en omkostningseffektiv måde at starte på. Nogle vælger at starte med færdige løsninger, men derefter konfigurer eller videreudvikle dem til eget brug. Nogle få vælger at skabe deres helt egne løsninger - enten deres egne sprogmodeller eller helt andre AI-drevne applikationer.

 

Opret små teams med fokus på fleksibilitet

Der findes mange måder at fordele nye AI-ressourcer på, men den mest succesfulde har indtil videre været, at der etableres små agile teams, der begynder at eksperimentere med AI, tæt på forretningen. Brug de rammer, I allerede har etableret i virksomheden for, hvordan I arbejder med f.eks. innovation, agil udvikling, produkt- og serviceudvikling og/eller tekniske tests, eller hvad I nu har på hylderne. Når I har de nødvendige kompetencer og data på plads, er det en god idé at I starter i det små med MVP (most viable project) pilotprojekter for at teste jeres AI-løsninger i praksis. Det giver mulighed for at evaluere effektiviteten og gevinsten af AI samt foretage de nødvendige justeringer, inden teknologien rulles ud i større skala. MVP pilotprojekter kan også hjælpe med at identificere eventuelle udfordringer og barrierer, der skal overvindes, før AI kan implementeres bredt i jeres organisation.