Hvordan komme i gang med KI i virksomheten – fra utfordring til verdiskaping

Hvorfor mislykkes KI-initiativene?

Det er lett å tro at KI kan implementeres raskt og enkelt. Mange starter med teknologi: «Vi må ha en chatbot» eller «Vi må prøve Copilot». Men KI-prosjekter er ikke plug-and-play. De er komplekse og krever riktig data og en gjennomtenkt tilnærming. Det som ofte mangler er forankring, kompetanse og ansvarlighet. Uten dette forblir KI en strategi på papiret, ikke en realitet.

Hva må være på plass for å lykkes med KI?

KI handler om mer enn teknologi. Det handler om mennesker, prosesser og kultur. Alt må ikke være perfekt før du starter, men for å lykkes hjelper det at virksomheten din har et godt fundament og erkjenner at det favner bredere enn å være et IT-prosjekt. Det handler om:

• Kontroll på data og forståelse av hvordan de henger sammen med prosessene.
• Kompetanse og ansvarlighet hos de som utvikler og bruker løsningene.
• Etisk og juridisk etterlevelse: KI må være i samsvar med personvernforordningen og den nye KI-forordningen som stiller krav til KI-forståelse og risikohåndtering.

Nøkkelen til verdiskaping: kompetanse og ansvar

*AI Act, artikkel 4: AI literacy gjør det tydelig at virksomheter som utvikler eller tar i bruk KI-systemer skal sikre at ansatte har tilstrekkelig kunnskap til å bruke KI trygt og forsvarlig.

I praksis betyr det at ikke bare teknologer, men også mellomledere, fagpersoner og beslutningstagere må ha tilstrekkelig KI-kompetanse for å forstå hvordan KI påvirker arbeid, prosesser og ansvar. Workshops og prosesskartlegging må involvere operasjonelle eksperter, de som kjenner hvor flaskehalsene er og hva som er «god nok» presisjon for en KI-modell. Uten denne involveringen blir KI bare en strategisk ambisjon.

Den største verdien av KI oppstår når vi bruker teknologien til å forsterke menneskelig kompetanse, fordi det er i samspillet mellom ekspertise og teknologi at de virkelige konkurransefortrinnene skapes.

Hvordan gå frem?

Med erfaring fra over 300 KI-prosjekter har vi i Crayon Consulting vært involvert i mange ulike problemstillinger og suksesshistorier, og lært hva som skal til for at virksomheter, uavhengig av bransje, lykkes med et KI-prosjekt. Basert på denne erfaringen anbefaler vi en strukturert tilnærming:

• Definer problemet først: KI skal løse et forretningsproblem, ikke bare teste teknologi.
• Bygg forankring og kompetanse parallelt med utvikling.
• Prioriter områder med tydelig verdi og tilgjengelige data.
• Integrer regelverk og ansvarlighet fra start.

For å hjelpe kunder med å lykkes bruker vi en metodikk som reduserer risiko: korte sprinter, klare beslutningspunkter og en kombinasjon av forskning og utvikling. Når vi vet at løsningen fungerer, bygger vi en robust IT-løsning.

De suksessfulle prosjektene involverer ofte tverrfaglige team der domenekunnskap og utvikling/data science, forretning og teknologer, jobber tett sammen fra start.

Eksempler på vellykkede KI-prosjekter

Kunstig intelligens kan ha mange bruksområder og det er ikke alltid like lett å definere det riktige problemet. Du kan øke produktiviteten for mer effektivitet, eller satse på noe som er transformerende for virksomheten.

Med KI for produktivitet, gjøres ofte det samme du gjorde før, men raskere. Som for eksempel å bruke en KI-agent til å utføre en oppgave for deg. Med transformerende mener vi å bruke KI til å gjøre noe på en helt ny måte og som endrer hvordan virksomheten fungerer.

Her er noen eksempler fra hvordan vi har skapt transformasjon med kunstig intelligens, sammen med våre kunder:

• Med Aker BP løste vi en utfordring med datakvalitet og automatisert tolkning av boredata. AI ble f.eks. brukt til å identifisere inkonsistens i data og se sammenheng mellom data. Resultatet? Bedre beslutninger og redusert risiko for feilboring.
• Med DNV brukte vi maskinlæring til å effektivisere survey-planlegging og dokumentgodkjenning, med store kostnadsbesparelser.
• Med Norsk Kylling har vi et pågående prosjekt hvor vi bruker computer vision, eller kunstig syn* på norsk, for kvalitetskontroll i produksjon. Prosjektet har som mål å skape høyere kvalitet og bedre ressursutnyttelse.
• Med Felleskjøpet Agri har vi optimalisert grisefôring med et system som beregner riktig fôrblanding ut fra flere faktorer for bedre kostnadseffektivitet, dyrehelse og vekst.
• Med Boumatic har vi brukt kunstig intelligens og computer vision til å forbedre spene-deteksjon i melkeroboter slik at kumelking blir raskere, mer presis og bedre for kuene.

Felles for disse fem prosjektene er at vi startet med et tydlig definert problem, ikke med teknologi, og vi involverte fagkompetansen der verdiskapningen skjer tidlig.

Start med et reelt problem

KI har enormt potensial og kan brukes til mye, men det krever mer enn teknologi. Det krever kompetanse, ansvarlighet og samarbeid. Ikke start med en proof of concept med testdata. Start med et reelt problem, og søk hjelp tidlig.

*Kilde: EU Artificial Intelligence Act

Vil du vite hvordan din virksomhet kan lykkes med KI? Ta kontakt med oss vi hjelper deg med å bygge kompetanse og ansvar der verdiskapningen skjer.

Thomas Blichfeldt

Seniorrådgiver, Crayon Consulting

Thomas bygger bro mellom teknologi, organisasjon og mennesker, og hjelper virksomheter å skape verdi gjennom strategisk bruk av data, datadrevet styring og digitalisering. Med spesialisering innen digital forretnings- og organisasjonsutvikling bistår han kunder med å ta i bruk data og KI på en måte som gir reell verdi – fra å strukturere mål og arbeidsprosesser til å etablere gode styringsmodeller og forankre endring i organisasjonen. Målet er alltid det samme: å gjøre det komplekse forståelig og håndterbart, slik at ledere og team kan ta bedre beslutninger, realisere gevinster og lykkes i praksis.