Når en virksomhet forteller meg at de skal i gang med AI, er det to spørsmål som alltid dukker opp hos meg. Hva ønsker de konkret at AI skal gjøre – og har de strukturerte data?
Svaret på det siste er ofte nei. Og det har gjerne en direkte negativ effekt på det første.
Det er heller ikke overraskende at markedet er blandet
En av prosjektorganisasjonene jeg snakker med fikk nylig to helt ulike råd fra to ulike konsulenter.
Den første sa at man må starte med å strukturere eksisterende data før man kobler på AI. Den andre kontret med at det er jo nettopp det AI skal hjelpe deg med.
Det sistnevnte høres selvsagt enklest ut.
Hvorfor rydde i eget hjem når vaskehjelpa kommer?
For hva skjer egentlig når vaskehjelpa rydder hjemme hos deg?
Fruktskålen står i feil hylle, store og små tallerkener er stablet sammen, jakken din ligger på feil sted, nøklene dine er borte og sokkene matcher ikke i skuffen.
Hjemmet ser ryddig ut – men du finner ingenting.
Det samme kan skje når AI skal strukturere data, og særlig når den ikke kjenner logikken bak. Hvordan skal den klare å skille tilbud fra endelig tilbud, vite at nest siste versjon av kalkulasjonen er den korrekte, eller forstå hvilke dokumenter som tilhører hvilket prosjekt?
En slags struktur lages, mapper etableres og filer flyttes – og det ser veldig ryddig ut. Det ser ordentlig ut på overflaten, men ingen har fortalt AI hva som faktisk gjelder.
Resultatet er at svarene blir basert på sannsynlighet, ikke kunnskap. Spør man AI etter et tilbud til en kunde, vil den finne flere tilbud på flere steder – og uten å vite hvilken versjon som er gjeldende, hvilket selskap det gjelder eller om det i det hele tatt er riktig kunde, så gjetter den. Det ser overbevisende ut, men er ikke nødvendigvis riktig.
Når man må bruke tid på å kontrollere om svaret faktisk stemmer, faller verdien av AI betraktelig. Da er det ikke bare penger som er bortkastet – det er også tid og ressurser man ikke får tilbake.
Og dette gjelder kun data som allerede ligger tilgjengelig
En av prosjektorganisasjonene jeg snakker med hadde en helt annen utfodring – de manglet status på prosjektporteføljen sin. Måten de hentet dette inn på var å booke 45 minutter med hver enkelt prosjektleder for å få en oppdatering på de ulike prosjektene. Statusen som kom ut av møtene var i tillegg en magefølelse, dokumentert i et Excel-ark etterpå.
Med 15 prosjektledere i organisasjonen betyr det nærmere 11 timer – hver gang de trenger et oppdatert bilde av porteføljen.
Det er tid man ikke får tilbake. Og beslutningsgrunnlaget er fortsatt ikke bedre enn magefølelsen til den siste prosjektlederen i rekken.
Derfor er det forståelig at mange nøler
Når man har så mange muligheter å velge mellom, er klok av skade på løsninger som ikke fungerte og mottar motstridende råd fra markedet – så er det fullt forståelig at man nøler. Det er ikke feighet som gjør at kartleggingsfasen har blitt lengre, det er klokskap basert på erfaring.
Likevel har dette en kostnad.
For hver måned man venter er det flere prosjekter som styres på magefølelse, flere timer brukt på statusmøter og flere avvik som vokser seg større enn de trengte å bli.
Det tar kortere tid å rydde opp i 10 sokker som ikke matcher enn 100..
Hva gjør de beste - som starter i riktig ende?
De starter med å strukturere dataen sin før de kobler på AI. Det betyr at AI vet hvor den skal lete, hva som er gjeldende versjon og hvilken informasjon som faktisk er til å stole på.
Resultatet er at de styrer før avvikene oppstår, oppdager risiko tidlig nok til å gjøre noe med det og leverer mer forutsigbart – med sterkere marginer. Og når dataen er på plass, har de samtidig lagt det eneste riktige fundamentet for å ta AI i bruk.
Så hva kommer først – høna eller egget?
I denne anledningen kommer definitivt strukturerte data først.
AI er ikke sterkere enn datagrunnlaget den henter fra. Starter man i feil ende, er det ikke AI som svikter – det er fundamentet.