Fra beslutning til verdi: Når AI blir en lederoppgave

De fleste virksomheter er allerede i gang med AI. Verktøyene er tilgjengelige, medarbeidere eksperimenterer og stadig flere oppgaver kan løses raskere enn før.

Likevel er det fortsatt et betydelig gap mellom å bruke AI og å skape varig verdi med teknologien. For når AI beveger seg fra personlig produktivitet og enkeltstående initiativer og inn i virksomhetens kjerneprosesser, er ikke de vanskeligste spørsmålene lenger teknologiske. De handler om strategi, organisasjon, kompetanse, styring og ledelse.

Det var utgangspunktet for frokostseminaret «Fra beslutning til verdi» i NOVA House i Oslo. Gjennom erfaringer fra blant annet Nkom, iQub og AI-prosjekter i norske virksomheter tegnet det seg et tydelig bilde: Skal AI skape reell verdi, må virksomheten rigges for mer enn å ta i bruk ny teknologi.

AI skaper ikke verdi bare fordi vi jobber raskere

Mye av AI-bruken i dag skjer fortsatt i ytterkantene av virksomheten. Vi skriver raskere, oppsummerer mer effektivt, analyserer informasjon og automatiserer enkeltoppgaver.

Det gir verdi. Men arbeidsprosessene er i stor grad de samme.

I sitt innlegg utfordret Helene Holte fra NOVA og Ann-Helen Moum fra Nkom lederne i rommet til å flytte oppmerksomheten fra selve teknologien til virksomhetens kjerne. Spørsmålet er ikke bare hvordan AI kan gjøre det vi allerede gjør raskere. Det er hvordan vi ville designet arbeidet dersom vi startet på nytt med mulighetene vi har i dag. Det er et langt større spørsmål. For idet AI flyttes inn i kjerneprosessene, påvirkes også roller, ansvar, kompetanse og beslutningslinjer. Da holder det ikke å kjøpe et verktøy eller etablere et AI-prosjekt på siden av virksomheten. Noen må eie endringen og ha mandat til å gjennomføre den.

Ledelsen må være tydelig på hvilken verdi som skal skapes

Det starter med å definere hva virksomheten ønsker å oppnå.

Skal AI frigjøre tid? Øke kapasiteten? Forbedre kvaliteten? Gi bedre tjenester? Redusere kostnader? Eller åpne for helt nye produkter og forretningsmodeller?

Det valget kan ikke delegeres til teknologimiljøet.

Hvis AI for eksempel frigjør betydelig kapasitet, må virksomheten også bestemme hva den frigjorte kapasiteten skal brukes til. Først da kan man begynne å snakke om reell gevinst.

Det flytter også fokuset fra hvor mye AI organisasjonen bruker, til hvilken effekt bruken faktisk har.

Samtidig må kompetansen utvikles på flere nivåer. Toppledelsen trenger ikke være eksperter på AI, men må forstå nok til å sette retning og rammer. Mellomledere må kunne omsette ambisjonene til nye arbeidsformer. Fagmiljøene trenger både kompetanse og handlingsrom til å utforske hva som faktisk fungerer.

AI-transformasjon handler derfor minst like mye om organisasjonsutvikling som om teknologi.

Innovasjonen skjer allerede

Samtidig er det én utfordring med å vente på at alle rammer skal være perfekte: Organisasjonen står ikke stille i mellomtiden.

AI-verktøy er blitt så tilgjengelige at medarbeidere allerede tester, bygger og finner nye måter å løse oppgaver på.

Det var et sentralt poeng fra Kristian Kongsgaarden Hovi, Head of Innovation & AI i NOVA.

Hos en norsk virksomhet med rundt 400–600 ansatte ble det avdekket rundt 1 300 AI-agenter, hvorav 633 ble vurdert som høy risiko fordi de var i konflikt med etablerte krav og rammer.

Tallene illustrerer hvor raskt utviklingen kan gå.

Og det er ikke nødvendigvis et tegn på en organisasjon som gjør noe galt. Det kan like gjerne være et resultat av dyktige og nysgjerrige medarbeidere som har fått tilgang til svært kraftige verktøy.

Utfordringen er å vite hva som finnes, hvem som eier det, hvilke data løsningene bruker og hvilken risiko de representerer. Får man kontroll på disse tingene og etablerer gode rammer, kan man tillatte en helt annen grad av innovasjon i organisasjonen, med mindre risiko for uhell.  

