AI-adopsjon bør ledes som én bevegelse med tre parallelle spor: individuell kompetanse, raske innovasjonsløp og større initiativer.
Av Martin Berg · Partner

De fleste virksomheter har begynt AI-arbeidet på én av tre måter.
Noen kjøper lisenser og tilbyr opplæring. Andre setter i gang en rekke små piloter. En tredje gruppe går rett på et stort initiativ med høy strategisk betydning.
Alle tre kan være gode valg. Utfordringen oppstår når de gjennomføres som separate aktiviteter. Opplæring gir lokal produktivitet, men få nye arbeidsflyter. Pilotene gir energi, men mangler eierskap og vei til skalering. Det store initiativet bygger på antakelser som ennå ikke er testet i organisasjonen.
Vi mener derfor at AI-adopsjon bør ledes som én portefølje med tre parallelle spor:
Sporene krever ulik kompetanse, kapital og styring. Verdien øker når erfaringene får flyte mellom dem.
Det første sporet handler om å gjøre ansatte tryggere og mer produktive med verktøyene de allerede har tilgang til. De lærer å skrive bedre instruksjoner, analysere informasjon, forberede møter, lage utkast og sette opp enkle, gjentakende oppgaver.
Den viktigste effekten kan likevel være noe annet enn tiden hver enkelt sparer: De ansatte utvikler mønstergjenkjenning.
Når folk forstår hva AI kan bidra med, begynner de å legge merke til manuelle kontroller, gjentakende vurderinger og informasjonsflyt som tidligere ble tatt for gitt. Dermed får virksomheten flere øyne som kan identifisere gode initiativer.
Hos en av kundene våre lærte ansatte å bruke enkle, planlagte oppgaver i Copilot. Det avdekket en tilbakevendende manuell prosess for å kontrollere markedspriser og oppdatere selskapets egne priser. Oppgaven ble tatt videre i en innovasjonslab, automatisert på kort tid og sparer nå flere timer hver uke.
Individsporet skapte både en umiddelbar gevinst og råmaterialet til neste spor.
Innovasjonslabben tar muligheter et steg videre enn vanlig bruk av Copilot og andre assistenter. Målet er å automatisere avgrensede, manuelle oppgaver uten å rigge et stort program rundt hver idé.
Dette sporet bør ha korte utviklingsløp, tilgang til relevante fagpersoner og tydelige kriterier for hva som kan testes. En enkel oversikt over data, systemer, tilganger og begrensninger gjør det lettere å velge oppgaver med kort vei til verdi.
Labben produserer mer enn små automatiseringer. Den viser hvilke data som holder nødvendig kvalitet, hvor integrasjoner stopper opp, hvordan brukerne reagerer, og hvilke oppgaver som har nok verdi til å fortjene større investeringer.
Slik reduserer virksomheten usikkerhet før den binder mer kapital.
Noen muligheter krever et helt annet nivå av arbeid. Det gjelder særlig når initiativet:
Et eksempel kan være å bygge om hele innholdsproduksjonen i en markedsavdeling eller automatisere store deler av en prosjektstyringsprosess. Her er en prototype bare én del av jobben. Datagrunnlag, styring, sikkerhet, prosesseierskap og organisatoriske konsekvenser må behandles som deler av samme initiativ.
Vi har jobbet med en virksomhet som hadde en tydelig tese om hvordan AI kunne forbedre både effektivitet og kvalitet i sentrale prosesser. En rask datakartlegging viste at deler av datagrunnlaget måtte transformeres først.
Den innsikten gjorde dataprogrammet mer presist. Arbeidet kunne deles i sprinter, der hver sprint var knyttet til en konkret AI-arbeidsflyt og en definert forretningsverdi. Virksomheten slapp å gjennomføre en stor, generell datatransformasjon og håpe at verdien skulle komme senere.
De tre sporene bør drives parallelt, med kontinuerlig læring mellom dem.
Individuell bruk avdekker arbeidsoppgaver og bygger kompetanse. Innovasjonslabben tester hvilke muligheter som lar seg realisere raskt, samtidig som den synliggjør tekniske og organisatoriske hindringer. Større initiativer bygger varige kapabiliteter som igjen gjør det enklere å skape nye gevinster i de to andre sporene.
Fordelingen av investeringer vil endre seg over tid. For mange virksomheter er det naturlig å starte med større vekt på individuell kompetanse. Etter hvert som mulighetene blir tydeligere og organisasjonen bygger erfaring, kan mer kapital flyttes mot større implementeringer. Alle tre sporene bør fortsatt være aktive.
Summen av aktivitetene utgjør selskapets AI-portefølje. Den trenger én tydelig eier.
CEO må som minimum støtte arbeidet. De sterkeste adopsjonsløpene vi ser, har ofte en CEO som selv eksperimenterer, deler erfaringer og viser at AI er relevant for hvordan virksomheten drives.
Den daglige koordineringen kan ligge hos en AI-leder med nok innsikt i virksomheten, tid til å drive arbeidet og myndighet til å gjennomføre. Rundt denne personen bør det stå en liten, tverrfaglig gruppe. Ansatte med høy interesse og gjennomføringsevne kan få dypere trening som AI-ambassadører, og enkelte bør kobles direkte til beslutningene på ledernivå.
Første steg er derfor å avklare hvem som kan eie hele porteføljen internt. Dersom virksomheten mangler kompetansen eller kapasiteten, kan en ekstern AI-leder fylle rollen i en periode. Rollen omtales noen ganger som en fractional Chief AI Officer.
Dette er en rolle vi allerede har for flere av virksomhetene vi jobber med: Vi hjelper ledelsen med å koordinere de tre sporene, prioritere investeringene og bygge opp internt eierskap underveis.
Et godt ledermøte kan starte med tre spørsmål:
Svarene gir et langt bedre utgangspunkt for AI-adopsjon enn enda en løs samling med kurs, piloter og store ambisjoner.
Nyhetsbrev
Få det vi lærer, rett i innboksen.
Korte oppdateringer om AI i praksis. Ingen spam.

På 30 minutter snakker vi om hvor dere står, hva dere vil få til og hva som må være på plass for å komme videre.
Book en samtale