AI-implementering
AI-implementering, der stadig bliver brugt tre måneder efter
AI-implementering handler om at få AI ind i den måde, arbejdet faktisk bliver udført på, og det er sjældent teknikken, der er den svære del. Jeg begynder med ét område, måler effekten og udvider kun, hvis tallene holder. Efter 400+ projekter ved jeg, hvor det typisk knækker.
- Få svar samme dag
- Få en fast pris på din opgave
AI-implementering
Sådan griber jeg det an
Første skridt er at finde det arbejde, der bliver gjort mange gange om ugen, følger et fast mønster og irriterer dem, der laver det. Der ligger den første gevinst næsten altid, og der gider folk også tage løsningen til sig.
Dernæst måler vi, hvor lang tid opgaven tager i dag. Uden det tal kan ingen bagefter afgøre, om noget blev bedre, og så ender diskussionen som én fornemmelse mod en anden.
Hvor AI typisk bliver taget i brug
- Kundeservice: hurtigere svar ved at genbruge viden fra tidligere sager og udkast, der kun skal rettes til.
- Dokumenthåndtering: resuméer og udtræk fra lange dokumenter, tilbud og kontrakter.
- Interne værktøjer: opslag i håndbøger, procedurer og produktdata uden at skulle spørge en kollega.
- Integration med eksisterende systemer: AI-funktioner inde i de programmer, folk bruger i forvejen, frem for en ny fane ved siden af.
Retningslinjer og medarbejdere
Mange virksomheder har enten ingen retningslinjer for AI eller et notat, ingen har læst. Begge dele ender med, at folk bruger AI alligevel, bare uden at det er aftalt.
Jeg hjælper med at skrive noget kort og brugbart: hvad der må lægges ind hvor, hvad der skal tjekkes efter, og hvem man spørger. To sider, folk faktisk læser, slår tyve på intranettet.
Det får du
Konkrete leverancer, ikke en rapport med anbefalinger nogen andre skal nå at udføre.
- Kortlægning
En oversigt over hvor i huset der reelt er noget at hente, baseret på samtaler med dem der laver arbejdet.
- Målt udgangspunkt
Et tal for hvor lang tid opgaven tager i dag og hvor tit den sker, så effekten kan gøres op bagefter.
- Første løsning i drift
Ét område dækket på fire til seks uger og brugt af rigtige mennesker, ikke en platform der skal kunne alt fra dag ét.
- Retningslinjer
To sider om hvad der må lægges hvor og hvad der skal kontrolleres, korte nok til at blive læst.
Sådan foregår det
Fire trin. Du ved hvad der sker hvornår, og du kan stoppe efter hvert af dem.
- 01
Udpeg processen
Sammen finder vi det stykke arbejde, der gentager sig ofte nok til, at automatisering kan betale sig. Jo mere afgrænset opgaven er, jo hurtigere kommer den første version i drift.
- 02
Sæt en baseline
Vi noterer, hvor lang tid opgaven tager i dag, hvor ofte den forekommer, og hvor mange fejl der slipper igennem. Uden de tal kan ingen bagefter afgøre, om løsningen var indsatsen værd.
- 03
Byg mod et testsæt
Jeg samler rigtige eksempler fra jeres hverdag og tester hver ændring af prompt og model op imod dem. Det holder kvaliteten stabil, når der senere bliver skruet på løsningen.
- 04
Drift med log og nødstop
Løsningen bliver koblet på jeres eksisterende systemer med fuld logning og en kontakt, der kan slukke den. Jeg dokumenterer opsætningen og lærer en hos jer op i at vedligeholde den.
Brands jeg har arbejdet med
Ofte stillede spørgsmål
- Hvad betyder AI-implementering i praksis?
- At gå fra at have adgang til AI til at bruge det i det daglige arbejde. Det dækker valg af område, integration i de systemer folk allerede bruger, oplæring og en måling af, om det hjælper. Selve teknologien er sjældent flaskehalsen.
- Hvad koster AI-implementering?
- Omfanget afgør prisen. Antallet af arbejdsgange, mængden af dataoprydning og behovet for integrationer og undervisning er de største poster. Fortæl kort hvor I står, så svarer jeg samme dag og giver et konkret tilbud, når rammerne er afklaret.
- Hvor store skal vi være, før det giver mening?
- Der er ingen nedre grænse på antal ansatte. Det afgørende er, om der findes et stykke arbejde, der gentages tit nok, og det kan en virksomhed med ti ansatte sagtens have.
- Kan vi starte med en pilot?
- Det er præcis sådan, jeg anbefaler at gøre det. Ét område over fire til seks uger og en reel beslutning bagefter om, hvorvidt der skal mere til. Store platformsprojekter, der skal dække alt fra dag ét, ender næsten altid galt.
- Hvad med GDPR og EU's AI-forordning?
- Retningslinjerne, vi skriver sammen, tager højde for begge dele: hvad der må lægges ind hvor, og hvordan output kontrolleres. For de fleste almindelige anvendelser er kravene til at overskue. Jeg er ikke jurist og siger til, hvis I bør have en ind over.
- Kommer du fysisk ud til virksomheder i hele landet?
- Ja, når det giver mening. Implementering involverer mennesker, så jeg prioriterer at møde teamet, især ved opstart. I København og omegn er det nemt, og i Aarhus, Odense eller Aalborg planlægger vi besøgene omkring de vigtige milepæle.
- Skal vores data være på plads først?
- Ikke det hele. Men de data, den første løsning skal bruge, skal kunne hentes og være nogenlunde til at stole på. Er de ikke det, bliver oprydningen en del af projektet og skal med i tidsplanen frem for at komme som en overraskelse.
- Kan vi bruge det, vi allerede betaler for?
- Tit ja. Har I Microsoft 365 eller Google Workspace, følger der AI-funktioner med i abonnementet, som dækker en del almindelige behov. Det tjekker jeg, før jeg foreslår at bygge noget nyt.