Derfor får de fleste virksomheder ikke reel værdi ud af kunstig intelligens
Nye analyser peger på, at problemet sjældent er selve teknologien – men at løsningerne bliver sat i drift uden sammenhæng med data, processer og styring.
Kort fortalt
- Kunstig intelligens skaber først værdi, når løsningen hænger sammen med virksomhedens data, processer og styring
- Enkeltstående værktøjer uden fælles plan fører til skjulte omkostninger, databeskyttelsesrisici og løsninger, ingen bruger
- Problemet er særligt udtalt i Danmark, hvor mange fagsystemer og streng lovgivning stiller høje krav til sammenhæng
- Generativ kunstig intelligens (teknologi der kan skabe tekst, billeder m.m.) er ofte kun overfladen – værdien ligger i det, der er under motorhjelmen
Det lyder bekendt i mange danske organisationer: Én afdeling anskaffer en chatbot til HR-spørgsmål, en anden køber et opsummeringsværktøj til kundeservice, og en tredje eksperimenterer med automatisk dokumentbehandling. Hver for sig virker projekterne fornuftige. Men tilsammen skaber de et kludetæppe, som ingen har overblik over – og som bliver dyrere at drifte og videreudvikle for hver måned, der går.
En gennemgang fra teknologimediet Hackernoon sætter ord på mønsteret: Virksomheder har sjældent et problem med kunstig intelligens. De har et arkitekturproblem. Eller sagt på dansk: De mangler en fælles plan for, hvordan data, systemer og beslutningsveje hænger sammen, før de ruller nye værktøjer ud.
Kernebudskabet kan koges ned til én sætning: Du kan ikke skalere det, du ikke kan styre.
Særligt relevant i Danmark
Danske virksomheder og kommuner har typisk mange specialiserede fagsystemer, data spredt på tværs af afdelinger og eksterne leverandører, og skærpede krav til databeskyttelse via GDPR. Det gør risikoen for fejlslagne løsninger større. Tænk på en borgerservicechatbot, der ikke må trække på de data, borgeren faktisk spørger til – eller tre afdelinger i samme organisation, der betaler for hver deres værktøj uden at vide det.
| Symptom | Konsekvens | Hvad det peger på |
|---|---|---|
| Flere afdelinger køber hver sit værktøj | Dobbeltudgifter og manglende overblik | Ingen fælles indkøbs- eller teknologiplan |
| En chatbot giver upræcise svar | Medarbejdere stopper med at bruge den | Løsningen har ikke adgang til de rigtige data |
| Ingen ved, hvilke data der deles med leverandøren | Risiko for brud på persondataregler | Manglende styring af data og sikkerhed |
Det kan du gøre nu
- Lav en hurtig kortlægning: Find ud af, hvor mange forskellige værktøjer med kunstig intelligens jeres organisation allerede bruger – og hvem der har ansvaret for dem.
- Udpeg én ansvarlig for data og sammenhæng: Sørg for, at mindst én person har til opgave at sikre, at nye løsninger passer ind i jeres eksisterende systemer og overholder reglerne for databeskyttelse.
- Stil tre spørgsmål, før I køber nyt: Hvilke data skal løsningen bruge? Hvem ejer de data? Og hvordan hænger det sammen med det, vi allerede har?
- Sæt fælles datagrundlag før nye værktøjer: Den næste krone bruges bedre på at rydde op i data end på endnu et pilotprojekt.
Kilder
🤖 Denne artikel er skrevet af kunstig intelligens og kan indeholde fejl.
Læs original kilde →Fandt du en fejl?