Varför de flesta AI-uppdrag misslyckas innan de ens har börjat
Företag börjar med 'vi vill ha AI' i stället för ett konkret problem. Det är misstaget. Så skiljer sig de bra uppdragen från de andra.
De flesta företag som startar ett AI-projekt har en sak gemensam: de börjar med lösningen, inte problemet. Någon läser en rapport, blir entusiastisk och ringer en leverantör. Sex månader och 200 000 euro senare fungerar saken ungefär, men ingen använder den.
Här är vad som går fel.
”Vi vill göra AI” är inte ett uppdrag
Den farligaste frasen i ett AI-uppdrag är “vi vill använda AI för att förbättra vår verksamhet”. Den låter som ett mål. Det är den inte.
Ett mål är något i stil med: vi lägger tre timmar per faktura på manuell klassificering och vill komma under tjugo minuter. Det går att bygga mot. “Vi vill använda AI” är en utgångspunkt för en produktdemo, inte ett projekt.
När underlaget är vagt blir projektet ett konceptbevis som inte bevisar något särskilt. Imponerande på en demo, meningslöst i drift.
Leverantören väljs för tidigt
Företag väljer ofta leverantör innan de har förstått problemet. En leverantör med ett blänkande chattgränssnitt blir “AI-lösningen”, oavsett om en chattbot är det verksamheten faktiskt behöver. När det märks att det inte passar är avtalet undertecknat och den interna förespråkaren har satt sitt anseende på det.
Leverantörssamtalet ska komma först när du har skrivit ner: vilket problem, vilken data, vilket resultat och hur framgång ser ut om sex veckor. Kan du inte svara på det är du inte redo att utvärdera leverantörer.
De tråkiga delarna äter upp projektet
Den glamorösa delen av ett AI-projekt, modellen, inferensen och gränssnittet, är kanske 20 procent av arbetet. Resten är dataåtkomst, rensning, integration med befintliga system, driftsättning och övervakning.
Företag som inte budgeterar för det hamnar ofta i stopp fyra månader in, i väntan på ett IT-ärende för att få läsbehörighet till en databas. Modellen var klar i vecka två.
Så ser de bra uppdragen ut
Börja med ett specifikt och kostsamt problem. En process, ett team, en flaskhals. Bygg det minsta som sorterar, klassificerar eller skriver utkast rätt i drift. Sedan utökar du.
De bästa uppdragen vi har sett ägnar de första två veckorna åt att diskutera om man överhuvudtaget ska bygga något. Det är precis rätt. Granskningsfasen är inte bortkastad tid. Den är det som hindrar dig från att dyrt bygga fel sak.
Om en konsult inte kan säga “det här är inte värt att automatisera” ska du hitta en annan konsult. Vill du veta hur ett avgränsat och ärligt uppdrag ser ut: så här går vi tillväga.