Var ska man börja?
Det är nog den vanligaste frågan jag hör från företagsledare när AI kommer på tal. Man förstår att AI kommer påverka verksamheten. Man ser möjligheterna. Men steget från “vi borde göra något med AI” till vad ska vi faktiskt göra är betydligt svårare.
Min erfarenhet är att frågan nästan alltid ställs på fel nivå. Den ställs som en teknikfråga — vilket verktyg, vilken modell, vilken leverantör — när den egentligen är en verksamhetsfråga.
Varför teknikperspektivet leder fel
När man börjar i tekniken händer två saker.
Det första är att utvärderingen blir omöjlig. Man jämför funktioner mot varandra utan att ha något att jämföra dem mot. Två system kan båda “hantera dokument”, men om ni inte bestämt vilket dokument, i vilket flöde och med vilket utfall är jämförelsen meningslös. Man väljer då på känsla, eller på pris, eller på vem som gjorde bäst demo.
Det andra är att lösningen blir hemlös. Ett verktyg som köpts in utan en definierad uppgift tillhör ingen i organisationen. Det finns ingen som saknar det när det inte används, och ingen som kan säga om det gör nytta. Efter ett år är det en licenskostnad som ingen vågar säga upp eftersom ingen riktigt vet vad den gör.
Båda problemen försvinner om man vänder på ordningen.
Titta på verksamheten i stället
Verksamhetsperspektivet innebär att man börjar med att observera sitt eget företag, innan man tittar på en enda leverantör. Tre frågor räcker långt:
Var lägger människor mycket tid på återkommande arbete? Inte svårt arbete — återkommande. Skillnaden är viktig. Det svåra arbetet är oftast det som kräver en människa. Det återkommande arbetet är det som ser likadant ut den femtionde gången som den första.
Var flyttas information manuellt mellan mejl och affärssystem? Det här är det tydligaste enskilda tecknet. Varje gång någon läser något i ett fönster och skriver in det i ett annat pågår ett arbete som inte tillför något i sig — det bara flyttar data från en plats till en annan, med risk för fel i varje steg.
Var uppstår väntetider, dubbelarbete eller onödiga fel? Väntetid betyder att någon inte kunde göra sitt jobb för att någon annan inte hunnit. Ofta är det som väntas på en uppgift som tar tre minuter men ligger i kö i tre dagar.
Där de tre frågorna pekar på samma ställe finns nästan alltid det bästa första användningsområdet.
En fjärde fråga som få ställer
Det finns ett tecken till, och det är det jag brukar fästa mest vikt vid: vilket arbete är det ingen äger?
I varje verksamhet finns uppgifter som utförs av den som råkar ha tid. Bekräftelser som skickas av den som ser mejlet först. Uppföljning som görs när någon kommer på det. Det arbetet syns sällan i något processchema, det finns inte i någons rollbeskrivning, och det är därför ingen kan säga hur mycket tid det tar.
Det är samtidigt det arbete som orsakar mest friktion, eftersom kvaliteten varierar med vem som råkade göra det. Och det är det arbete som möter minst motstånd när det automatiseras — ingen försvarar en uppgift de aldrig ville ha.
Tecknen, kortfattat
| Tecken i verksamheten | Vad det brukar betyda |
|---|---|
| Någon läser i ett fönster och skriver i ett annat | Manuell dataflytt, hög felrisk |
| Kön växer vid semester och sjukdom | Arbetet är personberoende, inte processberoende |
| Samma fråga från kunder varje dag | Information finns i systemet men är inte tillgänglig |
| Ingen kan säga hur lång tid uppgiften tar | Arbetet är oägt och därför omätt |
| Fel upptäcks först i efterhand | Kontrollen sker för sent i kedjan |
Ett exempel: Bruzaholms Bruk
Bruzaholms Bruk gjuter slit- och värmebeständigt gjutgods och har gjort det på samma plats sedan 1660. Ett sextiotal personer, kunder i Europas asfalt-, betong-, gruv- och pannindustri, och en leveransprecision som mäts till 98,3 procent.
Här hade “inför AI” som projekt inte lett någonstans. Vad som däremot fanns var ett konkret verksamhetsproblem: order kommer in i alla former, på flera språk, som avrop och som förfrågningar mitt i ett produktionsstopp hos kunden. Varje order ska tolkas, matchas mot rätt artikel och legering, registreras i Monitor ERP och bekräftas.
Arbetet är inte svårt. Det är repetitivt, ständigt pågående och omöjligt att lägga åt sidan — och det landar hos samma personer som ska föra den tekniska dialogen med kunderna. Vid hög belastning eller frånvaro är kön av obekräftade order det första som växer.
Det är ett verksamhetsproblem, formulerat i verksamhetens egna termer. Att en digital medarbetare — Sussie — sedan tar hand om inkommande order, kvalitetssäkring mot avtal, bekräftelser samma dag och återkommande kundfrågor är en följd av problemformuleringen, inte utgångspunkten.
Skillnaden är inte semantisk. Den avgör om ni kan mäta om det fungerade.
Vad ni inte ska leta efter
Lika viktigt är att veta vad som inte är en bra start.
Det ovanliga och komplicerade. Det finns en dragningskraft i den svåraste uppgiften — den känns som det värdigaste testet. Men en uppgift som utförs fem gånger om året ger varken tidsvinst eller tillräckligt underlag för att bedöma kvaliteten.
Det som saknar tydligt utfall. “Bli bättre på att analysera marknaden” går inte att avgöra om det lyckades. “Skicka orderbekräftelse samma dag” gör det.
Det som kräver att något annat ändras först. Om uppgiften bygger på data som idag är fel i systemet löser ingen automatisering det. Den gör bara fel snabbare.
Det någon är stolt över. Även när det tekniskt sett går att automatisera är det fel ställe att börja. Ni behöver organisationen med er i första steget, inte emot er.
Från observation till första steg
Verksamhetsperspektivet ger er en kandidat. Nästa fråga är hur ni tar den från observation till något som faktiskt kör — vilket handlar om att mäta innan ni ändrar, avgränsa hårt och bestämma var gränsen mot människan går. Det har Per Videgren skrivit om separat i Så kommer ni igång med AI i verksamheten.
Men det börjar här. Utgå från verksamhetsproblemet — inte från tekniken.
Då blir AI betydligt enklare att både förstå och börja använda.