ANNONCE
Når virksomheder diskuterer kunstig intelligens, kommer samtalen hurtigt til at handle om avancerede AI-agenter, sprogmodeller og nye digitale produkter. Men det mest værdifulde sted at begynde kan være langt mindre spektakulært.
Se på de opgaver, medarbejderne udfører igen og igen.
Det kan være oplysninger, der manuelt flyttes fra ét system til et andet, dokumenter, der skal sorteres, rapporter, der bygges af de samme datakilder hver måned, eller kundehenvendelser, der kræver de samme indledende trin.
Netop her er potentialet interessant. Ikke fordi enhver rutineopgave skal overtages af AI, men fordi gentaget manuelt arbejde er relativt nemt at identificere, måle og forbedre.
AI er ikke nødvendigvis det rigtige værktøj
Det er fristende at sætte AI-mærkatet på ethvert automatiseringsprojekt. Det gør ikke nødvendigvis løsningen bedre.
Hvis en opgave følger klare regler, og inputtet altid har samme struktur, kan traditionel automatisering være tilstrækkelig. Et system behøver eksempelvis ikke kunstig intelligens for at flytte en fil til en bestemt mappe, når en fast betingelse er opfyldt.
AI bliver mere relevant, når processen indeholder materiale, der ikke passer lige så pænt ind i faste regler. Det kan være tekst i mails, dokumenter med varierende indhold eller andre data, hvor systemet skal identificere mønstre og indhold.
Skellet er vigtigt. En unødigt kompleks løsning kan blive dyrere at implementere og vanskeligere at kontrollere. Teknologien bør vælges efter arbejdsopgaven – ikke omvendt.
Find processen før teknologien
Et godt første automatiseringsprojekt har typisk nogle egenskaber, der gør effekten forholdsvis let at vurdere.
Virksomheden kan begynde med at lede efter opgaver, hvor:
- processen udføres ofte og nogenlunde ens hver gang
- medarbejderne bruger målbar tid på manuelt arbejde
- indtastning eller overførsel af data skaber risiko for fejl
- opgaven har et tydeligt start- og slutpunkt
- resultatet kan kontrolleres efter automatiseringen.
Det kan eksempelvis være dele af fakturabehandling, rapportering eller onboarding. I andre tilfælde kan det være håndtering af dokumenter eller informationsudveksling mellem CRM-, ERP- og økonomisystemer.
Inden processen automatiseres, er det dog værd at undersøge, om den overhovedet er hensigtsmæssig. En ineffektiv arbejdsgang bliver ikke nødvendigvis god, fordi den udføres hurtigere af software.
Nogle gange er den bedste første forbedring derfor at fjerne et trin i stedet for at automatisere det.
AI automatisering bør afprøves i kontrolleret skala
Når en egnet proces er fundet, behøver virksomheden ikke begynde med en løsning, der ændrer arbejdsgangen for hele organisationen.
En afgrænset pilot gør det muligt at undersøge, om teknologien skaber den forventede værdi. Azend beskriver netop en tilgang til AI automatisering, hvor arbejdsgange først kortlægges, hvorefter blandt andet værdi, kompleksitet og risiko vurderes. Virksomheden arbejder med teknologier som Power Automate, Microsoft Copilot, RPA og AI-agenter afhængigt af opgaven.
En pilot bør samtidig have et klart succeskriterium. Hvis målet er at reducere manuel behandling, bør virksomheden kende tidsforbruget før implementeringen. Hvis målet er færre fejl, skal fejlene kunne registreres. Ellers bliver det vanskeligt at afgøre, om projektet faktisk har forbedret processen.
Sikkerhed og databehandling skal også indgå fra begyndelsen. Det gælder især, når en løsning får adgang til interne dokumenter, personoplysninger eller forretningskritiske systemer. Adgangsstyring, GDPR og virksomhedens øvrige sikkerhedskrav er ikke noget, der med fordel kan tilføjes, når løsningen allerede er taget i brug.
Den interessante AI-strategi behøver derfor ikke begynde med en stor vision. Den kan begynde med at spørge medarbejderne, hvilken tilbagevendende opgave de helst var fri for at udføre manuelt. Hvis svaret peger på en velafgrænset proces med et målbart tidsforbrug, har virksomheden allerede fundet et langt mere konkret udgangspunkt end endnu en diskussion om, hvad AI måske kan gøre om fem år.
