Den professionella tjänstesektorn — advokatverksamhet, revision, konsultverksamhet, HR-tjänster, juridisk och skatterådgivning — säljer i grunden något som är svårt att automatisera utan diskussion: omdöme. Där en fabrik optimerar en process och en butik hanterar ett sortiment, säljer denna sektor expertisen hos människor som vet något som kunden inte vet. Det gör förhållandet mellan ambition och beredskap annorlunda än på andra håll. Intresset för AI är stort, ofta större än i sektorer med mindre marginal på kunskap. Men frågan om organisationen kan bära det intresset ligger regelbundet still på delar som inte har något med AI att göra.
Många kontor inom den professionella tjänstesektorn har vuxit fram kring partnern, den seniora rådgivaren, människan med nätverket och minnet. Kunskap sitter i huvuden, i mejlkonversationer, i ärenden som byggts upp per kund eller per fall, inte i delade system som är sammankopplade. Det fungerar bra så länge människorna stannar. Det blir ett problem så snart man vill bygga något som måste kunna falla tillbaka på den kunskapen. AI som ska arbeta med ärenden, prejudikat eller kundkorrespondens behöver något att stå på: en struktur där information är sökbar och jämförbar. Den strukturen saknas fortfarande i delar av sektorn, inte av ovilja, utan därför att själva arbetet aldrig har krävt den strukturen.
De fem nivåerna i mätningen — baseline, foundation, activation, insight, intelligence — visar i denna sektor en varierande bild per dimension, och den bilden är sällan jämn. Vissa kontor har sin datahantering i ordning: ärenden är strukturerade, åtkomsträttigheter är reglerade, det finns en uppfattning om vad som finns var. Men IT-infrastrukturen bakom är föråldrad eller splittrad över fristående applikationer som inte kommunicerar med varandra. Hos andra kontor är det precis tvärtom: moderna system, men organisatoriskt ingen klarhet om vem som beslutar om vad, vem som får godkänna en AI-tillämpning, eller vem som är ansvarig om något går fel. Båda situationerna leder till samma resultat — en pilot som fungerar bra i sig men som inte skalar upp därför att de grundläggande dimensionerna inte ligger på samma nivå. Det är den ordning som mätningen avslöjar: organisation, infrastruktur och datahantering måste först nå en viss nivå innan de beroende dimensionerna, som automatiserad testning eller kontinuerlig optimering, har någon nytta av det.
Plot-omgången, där flera personer poängsätter separat, visar ofta inom den professionella tjänstesektorn ett specifikt mönster: partnern eller direktören poängsätter organisationen högre än rådgivaren som dagligen arbetar med ärendena. Den skillnaden säger något. Den kan betyda att beslut om AI fattas på direktionsnivå utan att de når golvet, eller att golvet redan länge har brottats med ett system som från ovan bedöms som tillräckligt. Båda tolkningarna är användbara, och båda blir bara synliga genom att låta olika personer poängsätta separat, inte genom att fråga om ett enda intryck från den som sammanställer rapporten.
Vad som skiljer denna sektor från exempelvis detaljhandeln eller hotell- och restaurangbranschen är känsligheten hos själva datan. En advokatbyrå eller revisionsbyrå arbetar med information som omfattas av tystnadsplikt, av disciplinrätt, av regler som inte gäller för ett butikslager eller en menykort. Det påverkar direkt dimensionen datahantering: inte bara om data är sökbar, utan om den datan är lagrad och skyddad på ett sätt som tillåter AI-användning utan att bryta konfidentialiteten. Det kräver ett annat tempo än sektorer där data är mindre känslig, och den temposkillnaden syns i poängen på denna dimension.
Mönstret av hög ambition tillsammans med en ofullständig grund är inte unikt för den professionella tjänstesektorn. Inom IT-sektorn förekommer ofta det motsatta problemet — stark infrastruktur utan organisatorisk klarhet — och inom finansiella tjänster ligger fördröjningen ofta i regelverk som förändras snabbare än systemen kan följa. Jämförelsen är inte avsedd att göra en sektor bättre eller sämre än en annan, utan att visa att ordningen — först de grundläggande dimensionerna, sedan de beroende — är densamma överallt, även om utformningen ser olika ut per sektor.
Denna mätning säger ingenting om vilka uppgifter inom ett kontor som kan tas över av AI, och hur mycket tid det skulle frigöra. Det är en annan fråga, som kräver en annan blick: inte på organisationen som helhet, utan på själva arbetet, uppgift för uppgift. Den som efter denna mätning vill veta vad som, givet nuvarande beredskap, faktiskt är kvalificerat för AI, hittar det hos FTE TO AI:s arbetsscan, som beräknar per uppgift vilken andel som kan tas över.
Verktyget som utför mognadsmätningen och plot-omgången är fortfarande under uppbyggnad. Den som vill använda det så snart det blir tillgängligt kan anmäla sig till väntelistan.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.