Pilotprojektet der aldrig kom i drift, løsningen ingen bruger, og målsætningen ingen kan måle. De tre klassiske fejl — og hvad man gør i stedet.
AI er billigere at prøve end nogensinde, og det er godt. Men det betyder også, at mange virksomheder har prøvet noget, uden at det har flyttet noget. Her er de tre mønstre, vi oftest støder på.
1. Pilotprojektet der aldrig blev drift
En afdeling bygger noget, der virker imponerende i en demo. Så stopper det. Årsagen er næsten altid den samme: der var ingen plan for, hvem der skulle eje løsningen, hvordan den skulle vedligeholdes, og hvad der skulle ske, når den fejlede.
Løsningen er at afgøre driftsspørgsmålene før man bygger — ikke efter. Hvem får beskeden, når noget går galt? Hvem retter det? Hvor er det dokumenteret? Hvis de spørgsmål ikke har svar, er det ikke et projekt, det er et eksperiment. Eksperimenter er fine, men kald dem det.
2. Løsningen ingen bruger
Teknisk velfungerende løsninger dør, fordi de ligger et sted, ingen kommer forbi, eller fordi de kræver, at folk ændrer vane uden at få noget igen. Adoption er ikke et kommunikationsproblem, man kan løse bagefter — det er et designkrav.
Vi bygger derfor så tæt på den eksisterende arbejdsgang som muligt. Hvis arbejdet foregår i indbakken, skal løsningen møde folk i indbakken. Teknologien må gerne være i baggrunden.
3. Målsætningen ingen kan måle
“Vi vil være mere effektive med AI” er ikke et mål. Det kan ikke afgøres, om det er nået, og derfor kan projektet hverken lykkes eller stoppes.
Vi insisterer på et tal, før vi begynder: antal timer på en opgave, gennemløbstid, fejlrate, antal sager per medarbejder. Det behøver ikke være præcist — det skal bare være det samme tal før og efter. Uden en baseline har man ingen dokumentation for værdien, og så bliver næste investering en trossag.
Det fælles træk
Alle tre fejl handler om det samme: man starter med teknologien i stedet for arbejdet. Derfor starter vi med en discovery workshop, hvor vi kortlægger arbejdsgange, systemer og data, inden vi foreslår noget som helst. Og derfor siger vi nej til opgaver, hvor vi ikke kan se en målbar effekt.
