Hvorfor du ikke kan «chatte» med dataene dine helt ennå
Gartner anslår at 60 prosent av AI-prosjekter vil feile. Ikke fordi teknologien svikter, men fordi dataene ikke er klare. Her er hva du bør gjøre i stedet.
Av: Jens Marklund
Det er den 5. i måneden, og Marit skal levere månedsrapporten til ledelsen om to timer. Hun har seks regneark åpne. Tre rapporter fra ulike systemer. Og en e-post fra den svenske avdelingen med tall som ikke stemmer med det hun har.
Omsetningen fra Sverige viser 2,3 millioner i det ene arket. 2,1 i det andre. Differansen på 200.000 kroner må hun finne ut av før møtet klokken tolv, men hun aner ikke hvor feilen ligger.
Marit er ikke inkompetent. Hun gjør det controllere over hele landet gjør hver eneste måned: limer sammen informasjon fra systemer som aldri ble bygget for å snakke sammen.
Dette er ikke et AI-problem, men et informasjonsproblem. Og det kan løses med AI, bare du stiller de riktige spørsmålene først.
Det alle lover
«Chat med dataene dine.» Det høres forlokkende ut. Mange leverandører lover det.
Men du kan ikke bare koble en AI på systemene dine og forvente deg magi. AI kan mye, men den kan ikke gjette seg til hva dataene dine betyr.
Du vet hva kolonnenavnene i ERP-systemet betyr.
Du vet hvorfor prosessene fungerer som de gjør.
Du vet at «Kunde 4492» egentlig er Hydro, og at «Avdeling 7» ble lagt ned i fjor.
AI vet ingenting av dette, uten at noen forteller den det.
De beste AI-prosjektene starter ikke med AI
De starter med en frustrert kollega.
En kommune jeg kjenner til hadde hjemmesykepleiere som brukte 15-20 minutter ekstra på hvert besøk bare for å finne praktisk informasjon. Hvor ligger nøkkelen? Hvordan skal medisinen håndteres? Dokumentasjonen fantes et sted, men den var ikke lett nok tilgjengelig.
Når problemet ble definert, kunne de finne løsningen, som i dette tilfellet involverte AI. Hadde de startet med «vi trenger en chatbot», ville de aldri funnet dette caset. De ville bygget en løsning ingen trengte.
AI-teater
I sin iver etter å bevise for seg selv og markedet at virksomheten henger med, er det mange som spiller et slags AI-teater. Forestillingene skjer på styrerom, salgsmøter og i markedsføringsmateriell.
Prosjektene ser imponerende ut på overflaten, men de løser egentlig ikke et reelt problem. Akkurat som da alle skulle «digitalisere» for ti år siden.
Kjennetegnene er lette å avsløre:
-
«Vi må gjøre noe med AI» (men ingen vet hva)
-
«Alle konkurrentene gjør det» (men ingen vet hva de faktisk gjør)
-
«Det står i strategien» (men ingen har definert problemet)
Når Gartner spår at 60 prosent av AI-prosjekter blir skrinlagt fordi datagrunnlaget ikke er på plass, mistenker jeg at minst halvparten av disse var AI-teater fra starten.
Prøver å bygge hus uten grunnmur
Hvis du vil at AI skal gi deg verdifulle svar, trenger du en dataplattform. Et sted der dataene er samlet, strukturert og satt i kontekst, slik at AI-en faktisk forstår hva den ser på. Dette er grunnmuren din.
De fleste har ikke det. De har ti systemer som ikke snakker sammen, inkonsistente kolonnenavn og dubletter ingen har ryddet i. De prøver å bygge vegger og tak før grunnmuren er på plass.
Hva du bør gjøre i stedet
Finn én person i organisasjonen som bruker mer enn 30 minutter daglig på å lete etter informasjon som allerede finnes. Spander en kaffe på dem. Lytt og noter.
Her er noen forslag til spørsmål:
-
Hvor bruker du tid på å lete etter informasjon du vet finnes?
