Hoppa till innehållet
AI-räddningen en tjänst av Daniel Kjellgren

Vi har använt AI i två år och ingen kan säga vad det gett oss

Många bolag har använt AI i över ett år utan att någon i ledningen kan svara på vad det faktiskt gett tillbaka. Det beror sällan på ovilja. Mätning blev bara aldrig någons uppgift.

Det är en mening jag hör i olika tonlägen, men nästan alltid med samma innehåll. Ett bolag har använt AI i över ett år. Ibland två. Ingen i ledningen kan riktigt svara på vad det gett dem.

Det sägs sällan som ett problem. Det sägs mer som ett konstaterande, nästan lite skamset, mellan andra punkter på dagordningen. Som om alla vet att frågan borde ha ett svar, men ingen vill vara den som erkänner att den inte har det.

Det är inte ovilja

Det jag ser gång på gång är inte ovilja att mäta. Det är att mätning aldrig blev någons uppgift. Någon köpte licenser. Någon höll en kort genomgång för personalen. Sedan gick alla vidare till nästa sak på listan, och AI:n blev en del av vardagen på samma sätt som e-post eller ett kalkylark. Något man använder utan att fråga sig varför.

Det är ett rimligt förlopp. De flesta verktyg införs ungefär så. Skillnaden är att ett kalkylark inte kostar löpande pengar i licenser, utbildningstid och uppmärksamhet från ledningen. AI gör det, kvartal efter kvartal, oavsett om någon följer upp vad det ger tillbaka.

Priset är sällan där man tror

Kostnaden för att inte veta syns inte i första hand i licensavgifterna. De är oftast små i sammanhanget. Kostnaden syns i besluten som fattas i blindo, om nästa verktyg, nästa satsning, nästa investering, utan ett enda faktiskt underlag att luta sig mot.

En ledningsgrupp som inte vet vad den första satsningen gav har heller ingen grund för att bedöma den andra. Det blir en följd av gissningar staplade på varandra, där varje ny satsning motiveras med samma känsla av att “det brukar löna sig” som motiverade den förra. För ett bolag med femtio till tvåhundra anställda, där varje felinvesterad krona faktiskt syns i resultatet, är det ett dyrt sätt att fatta beslut.

Det påverkar mer än den enskilda budgetposten. En ledning som gång på gång fattar investeringsbeslut utan underlag tappar successivt trovärdighet, både inför styrelsen och inför de egna medarbetarna. Det är svårt att be en avdelning prioritera annorlunda, eller acceptera en nedskuren budget någon annanstans, om ledningen samtidigt inte kan visa vad tidigare satsningar faktiskt gav tillbaka. Förtroendet för hela beslutsprocessen urholkas långsamt, inte genom ett enskilt misslyckande utan genom två års ackumulerad osäkerhet.

Varför det är svårare att lösa än det borde vara

Det som gör det här svårt att åtgärda är inte bristande kunskap. De flesta ledningsgrupper vet precis hur man sätter upp mått och följer upp dem. Problemet är att det kräver att någon håller i frågan över tid, i en vardag där allt annat känns mer akut.

Jag har sett flera bolag sätta upp fina mått vid en kickoff, för att sedan aldrig titta på dem igen. Inte för att måtten var fel. Utan för att ingen hade till uppgift att komma tillbaka till dem nästa kvartal, och nästa, tills det blev en vana snarare än ett engångsprojekt. Det är den delen, uthålligheten, som skiljer bolagen som vet vad AI ger dem från bolagen som fortfarande gissar efter två år. Den skillnaden syns sällan efter tre månader. Den syns först efter fyra kvartal, när ett bolag plötsligt kan svara på frågan och ett annat fortfarande gissar.

Det svåra är inte att börja

Att sätta upp ett första mått tar en eftermiddag. Att hålla i det, redovisa det för ledningen varje kvartal och faktiskt ändra kurs när siffrorna säger det, är en helt annan sak. Det är sällan tekniken som stoppar det. Det är att ingen i organisationen har den uppgiften öronmärkt som sin, med tid avsatt för den, år efter år.

De bolag som lyckas är sällan de med bäst verktyg. De är de som bestämt sig för att någon, med namn och ansvar, ska hålla i frågan tills den blivit en självklar del av hur ledningsgruppen arbetar. Resten av oss fortsätter gissa, ett kvartal i taget, och undrar varför svaret aldrig blir tydligare.

Gör den här övningen på nästa ledningsmöte

Skriv ner, var för sig i ledningsgruppen, vilket enskilt AI-verktyg eller AI-projekt ni tror har gett mest värde det senaste året, och varför. Jämför sedan svaren öppet. Om ni landar i olika svar, eller om ingen kan peka på något konkret, är just den bristen på samstämmighet det tydligaste beviset ni behöver för att mätning ännu inte är någons faktiska ansvar i er organisation.

Äger någon frågan hos er?

21 frågor ger svaret på fem minuter.

Gör AI-Kompassen

Om ni känner igen er i det här

Om situationen stämmer in på ert bolag går det att prata igenom den utan förpliktelser, med Daniel Kjellgren, som räddar AI-initiativ och IT-projekt som kört i diket.

Läs vidare i samma tema

Testa mot facit

Låt verktyget lösa en uppgift där svaret redan finns. Avvikelsen visar vad ni kan lita på, och vad ni måste kontrollera, bättre än en demonstration.

3 min

Från prototyp till drift

Det går att bygga en fungerande applikation med AI utan hjälp från IT. Det svåra är att avgöra när den får röra riktiga data, och vem som bestämmer det.

3 min

Piloten som aldrig tog slut

De flesta AI-piloter avbryts sällan och skalas sällan upp. De bara fortsätter. Orsaken är nästan alltid att ingen bestämde i förväg vad som skulle räknas som framgång, eller när beslutet skulle fattas.

2 min