Vilka framgångsfaktorer är egentligen kopplade till en lyckad implementering av AI? I den här posten vägleder vi dig genom de viktiga beståndsdelarna: affärsdrivet syfte, involvera intressenter, kunskapsdelning, organisationsstruktur och data, som kommer ha stor betydelse inför ditt företags första implementering av AI.

Implementeringsprocessen

För att ditt företag ska lyckas med en AI-implementation behöver ni förstå er verksamhet och sätta ett tydligt syfte och en målbild av vad som skall uppnås med AI-lösningen.

För att framgångsrikt lyckas med ett AI-projekt är det viktigt att ta många små lyckade steg i rätt riktning. Om ditt företag inte implementerat någon AI-lösning tidigare är det viktigt att inte försöka implementera alldeles för komplicerade modeller och underskatta processen. Därför rekommenderar vi att börja med ett litet problem och innan ni sätter igång projektet, därför föreslår vi att ni börjar med ett mindre problem. Innan ni påbörjar projektet, ta hjälp av någon som kan bedöma om risken för misslyckande är för hög. Det kan tex handla om att tekniken ännu inte är mogen, eller att det finns en annan teknik utanför AI som är mer lämpad. Läs mer i vår guide: Aktiviteter inför ditt första AI-projekt.

Intressenter

När vi på Tenfifty hjälper företag att införa AI så vill vi göra så lite förändringar som möjligt för människorna som arbetar på företaget. Människor gillar inte alltid förändring och därför är det viktigt att i förväg tänka på hur mycket AI:n kommer att förändra hur någon skall jobba. 

Att involvera intressenter genom hela AI-processen blir därför en  viktig framgångsfaktor. Det kan vara klokt att göra en analys av AI-verktyget för att få en bild av vilka kunder, medarbetare och partners som berörs affärsmässigt av verktyget och hur dess funktion kommer påverka deras beteenden. Att använda AI kan förändra arbetssätt och interna processer i din organisation, samtidigt kan delar av en organisation uppleva sin kompetens hotad av en ny teknologi. Därför är det av stor vikt att involvera de faktiska användarna av lösningen, både inför och genom hela processen, för att undvika misstro eller brist av förståelse för vad en AI-lösning faktiskt gör och kan hjälpa er organisation med.

Kunskapsdelning

Större organisationer sitter ofta fast i äldre strukturer, processer och regelverk, vilket försvårar implementering av nya teknologier och agila arbetssätt.

För att implementerings-processen ska bli så effektiv som möjligt och att AI-lösningen ska ge ett värde i den större organisationen kan det vara klokt att strukturera ett centralt AI-kompetenscentrum som fördelar kunskap och kompetens till de olika affärsenheterna. Syftet med kompetenscentret kan därefter vara att avveckla sig självt när din organisation besitter tillräcklig kunskap inom området AI. Mindre organisationer som fötts in i den digitala världen har kanske inte samma utmaningar med gamla system och modeller och behöver inte fokusera på att bygga någon specifik struktur inför en AI-implementation, utan kan istället fokusera på sitt huvudsakliga syfte i verksamheten. Oavsett storlek så bör ett AI-projekt alltid drivas från verksamheten och inte från IT.

Data

För att din organisation ska kunna erhålla användbar information eller automatisera processer och nyttja AI och maskininlärning  behöver relevant data finnas tillgänglig, men vad innebär relevant data egentligen? 

Det behöver inte nödvändigtvis handla om hur mycket data ditt företag besitter, utan snarare att data som finns tillgänglig är relevant och har kvalité. Företag har ofta otroliga mängder data, men dessvärre betyder inte det att data nödvändigtvis är användbar för ett AI-verktyg. Eftersom AI lär sig av data ligger detta till grund för hur användbar och precis en AI-lösning kan bli.

Att ha en sofistikerad och teknologisk infrastruktur för att samla och förvara data ger goda förutsättningar för att lyckas. Det är därför avgörande för din organisation att ni ser till att data är korrekt, samt att ni kontinuerligt hämtar in data då beteenden förändras över tid. Vi har tagit fram en dataguide där vi dyker ner i området ytterligare. Ladda ner guiden här.

Lyssna gärna också på vårt poddasvnitt tillsammans med vår kund GKN Aerospace Sweden “När datan suger- Vad gör man då?” om du vill få tips på hur du kan gå tillväga för få ordning på ditt företags data. 

Author

Benita Bruzelius
Head of Marketing