Din AI er kun så god som din data

Brugeren i centrum for AI
Fra et helikopterperspektiv er dit AI-projekt ikke så forskelligt fra andre IT-projekter. Grundlæggende skal der 3 ting til: fokus på en god brugeroplevelse, den rigtige teknologi og data, du kan stole på og bruge på tværs. Vi starter fra toppen.
Alle gode digitale løsninger er nemme at gå til. Din AI kan optimere og revolutionere brugeroplevelser lige fra søgefunktion til billedbehandling – og meget, meget mere. AI kan ligge synligt som den lille chat i højre hjørne, mere subtilt i en assisteret søgning eller dialogbaseret kundeservice – eller helt usynligt som agenter, der henter, sammenstiller og handler på tværs af jeres systemer.
Det grundlæggende spørgsmål er stadig det samme: Hvad har kunder, brugere eller borgere brug for? Hvordan gør vi den opgave nem, effektiv og behagelig at løse?
Mennesker, behov og brugeroplevelser skal tænkes ind fra starten. Men hvad skal vi putte i værktøjskassen for at dække de behov?
Vælg teknologi, der er fleksibel og skalérbar
Fordi der er så meget fokus på AI, vil mange starte her. Hvilken teknologi skal du bruge? Hvem har det sidste nye? Én assistent til alle, eller specialiserede agenter, der hver løser én opgave til bunds? Anbefalingsmotor eller generativ AI? No-code/low-code? Eller skal vi dybere ned i værktøjskassen med f.eks. Azure AI? Hvilke værktøjer skal vi fokusere på? Når du ved, hvilket problem du vil løse, kan vi grave et spadestik dybere.
No-code og low-code er i øvrigt ikke længere kun for IT-afdelingen. Hos Akademikernes A-kasse bygger medarbejdere uden teknisk baggrund selv deres AI-assistenter på en intern platform.
Netop fordi der sker så meget med AI, er vores råd, at du arbejder fleksibelt og skalérbart – både med dit valg af AI-løsning og din underliggende arkitektur. Hvis du fx har systemer med åbne API’er, kan de lettere trække data flere steder fra, og de enkelte dele kan lettere skiftes ud. Det samme kan din AI-løsning.
Har du skabt et system, der er nemt at lave om, reagerer du hurtigere, når teknologien eller dine brugeres behov ændrer sig.
Men hvordan gør du din AI i stand til at møde disse behov til at starte med? Din AI skal kende dem, og det kræver data.
Er din data moden?
Lad os sige, at du er et energiselskab, der har fået en chatbot. Den skal vide, hvilket tidspunkt strømmen er grønnest eller billigst i dag.
Men hvis dine priser kun opdateres retroaktivt en gang om dagen, kan chatbotten kun svare på, hvordan det så ud i går. Hvis den til gengæld har adgang til hele din prishistorik, kan den måske komme med et godt bud, men her bliver det vigtigt, at den ikke kommunikerer det som den faktiske pris.
Pointen er, at din data(arkitektur) er en del af dit AI-projekt. Den gode nyhed er, at du kan tage det lidt ad gangen – og starte med de lavthængende frugter.
Akkurat som bananerne i skålen derhjemme kan din data være mere eller mindre moden. Grundlæggende taler vi om 4 trin: skraldespand, struktureret, sammenhængende og aktiverbar. De fleste har lidt af hvert i organisationen.
I skraldespanden ligger al data og roder. Tænk bare på dit eget skrivebord, jeres server eller SharePoint-løsning. Disse data eksisterer i alle virksomheder og kan godt bruges af en AI, så du kan komme hurtigt i gang – og gevinsten vokser, hver gang du rydder lidt op i dem. En AI-løsning kan også hjælpe dig med at skabe struktur, men hvordan det går til, gemmer vi til en anden artikel.
Struktureret data kan være så simpelt, som at alle i teamet bliver enige om at bruge de samme mapper, at bruge en entydig navngivning, eller at jeres vidensbase er skrevet i et ensartet format. Struktureret data hjælper AI’en med at skabe gode, forudsigelige svar.
Sammenhængende systemer sender data på tværs. Snakker dit CRM-system med dit faktureringssystem, så snakker salg også bedre sammen med økonomi. Forudsætningen her er ikke blot struktur, men også ensartethed. Betyder en kunde i salg det samme som en kunde i økonomi? Hvordan hænger disse forståelser sammen? Med sammenhængende data giver AI’en ikke bare gode svar, men personlige og indsigtsfulde svar. Måske ved chatbotten derfor, at grøn strøm er vigtigere end lav pris for lige præcis denne kunde.
Aktiverbare data er det sidste trin. Data kan være både strukturerede og sammenhængende og stadig ligge et sted, hvor dine kolleger og systemer ikke kan bruge dem uden friktion. Et data warehouse og en BI-platform samler, strukturerer og analyserer – men de hjælper ikke sælgeren, der mangler tallene i sit CRM. Et aktiveringslag sender data den rigtige vej, så de er klar dér, hvor arbejdet foregår. Og dér, hvor dine agenter skal hente dem.
Lavthængende datafrugter
Vi taler selv ofte om datakvalitet, og det behøver ikke være et stort projekt at øge den. Det kan gøres lidt ad gangen. Analysehuset Gartner skriver, at organisationer med høj modenhed inden for data opnår op til 65% større forretningsresultater i form af omsætningsvækst og omkostningsoptimering. Men hvor ligger den data? Og hvordan er den struktureret?
Lad os starte med en lavthængende frugt. Hvis dine kollegaers filer er gemt lokalt, kan din AI ikke bruge dem. Er de gemt i rodemappen på serveren, ved din AI måske ikke, at de er vigtige.
Det kan altså være, at I kan gøre jer selv og jeres AI en stor tjeneste ved at skabe nye rutiner for fildeling, navngivning og mappestruktur, som jeres AI forstår – alt sammen noget, du kan sætte i gang nu, og som sandsynligvis ikke kræver, at du skal finde ekstra penge til udvikling.
Start med den gode use-case
Det er bare et eksempel på, hvordan din systemarkitektur og dit datagrundlag hjælper din AI med at levere. Og her er det vigtigt at slutte cirklen. Det handler nemlig stadig om mennesker og deres behov.
For dit AI-projekt betyder det, at formålet er vigtigst. Hvad er den gode use-case? Skal vi kunne rådgive personligt omkring aflæsning af elmåleren i sommerhuset – eller giver det mere værdi at kunne forudse, hvornår det er billigst at starte vaskemaskinen? Eksperimenter er en god ting. Men skal du have mest muligt ud af dit AI-projekt, skal du starte med dine og din brugers behov.
Og husk, at din AI skal holdes i form, hvis den skal blive ved med at levere gode resultater. Den skal trænes, justeres og holdes op mod virkeligheden – og det gælder i endnu højere grad, når den får lov at handle på egen hånd.
Fremtidens forbrugere forventer intelligente løsninger

Skal vi hjælpe dig i gang med AI?
CIO-indsigter
Får du teknologi til at drive forretning?

Indsigter fra toneangivende CIO's
Hvordan navigerer Danmarks CIO’s i en tid med konstant teknologisk forandring? Vi har talt med digitale ledere fra et tværsnit af danske virksomheder om de vigtigste tendenser og strategiske fokusområder for fremtidens IT. Indsigterne er kogt ned i vores rapport, som du kan få fingrene i her.
Skal vi ikke tale om dig i stedet?
Tag fat i os – så giver vi sammen dit næste projekt flyvehøjde



