<img src="https://secure.leadforensics.com/133892.png" alt="" style="display:none;">

Om du inte vet i vilken ände du skall börja för att starta upp arbetet med AI i er verksamhet – så är du inte ensam. Ofta blir det mycket snack och lite verkstad, vilket resulterar i att man inte får fart på innovationskraften. Många gånger slutar AI-satsningarna på en pilotkyrkogård. Vi går igenom hur du undviker detta i ett tidigare blogginlägg, men nu ska vi ge några tips utifrån ledande branschpraxis för hur du konkret kommer igång med AI – på riktigt.

1. Koppla AI-arbete till affärsmål i workshoppar

Eftersom artificiell intelligens är ett brett område med  många möjligheter att helt förändra verksamheter är det lätt hänt att man inte riktigt förstår vad AI kan göra från ett mer konkret perspektivDärför är det viktigt att ledningsgruppen förstår AI:s potential i förhållande till organisationens behov och data. Det behövs för att de ska kunna koppla AI-arbetet till affärsmål och verksamhetsnyttaSe därför till att bygga upp medvetenenhet ledningsgruppen om hur AI tillämpas i praktiken för att kunna förankra AI-arbetet på högsta nivån. Här kan workshoppar vara ett utmärkt sätt att ta reda på både behov och möjligheter.  

2. Överbrygga organisatoriska silos med ett AI-råd

Många AI-projekt fastnar i organisatoriska silos i mitten av verksamheten på grund av otillräcklig uppmärksamhet från ledningsgruppen. För att se till att AI-projekt väljs ut, prövas, implementeras och kommer ut i organisationen med rätt fart och inriktning behöver ni helst involvera flera ledande befattningshavare. Tillsammans bör de ha rätt behörighet och kompetens att fatta viktiga beslut snabbt. Därför är ett AI-råd med deltagare från ledningsgruppen ett verksamt sätt att skapa förutsättningar för effektivare arbete med AI-projekt och få igång innovationskraften.

3. Identifiera värdefulla AI-projekt i ett innovationslaboratorium 

För att kunna arbeta effektivt med AI på ett hållbart och kontinuerligt sätt behöver ni bygga upp en kompetens och vana i att hitta rätt bland projektidéer. Det handlar om att titta närmare på verksamhetsbehov och dataunderlag löpande för att identifiera vilka projekt som tillför värde. Det kan med fördel göras i form av ett innovationslaboratorium, där AI-rådet sammanstrålar med olika delar av verksamheten för att samla upp idéer och hypoteser. Var ligger de största vinsterna i era verksamhetsprocesser? Var finns det lågt hängande frukter? Se till att välja ut specifika områden och avgränsade omfattningar för prototyper.

4. Testa hypoteser i verkligheten med pilotprojekt 

Nu är det dags att pröva om hypoteserna som låter bra i teorin funkar i verkligheten. Börja med att se över vad ni har för relevant data idag. Är den tillräcklig? Kan ni få tillgång till mer och/eller bättre data framöver? Välj ut dem hypoteserna som ni vill gå vidare med i pilotprojekt. Tänk på att ha verksamhetsnyttan i fokus under pilotprojektets gång. Det gäller att visa vilket värde verksamheten skulle ha av projektet.

5. Få ut maximal ROI över tid med löpande förbättringar

Hur gick det med pilotprojekten? Utvärdera och välja ut vilka projekt som ska få leva vidare. Det blir lätt en pilotkyrkogård om ni inte arbetar målmedvetet med att få ut AI-projekten i verksamheten efter pilotfasen För att kunna ge maximal verksamhetsnytta kräver alla projekt löpande arbete även efter att de är satta i produktion. Det borde vara en självklarhet att ett AI-projekt aldrig är “klart” utan att det kan förbättras rejält allt eftersom mer data kommer in. Med tanke på att AI till stor del bygger på data, är det inte konstigt att man med just AI behöver arbeta datadrivet och agilt. Se därför till att ge uppmärksamhet och stöd till lovande projekt i alla led, från hypotes och pilot till produktionssättning och löpande drift.

Kom ihåg att det är normalt att fler projekt misslyckas än lyckas. Trots det bör ni våga satsa stort och inte bara på små projekt som saknar potential att göra skillnad. Det kommer att vara värt mödan i slutändan. Genom att koppla AI-arbetet till affärsmål, överbrygga organisatoriska silos, identifiera värdefulla projekt, testa bra idéer i verkligheten och få ut projekten i verksamheten ökar ni chanserna för framgång avsevärt.

 

Här kan AI-experter spela en viktig roll för att hjälpa er komma igång och bygga upp kompetens och rutin kring dessa steg. Lär dig mer om hur Columbus Data & Analytics kan hjälpa er lyfta AI-arbetet. 

 

Diskutera detta inlägg

Rekommenderad läsning

Under hela mänsklighetens historia har vi gått igenom paradigmskiften tack vare tekniska innovationer. Till exempel satte ångmaskinen igång den industriella revolutionen. Även internet har helt förändrat vår vardag. Nu innebär Artificiell Intelligens den största förändringen vårt samhälle någonsin har skådat.  Men vad innebär det för just er organisation – idag och imorgon? En sak är säker – det är dags att börja ta AI på större allvar om ni vill fortsätta vara konkurrenskraftiga. 
Artificiell intelligens kommer allt högre på dagordningen för svenska företag. Trots större satsningar är det ändå många AI-initiativ som misslyckas. Varför är det så? Ibland kommer man inte igång utan hamnar i en ond cirkel av planering kring strategi med brist på tydligt ledarskap i frågan. I andra fall är förslag på AI-projekt inte hållbar i praktiken på grund av otillräcklig data. Men den största anledningen till att AI-satsningar misslyckas är att de inte har en tillräckligt bra koppling till konkret verksamhetsnytta.
right-arrow share search phone phone-filled menu filter envelope envelope-filled close checkmark caret-down arrow-up arrow-right arrow-left arrow-down