Vurdering av AI-klarhet: Hva det er og hvordan man gjennomfører en slik vurdering

Gartner forventer at minst 30 % av prosjektene innen generativ AI vil bli lagt ned etter proof of concept innen utgangen av 2025 (Gartner). En vurdering av AI-klarhet er måten du unngår å havne i den statistikken på. Det er en strukturert evaluering av om organisasjonen din har data, teknologi, kompetanse, styring, strategi og kultur for å få AI til å lønne seg, og hvor det finnes mangler – noe som gjøres før du bevilger budsjett til noe som helst.

De fleste bedrifter er ikke «ikke klare» for AI i en eller annen abstrakt forstand. De har ganske enkelt ikke funnet det ene eller de to områdene der AI faktisk kommer til sin rett i programvaren de allerede bruker. Det er den egentlige oppgaven med vurderingen.

AI-klarhet i korthet

De fleste publiserte modeller vurderer AI-klarhet ut fra et lignende sett med dimensjoner. Ciscos indeks bruker disse seks; rammeverk fra Microsoft, Deloitte og andre dekker i stor grad de samme områdene.

Hvorfor det blir dyrt å hoppe over det

Innføringen av AI går langt raskere enn klarheten. RAND anslår at andelen mislykkede AI-prosjekter ligger på over 80 %, omtrent dobbelt så høy som for IT-prosjekter uten AI, og peker på ledelse og organisering som de viktigste årsakene, ikke teknologien (RAND). MIT fant at 95 % av pilotprosjektene med generativ AI i bedrifter ikke ga noen målbar innvirkning på resultatregnskapet (MIT). Andelen selskaper som skrotet de fleste av sine AI-initiativ, steg til 42 % i 2025, opp fra 17 % året før (S&P Global). Og bare 13 % av organisasjonene er fullt ut klare til å ta i bruk AI, en nedgang fra 14 % året før (Cisco).

Da Gartner undersøkte hvorfor prosjekter innen generativ AI blir lagt ned, var årsakene dårlig datakvalitet, svake risikokontroller, økende kostnader og uklar forretningsverdi (Gartner). Ingen av disse handler om at modellen er for svak. De handler om at organisasjonen ikke er rustet til å håndtere arbeidet.

Fordelene for bedrifter som kommer seg forbi proof of concept-fasen, er reelle. Gartners tidlige brukere rapporterte om en gjennomsnittlig omsetningsøkning på 15,8 %, kostnadsbesparelser på 15,2 % og 22,6 % høyere produktivitet (Gartner). En klarhetsvurdering er den billigste forsikringen mot å havne blant de 42 %. Den forteller deg om du er på vei mot disse gevinstene, eller om du står i fare for å bruke et år og et budsjett på å finne ut at du ikke var klar.

Hva dimensjonene egentlig betyr

Klarhet handler først og fremst om dataene og prosessene dine, ikke om å jakte på den mest iøynefallende modellen. En grundig vurdering går i dybden på områdene nedenfor før man velger et verktøy.

Data er det første som setter en stopper for prosjekter. Bare 29 % av teknologiledere er helt enige i at bedriftens data oppfyller de kravene til kvalitet, tilgang og sikkerhet som er nødvendige for å skalere generativ AI (IBM). Bare 26 % av datadirektørene er sikre på at organisasjonen deres kan utnytte ustrukturerte data til forretningsmessig nytte, selv om 81 % prioriterer investeringer i AI (IBM). Hvis dataene er spredt over regneark og fem systemer som ikke kommuniserer med hverandre, er det ingen modell som kan løse det for deg.

Infrastruktur er programvaren og datakraften som AI må operere innenfor. Cisco fant ut at bare 21 % av organisasjonene har den datakraften de trenger for å dekke AI-behovet, og bare 32 % oppgir at de har høy dataklarhet (Cisco). For de fleste voksende selskaper er infrastrukturproblematikken enklere enn spørsmålet om GPU-er: kan driftssystemet dere kjører på faktisk huse og levere intelligens, eller må det bygges om først?

Talent er evnen til å utvikle løsningen og holde den i drift. Ifølge Ciscos data vurderer bare 31 % av organisasjonene talentet sitt som svært godt rustet. Du trenger ikke å ansette et forskningslaboratorium. Du trenger folk – enten internt eller hos samarbeidspartnere – som kan definere omfanget av et bruksscenario, levere løsningen og holde den i drift.

Styring avgjør om AI skal vokse eller stagnere. Deloitte har funnet ut at selskaper der toppledelsen aktivt utformer styringen av AI, oppnår større verdi enn de som overlater dette til tekniske team (Deloitte). Bare 31 % av organisasjonene har svært omfattende retningslinjer for AI (Cisco). Styring handler om roller, tilsyn og regler for risiko, og må avklares på et tidlig tidspunkt.

Strategi og kultur er de menneskelige faktorene. Strategi innebærer at hvert bruksscenario knyttes til et forretningsresultat med en ansvarlig person. Kultur innebærer at teamet endrer arbeidsmåten sin og stoler på resultatet, i stedet for å stille og rolig gå tilbake til det gamle regnearket – og det er nettopp slik faktisk bruk ser ut i praksis.

Hvordan gjennomføre en vurdering av AI-klarhet

Microsofts «Cloud Adoption Framework» skisserer en fremgangsmåte som har vist seg å fungere godt (Microsoft). Her følger den praktiske gjennomføringen av vurderingen, fra første poengsum til endelig beslutning.

