hvordan kommer vi i gang med ai?

det er ikke teknologien der fejler

de fleste ai-projekter dør ikke fordi modellen er forkert eller værktøjet er dårligt. de dør tre andre steder. data der ligger spredt og uensartet. processer der ikke er klar til at blive automatiseret. og en organisation der ikke har taget stilling til hvad ai gør ved de mennesker der arbejder i den.

ai bygger ikke noget nyt fra bunden. den forstærker det der allerede er. eller det der mangler. derfor bliver et ai-projekt hurtigt en røntgenoptagelse af virksomhedens reelle modenhed.

"ai bygger ikke noget nyt.
den forstærker det der allerede er.
eller det der mangler."

de fire spørgsmål vi altid stiller først

når de fire spørgsmål har klare svar, bliver ai pludselig den enkleste del af projektet. når de ikke har det, bliver ai endnu et system der koster tid og penge uden at flytte bundlinjen.

den samtale ingen tager

det meste der bliver skrevet om ai handler om teknologi og use cases. det er den nemme del. den svære del er den der foregår på gangen, ved kaffemaskinen og om aftenen hjemme ved køkkenbordet.

specialisten der har brugt 15 år på at blive god til en disciplin, kan pludselig se en algoritme gøre 60 % af arbejdet. hvad skal hendes rolle være om to år?

den 60-årige kollega der ikke har leget med chatgpt i fritiden, falder hurtigt bagud. hvordan får i ham med, uden at han mister fodfæste og selvtillid?

og så er der den juniorprofil der lige er kommet ind. det meste af det arbejde hun skulle have lært sit fag på, bliver nu lavet på 20 sekunder. hvordan sikrer i at hun stadig bygger den dømmekraft der gør hende til en god rådgiver om ti år?

det er ikke hr-spørgsmål. det er strategiske spørgsmål. for hvis i ikke har en holdning til dem, mister i medarbejdere før i når at få glæden af ai. og i risikerer at vågne op om fem år med en ai-stack der er state of the art og en organisation der ikke længere kan tænke selv.

hvornår giver det mening at tale med os