-
Hva gjør du manuelt som du mistenker kunne vært automatisert?
-
Hvilke systemer skulle du ønske snakket bedre sammen?
Når du har et konkret problem, kan du teste om AI er riktig verktøy. Ta de seks regnearkene Marit sliter med, last dem opp i en sikker AI-agent som Ayfie, og spør: «Hvorfor viser disse ulik omsetning for Sverige?»
Får du et brukbart svar? Da vet du at det er verdt å gå videre.
Problemdrevet, ikke teknologidrevet
Forskjellen mellom AI-prosjekter som lykkes og de som feiler, koker ned til ett spørsmål: Startet du med problemet eller med teknologien?
Marit trenger kanskje en chatbot. Men først trenger hun en dataplattform som kobler sammen systemene og gir AI-en konteksten den trenger. Når den er på plass, kan hun faktisk spørre: «Hvorfor stemmer ikke Sverige-tallene?», og få et svar hun kan stole på.
Da rekker Marit møtet klokken tolv.
Forfatter
Jens Marklund
Jens Marklund er Principal Consultant i Arribatec med spisskompetanse på dataplattformer og AI-løsninger. Han har bakgrunn fra Zelly og Tietoevry, der han har jobbet med Microsoft Power Platform, RAG og språkmodeller. I dag hjelper han virksomheter med å bygge grunnmuren som gjør AI nyttig.
Ligg ett skritt foran – hver gang!
Meld deg på Forenklet og få fagartikler, whitepapers, webinarinvitasjoner og arrangementer som hjelper deg å ta bedre beslutninger om ERP og digitalisering.
Ofte stilte spørsmål om AI-prosjekter
- Hvorfor feiler så mange AI-prosjekter?
Gartner anslår at 60 prosent av AI-prosjekter vil feile, ikke fordi teknologien svikter, men fordi datagrunnlaget ikke er klart. Mange virksomheter starter med teknologien i stedet for å definere et konkret problem, og mangler en dataplattform som gir AI-en konteksten den trenger. - Hva betyr det å «chatte med dataene dine»?
Mange leverandører lover at du kan koble en AI direkte på bedriftens systemer og stille spørsmål i naturlig språk. I praksis krever dette at dataene er samlet, strukturert og satt i kontekst, noe de fleste virksomheter ikke har på plass. - Hva er en dataplattform, og hvorfor trenger vi det for AI?
En dataplattform er et felles sted der data fra ulike systemer er samlet, strukturert og koblet sammen. Uten dette mangler AI-en konteksten den trenger for å forstå hva dataene betyr , som at «Kunde 4492» er Hydro, eller at «Avdeling 7» ble lagt ned i fjor. - Hva mener dere med «AI-teater»?
AI-teater er AI-prosjekter som ser imponerende ut på overflaten, men som ikke løser et reelt forretningsproblem. Kjennetegnene er utsagn som «vi må gjøre noe med AI» uten at noen har definert hva problemet faktisk er. - Hvordan bør vi starte med AI i vår virksomhet?
Start med problemet, ikke teknologien. Finn en person som bruker mye tid på å lete etter informasjon som allerede finnes, og kartlegg hva som er mest frustrerende i arbeidshverdagen. Svaret er et bedre utgangspunkt enn enhver teknologivurdering. - Kan vi teste AI uten å investere i en stor løsning?
Ja. Ta et konkret problem og test det mot de beste tilgjengelige modellene, som ChatGPT eller Claude. Fungerer det ikke der, fungerer det sannsynligvis ikke med noe annet heller. Men fungerer det, vet du at det er verdt å investere videre. - Hvorfor kan ikke AI bare lese dataene i ERP-systemet vårt?
AI kan lese data, men den forstår ikke hva dataene betyr uten kontekst. Kolonnenavn, forretningsregler, historiske endringer og relasjoner mellom systemer – alt dette må struktureres og tilgjengeliggjøres gjennom en dataplattform.
