Jeg er enig med Henrik Bibow som i Digi 5. august skriver om KI-adopsjon. Det krever spisskompetanse innen flere fagfelt, blant annet:
- IT-arkitektur
- Prosjektledelse
- Prosjektstyring
- Funksjonell ledelse
- Maskinlæring
De fleste nordiske bedrifter har delvis denne kompetansekombinasjonen internt, mener jeg.
For å lykkes med KI trenger man tilgang til renset data som egner seg for , slik at LLM-modeller forstår innholdet og leverer presise resultater. Uten en grundig dataopprydding og strukturering:
- Modeller forstår ikke sammenhengen i tekst og tall
- Det forekommer feilaktige eller misvisende resultater
- Det resulterer i prosjektforsinkelse
Jeg foreslår å implementere rutiner for tokenisering og for å sikre at store språkmodeller (LLM) kan analysere og generere mer presis innsikt.
Forretningsscenarier
Mange bedrifter sliter etter mitt syn med å identifisere forretningsscenarier som gir størst gevinst ved KI-initiativ. Dette krever tverrfaglig kompetanse som kombinerer domeneekspertise med spisskunnskap innen maskinlæringsoperasjoner (MLOps) og modellforståelse.
Det finnes et hav av KI-modeller tilgjengelig, men hvilken som passer best i en gitt kontekst, lærer man gjennom erfaring. Her gjelder prinsippet om at én løsning ikke passer alle (one size does not fit all).
En annen utfordring er interne konfliktlinjer mellom systemutviklings- og cybersikkerhetsavdeling:
- Utviklingsteamet fokuserer på integrasjoner og hendelsesdrevet arkitektur
- Sikkerhetsteamet arbeider etter Zero Trust (null-tillit)-arkitektur
Dette kompliserer beslutningsprosesser for ledere uten ingeniørbakgrunn innen disse fagfeltene, har jeg opplevd.
Kjennetegn
Når det gjelder autonome agenter og bruk av agentisk KI er det helt forståelig at det ifølge Henrik Bibow er kun 15 prosent nordiske bedrifter som fullt ut har integrert KI i prosessene sine. Dette gjelder om man ser nærmere på det:
- Disse bedriftene har gjennomgått modenhetsreise i flere år
- De har etablert et veikart og hadde nådd de viktigste milepælene og
resultatmålene som er viktigste forutsetninger for en vellykket KI-adopsjon
Derfor er det avgjørende å ha enten intern datakompetanse på huset eller tett samarbeid med en anerkjent og pålitelig teknologileverandør som kan bistå bedriften gjennom reisen. Etter min mening bør denne beslutningen tas på det øverste nivået i organisasjonen, uavhengig av sektor – altså offentlig eller privat.
Tillit og trygghet
En enda viktigere forutsetning for å øke 15 prosent er at vi må bygge tillit og skape psykologisk trygghet gjennom en «fail fast – learn faster»-tilnærming. Slik kan både medarbeidere og ledelse utvikle en læringskultur og få en felles forståelse av den mest effektive bruken av avansert KI. Denne prosessen krever både effektiv prosessledelse og endringsledelse.
I bunn og grunn er det mennesker, ikke maskiner, som driver frem en vellykket KI-adopsjon. Derfor foreslår jeg å identifisere riktige personer på alle nivåer som kan:
- Formidle visjon og retning
- Fasilitere tverrfaglig samarbeid
- Sikre kontinuerlig forbedring og justering
Sist, men ikke minst vil støtte fra toppledelsen legge grunnlaget for at KI faktisk skaper verdi både for mennesker, bedrifter og det nordiske samfunnet.
De fleste nordiske bedrifter er fortsatt KI-nybegynnere
