Ledelsen har bestemt at "vi skal bruke KI". IT setter opp en Copilot-pilot. Et halvt år senere er ingenting endret. Folk bruker verktøyet til å summere kalenderen sin, eller ikke i det hele tatt. Dette er ikke uflaks. Det er en serie forutsigbare feil som rammer norske bedrifter om og om igjen. Når du kjenner dem igjen før dere setter i gang, kan dere designe prosjektet for å unngå dem.
1. Dere starter med teknologien, ikke virksomhetsmålet
Den vanligste feilen er at bedriften ser at alle andre snakker om ChatGPT eller Copilot, og spør "hvordan kan vi bruke dette?". Det er feil ende. Et KI-prosjekt skal starte med hva bedriften faktisk gjør: hvilke kunder dere har, hvilke prosesser som er tidstyver, hvor mye en feil koster. Først da kan dere si hva KI skal løse.
Test prosjektet ditt: kan du i én setning forklare hvilken konkret forretningsverdi KI-innføringen skal gi? Hvis svaret er "bli mer effektive", er det ikke et svar. Hvis det er "redusere svartiden på kundehenvendelser fra 24 timer til 2 timer på de 200 vanligste spørsmålene", da har dere et utgangspunkt.
2. Piloten har ingen plan for å skaleres
Mange piloterer en KI-løsning som om sluttresultatet er piloten i seg selv. Det er det ikke. Når dere designer pilotløsningen, må dere allerede tenke på hvordan den skal brukes globalt, av tusen avdelinger, av fem tusen ansatte, og hvilke kunder den skal tjene om ti år. Hvis arkitekturen ikke tåler det, faller dere i pilotfellen, og prosjektet stopper opp ved overgangen til drift.
En annen variant er at piloten blir gjort tilgjengelig for testere som så får beskjed om å "prøve den i en måned". Det skjer ikke. Folk er stresset over dagsordenoppgaver. Av tretti testere er det kanskje to som faktisk gir tilbakemelding. Skal dere pilotere, må dere kalle inn testerne til et møte, avlaste dem for andre oppgaver, og kjøre testen over flere dager. Det er den eneste måten å få reell tilbakemelding på.
3. Dere mangler kompetanse, men trodde et kurs var nok
Digitale ferdigheter er ulikt fordelt. Når dere ber en gruppe ansatte teste et nytt verktøy, må dere forklare hvordan det skal brukes, ikke bare én gang, men flere ganger. Folk lærer ikke et KI-verktøy av å sitte på et kurs i to timer. De lærer det ved å bruke det selv, gjøre feil, og forstå hva som faktisk skjer under panseret.
Når en ansatt sier at "verktøyet fungerer ikke", er det ofte at de ikke har fått nok hands-on tid. Bygg kompetansebygging inn i prosjektplanen som en kontinuerlig aktivitet, ikke som en avkrysningsoppgave før lansering.
4. Datakvaliteten er dårlig, og resultatene blir deretter
"Shit in, shit out" gjelder fortsatt. Et KI-system er bygget på data, og hvis dataene som mates inn er rotete, utdaterte eller feilkategoriserte, blir resultatene like dårlige. Når noen klager på at "KI-verktøyet ikke er bra", er det ofte datakvaliteten det handler om, ikke modellen.
Før dere ruller ut et KI-verktøy, må noen ta ansvar for å rydde i datagrunnlaget. Det er kjedelig arbeid, og det blir alltid undervurdert i tidsplanen. Men uten det vil verktøyet aldri prestere.
5. Arkitekturen er bygget uten prosesseierne
For ofte er det bare IT, CTO og utviklerne som sitter og lager systemet. Forretningsområdeeierne, de som faktisk eier prosessene KI skal støtte, blir ikke involvert før det er for sent. Resultatet er et teknisk fungerende system som ikke løser noen reelle problemer.
Alle som tastet inn data, bruker systemet, eller blir påvirket av resultatet, må være med i planleggingen. Tegn arkitekturen på papir først. Få den utfordret av folk fra hele organisasjonen. Det høres tungvint ut, men det er billigere enn å bygge feil ting i seks måneder.
6. Integrasjonene fungerer ikke
Et KI-verktøy lever sjelden alene. Det skal snakke med CRM, HR-system, dokumentlager, e-postsystem. Erfaringen viser at over 90 prosent av integrasjoner mislykkes første gang. Data kommer skjevt over, formater matcher ikke, eller systemene henger seg opp i hverandre.
Sett av reell tid og kompetanse til integrasjonsarbeid. Ikke anta at standardkonnektorene løser det. Test integrasjonene i pilotfasen, ikke etter at alle har fått lisens.
7. Det finnes ingen governance
Når systemet er i drift: Hvem har ansvar for hva? Hvem følger opp avvik? Hvor lenge kan en hendelse stå åpen? Hvem skal rapportere oppover når noe går galt? Hvem har lov til å endre på modellen, og hvem skal informeres? Dette er governance, og det er den delen som oftest mangler.
Ansvaret kan ikke ligge "i IT". Det må forankres helt opp til styret, fordi KI-systemer tar beslutninger som kan ramme kunder, ansatte og merkevaren. Definer roller, frister og rapporteringsveier før dere går live.
Et bonusproblem: dere stoler blindt på leverandøren
Mange velger plattform fordi bedriften "allerede har Microsoft" eller "allerede har Google". Det er ikke et godt nok argument. Spør om systemet er robust nok til antall samtidige brukere, om datasenteret er på riktig sted, og hvordan dataene flyter. Det er forskjell på en plattform som er teknisk tilgjengelig, og en som er bygget for ditt formål.
Slik bruker dere denne listen
Gå gjennom barrierene før dere lager prosjektplanen. Spør for hver av dem: "Hvor er vi sårbare her?". For de barrierene dere ikke har et godt svar på, må arbeidet starte før KI-prosjektet kan begynne for alvor. Det føles tregere, men det er forskjellen mellom en Copilot-lisens som ligger ubrukt, og en KI-løsning som faktisk gir avkastning.
Vil du forstå hvorfor ansvarlig KI er en forutsetning for adopsjon, og ikke en ekstrabonus? Da er Slik fungerer KI et godt utgangspunkt. Skal dere bruke KI operativt i hverdagen, gir KI på jobb praktiske inntak til e-post, møter og rapporter.
Denne videoen er hentet fra kurset KI-adopsjon for bedrifter: Fra ledelse til ansatte på Utdannet.no. Kurset dekker hele løpet fra strategi og governance til involvering, KPI og opplæring, og er skrevet for ledere som faktisk skal sette KI i drift i organisasjonen.