Det var denne typen problemstillinger som lå bak utviklingen av M, NOVAs løsning for oversikt og kontroll over AI-agenter.

Riktig kontroll, ikke mest mulig kontroll

Svaret er samtidig ikke å behandle all AI-bruk på samme måte.

En medarbeider som bruker AI til personlig produktivitet representerer en annen risiko enn en agent som deles med flere avdelinger eller tar beslutninger inne i en virksomhetskritisk prosess.

Derfor bør styringen øke i takt med konsekvensene.

Jo nærmere AI kommer kjernen av virksomheten, desto viktigere blir tydelig eierskap, tilgangsstyring, testing, sikkerhet og kvalitetssikring.

Governance blir i dette perspektivet ikke en motsetning til innovasjon. Det blir det som gjør innovasjonen mulig å skalere.

Og også her spiller kompetanse en avgjørende rolle. Medarbeidere må ikke bare lære hvordan de bruker AI, men forstå hvilke data de kan bruke, hvilke rammer som gjelder og når en løsning krever sterkere kontroll.

Når teknologien ikke lenger er flaskehalsen

Hos iQub ser man allerede hva som kan skje når AI bygges inn langt dypere i måten virksomheten arbeider på.

Sammen med Johan-Fredrik Thaulow, Chief Product Officer i iQub, viste Martin Nenseth, teknologileder i NOVA, hvordan selskapet har bygget en teknologisk grunnmur som gjør det mulig å bruke AI-agenter gjennom store deler av utviklingsprosessen.

Poenget er ikke bare at utviklingen går raskere.

Det interessante er hva som blir vanskelig når det å produsere ikke lenger tar like lang tid.

Hvis noe som tidligere tok måneder kan utvikles på uker eller dager, flyttes flaskehalsen. Kapasiteten til å produsere er ikke nødvendigvis begrensningen lenger.

I stedet blir spørsmålene: Hva skal vi bygge? Hva skal komme først? Hva skaper faktisk verdi for kunden? Og hvor raskt klarer organisasjonen å ta gode beslutninger?

Produktledelse, prioritering og faglig skjønn blir dermed enda viktigere.

Fart krever en solid grunnmur

Erfaringene fra iQub peker også på noe som kan virke paradoksalt: Skal man gå veldig fort, må man først bruke tid på fundamentet.

Arkitektur, teknologivalg, sikkerhet, testing og kvalitetsmekanismer må bygges inn før AI får større autonomi.

Da kan agentene arbeide innenfor tydelig definerte rammer, mens mennesker fortsatt setter retningen og involveres der vurdering, kontroll og faglig skjønn er nødvendig.

AI gjør dermed ikke fagkompetansen mindre relevant.

Den gjør den mer verdifull på andre steder i prosessen.

Når teknologien kan produsere stadig mer, flyttes den menneskelige verdien fra mye av selve produksjonen til å sette retning, definere kvalitet, forstå kunden, gjøre prioriteringer og ta ansvar for beslutningene.

Fra AI-bruk til virksomhetsutvikling

På tvers av innleggene på frokostseminaret tegnet det seg et ganske konsistent bilde. AI er ikke lenger først og fremst et spørsmål om tilgang til teknologi. Teknologien er allerede tilgjengelig, og utviklingen går raskt. Den virkelige utfordringen er hva virksomheten gjør med den.

Fem perspektiver ledere bør ta med seg

• Start med verdien. Vær tydelig på hvilken effekt AI skal skape, ikke bare hvilke verktøy dere ønsker å ta i bruk.

• Se mot kjerneprosessene. De største gevinstene kommer når virksomheten tør å utfordre hvordan arbeidet faktisk gjøres.

• Styr etter risiko. Personlig produktivitet og virksomhetskritiske AI-agenter trenger ikke samme governance.

•  Bygg grunnmuren før dere skalerer. Arkitektur, sikkerhet, data, kompetanse og eierskap må tåle at farten øker.

• Forbered dere på at flaskehalsen flytter seg. Når AI gjør produksjonen raskere, blir prioritering, beslutninger og ledelse enda viktigere.

AI kan gjøre mer av arbeidet og gjøre det raskere. Men den kan ikke bestemme hva virksomheten ønsker å bli, hvilken verdi den skal skape eller hvilke valg den er villig til å ta på veien.

Det er fortsatt en lederoppgave.