AI-piloter som aldrig lämnar sandlådan
De flesta företag har haft en AI-pilot de senaste två åren. Få har en som fortfarande körs i produktion. Felet ligger sällan i modellen.
Fråga de flesta medelstora företag om sina AI-projekt så får du höra om en pilot. Ett proof of concept som imponerade på en demo, fick lite intern entusiasm och slutade sedan nämnas. Ingen stoppade den med avsikt. Den blev bara aldrig något folk litade på.
Mönstret är så vanligt att det är värt att fråga varför. Orsaken är sällan modellen.
Demon och arbetsflödet är olika problem
En pilot måste bevisa att idén fungerar. Ett system i drift måste klara dagen då någon är på semester, indata kommer felformaterat, leverantören ändrar sitt API och ett resultat måste gå att spåra sex månader senare, när någon frågar var siffran kom ifrån. Det är olika tekniska problem. En pilot som byggts för det första klarar sällan det andra.
Därför kan en pilot se klar ut och ändå vara långt från färdig. Demon svarar på frågan “kan det här fungera”. Driften svarar på “fortsätter det att fungera när ingen tittar”. Den listan är mycket längre, och den skrivs sällan ner innan piloten startar.
Vem äger den när entusiasmen har lagt sig
Piloter drivs ofta av en engagerad person. De byggs av ett externt team eller en leverantör och lämnas sedan över till den som finns tillgänglig när projektbudgeten tar slut. Ingen äger uttryckligen uppgiften att hålla den igång, att märka när den har fel eller att uppdatera den när processen bakom ändras. Utan ägare havererar en pilot inte högt. Den får bara allt mindre uppmärksamhet och används till slut inte alls.
Att vara redo för produktion betyder att en specifik person ansvarar för saken efter lansering. Om den personen inte är utsedd innan piloten startar är det en tydlig signal. Då är piloten inte på väg mot produktion, hur bra den än ser ut på demon.
“Det fungerar” är fel måttstock
En pilot lyckas genom att nå ett träffsäkerhetstal i ett kontrollerat test. Ett system i drift lyckas när folk litar på den nog för att bygga sitt riktiga arbetssätt runt den. Då måste du svara på frågor som piloten aldrig behövde besvara. Vad händer när den har fel? Hur upptäcker och rättar en människa felet? Vad kostar ett fel som slinker igenom?
En pilot som är 90 procent träffsäker utan plan för de övriga 10 procenten är inte 90 procent på väg till produktion. Den har fastnat.
Det som tar en pilot hela vägen till drift
De projekt som tar sig förbi piloten började nästan alltid med en smalare fråga än “kan AI göra det här”. De började med ett specifikt, tråkigt arbetsflöde, en namngiven ägare för det som händer efter lansering och ett ärligt svar på vad som händer när modellen gör fel. Allt det fanns på plats innan en enda rad i piloten skrevs.
Det är ett mindre spännande startmöte än “låt oss se vad AI kan göra för oss”. Men det är versionen som fortfarande körs ett år senare.
Har du en pilot i en låda som imponerade på alla och sedan blev tyst? Då är lösningen oftast inte en bättre modell. Vi kan titta på vad som saknas.