I nästan varje organisation som experimenterar med AI uppstår vid någon tidpunkt samma grupp: två, möjligen tre personer som förstår det, som själva har börjat testa, som entusiastiskt berättar om vad som är möjligt. De bygger en prototyp, testar ett verktyg, delar resultat i en intern chatt. Resten av organisationen ser på, nickar, och fortsätter arbetet som det alltid har gjorts.
Efter några månader finns det en lista med intressanta experiment och ingen förändring alls i hur arbetet faktiskt utförs. De två entusiasterna är fortfarande entusiastiska. Alla omkring dem har inte rört sig med dem.
Resonemanget bakom detta tillvägagångssätt låter förnuftigt: börja litet, med personer som är motiverade, och låt framgången sprida sig av sig själv. Det fungerar faktiskt så vid vissa förändringar. Ett nytt arbetssätt som synligt sparar tid sprider sig ibland organiskt genom att kollegor tar över det.
När det gäller AI fungerar den mekanismen oftast inte, och orsaken ligger inte hos personerna utan hos organisationen omkring dem. Entusiaster har ofta tillgång till system, tid och mandat som andra inte har. Vad som för dem är en fråga om att testa en eftermiddag, kräver för en kollega utan den tillgången en ansökan, ett godkännande, ett IT-ärende. Entusiasmen är inte problemet. Frånvaron av en väg längs vilken andra kan följa är problemet.
Ordningen i vilken AI-beredskap byggs upp börjar inte med personer som vill. Den börjar med strukturen som gör det möjligt: hur organisationen är uppbyggd, vilken IT-infrastruktur som finns, hur data hanteras. Två entusiaster kan arbeta runt den strukturen, med egen tillgång, egna knep, egna omvägar. Resten av organisationen kan inte det, och borde heller inte vilja det — omvägar är inte en grund för något som ska fortsätta fungera.
Det förklarar varför mönstret ofta upprepas parallellt med andra kända fallgropar. Den som läser om vad som måste framgå innan en pilot leder till något ser en liknande mekanism: aktivitet utan överenskommelse om vad framgång innebär förblir aktivitet. Hos två entusiaster saknas överenskommelsen på samma sätt — inte om vad som måste framgå, och inte om vem som följer efter dem.
Det finns några igenkännbara signaler. Den första är att samma två eller tre namn ständigt återkommer när det talas om AI, i varje möte, i varje uppdatering. Den andra är att frågor från andra avdelningar börjar med "hur gjorde de" istället för med en egen väg. Den tredje, och mest underskattade, är att ingen kan förklara vad som skulle hända om en av de två personerna slutade imorgon.
En fjärde signal är mer subtil: experimentet fortsätter att fungera i sitt eget hörn, avskilt från resten av processen. Det stämmer med vad som händer när en pilot utanför det egna teamet inte får någon anknytning — entusiasm utan koppling till resten av organisationen förblir en ö, hur väl ön i övrigt fungerar.
En femte signal, slutligen, är att skalning föreslås som nästa steg, medan ingen har kontrollerat om grunden därunder redan finns på plats. Den risken beskrivs i vad som händer när skalning försöks innan grunden finns på plats: två entusiaster som vill multiplicera sin egen framgång till tio team fastnar i just den struktur de själva hade kringgått.
Det är lockande att dra slutsatsen att det behövs fler entusiaster, eller bättre utbildning, eller ett kulturprogram. Det missar poängen. Frågan är inte om det finns tillräckligt många engagerade personer — de finns ofta redan två av, och det är just problemet, för två är ingen struktur. Frågan är om organisationen som helhet — i hur den är uppbyggd, hur system talar med varandra, hur data är tillgänglig och tillförlitlig — kan bära en situation där inte två utan betydligt fler personer kan arbeta med AI. Det är en annan fråga än vem som är entusiastisk, och det är frågan som måste besvaras först.
För den som i en ledande roll stöter på detta mönster är det nyttigt att veta vad någon i en jämförbar position skulle uppmärksamma: vad en VD skulle uppmärksamma vid bedömning av AI-mognad beskriver några av de punkterna, liksom perspektivet från vad en COO skulle uppmärksamma vid AI-mognad utifrån en annan vinkel på samma organisation.
Om två entusiaster visar att något är möjligt, förblir frågan obesvarad hur mycket av arbetet som faktiskt kan tas över, och av vem. Den frågan hör inte till beredskap utan till arbetet självt: vilka uppgifter som lämpar sig för övertagande av AI och hur stor del det handlar om. Det är precis vad FTE TO AI:s werkscan är till för — den beräknar per uppgift hur stor del av arbetet som kan tas över, oavsett vem som redan experimenterar entusiastiskt med det.
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.