1. Kartlegg dagens kapasitet. Vurder hvor dere står på hvert område ved hjelp av en modenhetsmodell, slik at dere får en klarhetsscore per område i stedet for å stole på magefølelsen. Denne grunnleggende vurderingen gjør det mulig å identifisere de områdene som hindrer bruksscenariene dere er opptatt av.
2. Gjør en oversikt over dataene dine. Katalogiser det du har, og vurder deretter kvaliteten, formatene og tilgjengeligheten for bruksscenariene på listen din. Datakvaliteten setter direkte grenser for hva som er gjennomførbart.
3. Gjennomgå infrastrukturen din. Se på databehandlingskapasitet, lagring, nettverk og sikkerhet for å finne ut hva AI vil kreve og hva du må legge til.
4. Tett kompetansegapet. Bestem deg for en kombinasjon av intern opplæring, målrettet rekruttering og eksterne partnere. Kompetansegap er en av de viktigste årsakene til forsinkelser og mislykkede prosjekter.
5. Identifiser og prioriter bruksscenarier. Vurder hvert kandidatscenario ut fra forretningsmessig innvirkning opp mot kompleksitet, kostnader og datatilgjengelighet. Lag deretter et kort veikart med de høyest rangerte scenariene, med suksessmål og en ansvarlig for hvert enkelt.
6. Valider med et målrettet proof of concept. Velg ett bruksscenario med høy verdi og lav risiko, og test det før du går i gang med full utvikling. Bruk det du lærer til å finjustere prioriteringene og tidsplanen.
7. Bygg inn styringsrammer fra starten av. Fastsett retningslinjer, roller og samsvarsstandarder tidlig, i stedet for å tilpasse dem i etterkant når noe er lansert.
8. Bestem hvem som skal lede prosessen. Du kan gjennomføre en egenvurdering eller hente inn en ekstern partner. Uansett bør resultatet være en konkret beslutning og en plan du kan handle etter, ikke bare en poengsum for poengsumens skyld.

Hvordan dette passer inn i måten vi jobber på

Idea Link utvikler skreddersydd driftsprogramvare som voksende selskaper bruker. Vi er et team på rundt 20 personer med kontorer i Kaunas og Vilnius, og gjennom mer enn 100 gjennomførte prosjekter for kunder som Open Infra, Orchard Benefits og Avance Life Sciences, er mønsteret det samme. Suksessen ligger sjelden i den nyeste modellen. Den ligger i å finne ut hvor, i den programvaren virksomheten allerede bruker, AI faktisk betaler seg.

Vår gratis AI Audit gjennomfører en rask vurdering av hvor klar virksomheten din er, etter samme mønster. Den tar for seg din faktiske virksomhet og gir deg 5 til 7 konkrete muligheter innen AI og programvare, hva hver av dem er verdt, og hva som kreves for å realisere dem. Ingen poengsum for poengsumens skyld, men en liste med anbefalinger du kan handle på. Når noe på den listen er verdt å implementere, er neste trinn Design & Architecture Sprint – et oppdrag med fast omfang som kartlegger systemet, utformer det og gir deg en implementeringsplan og et konkret tilbud.

Ofte stilte spørsmål

Hva er en vurdering av AI-klarhet?

En vurdering av AI-klarhet er en strukturert gjennomgang av om organisasjonen din har data, teknologi, kompetanse, styring, strategi og kultur til å ta i bruk AI på en vellykket måte, og hvor det finnes mangler. Vurderingen gjennomføres før du bevilger midler, og den påpeker de svake områdene som kan føre til at et prosjekt mislykkes. En god vurdering munner ut i en beslutning: hvilke bruksscenarier man skal satse på nå, hvilke som krever forarbeid først, og hvilke som bør legges på is.

Hvordan måler man hvor klar man er for AI?

En klarhetsvurdering måler organisasjonen din på tvers av en rekke dimensjoner – vanligvis strategi, data, infrastruktur, kompetanse, styring og kultur – ved hjelp av en modenhetsmodell som graderer hver av disse fra «tidlig» til «klar». Cisco, Microsoft og Deloitte publiserer alle rammeverk for AI-klarhet av denne typen. Resultatet er en klarhetsscore for hver dimensjon samt anbefalinger, slik at du kan identifisere hvilke mangler som hindrer hvilke bruksscenarier, og hvor du bør fokusere innsatsen videre.

Hva er de fire grunnpilarene for AI-klarhet?

Det finnes ikke ett enkelt standardisert sett, og rammeverkene varierer. En vanlig inndeling i fire pilarer er data, styring, teknologi og mennesker: kvalitetsdata, klare retningslinjer og tilsyn, infrastruktur som kan kjøre AI, samt kompetanse og kultur for å bruke den. Enhver vurdering som er verdt å gjennomføre, dekker alle fire, og noen modeller legger til strategi eller kultur som separate pilarer, så betrakt de fire som et utgangspunkt, ikke som en ufravikelig regel.

Hva er 30 %-regelen for AI?

Dette henviser til Gartners prognose om at minst 30 % av prosjektene innen generativ AI vil bli lagt ned etter proof of concept innen utgangen av 2025. De vanligste årsakene er dårlig datakvalitet, svake risikokontroller, økende kostnader og uklar forretningsverdi. Dette er en påminnelse om at de fleste AI-satsinger går i stå på grunn av data og styring, ikke teknologien – og det er nettopp dette en klarhetsvurdering er ment å avdekke før du bruker store summer uten å oppnå noen endring.

Hvis du vil finne ut hvor AI faktisk passer inn i virksomheten din før du bruker en eneste euro på det, er den gratis AI Audit laget nettopp for den typen samtale. Når en konkret mulighet viser seg å være verdt å satse på, omdanner Design & Architecture Sprint med fast omfang den til en plan og et tilbud du kan ta stilling til. Og hvis du fortsatt vurderer om din neste suksess skal være AI eller ren automatisering, er artikkelen vår om automatisering versus AI et godt sted å starte.