
Suksessfaktorer for AI: Uten grunnmuren betaler dere for rotet to ganger
I videoen viser Martin hva som må på plass før AI gir effekt.
AI-lisensene er rullet ut, og alle har vært på kurs. Hva nå? Denne artikkelen introduserer begrepet AI-modenhet, og hva som skal til for å gå fra AI som et verktøy for den enkelte til AI som et konkurransefortrinn for hele virksomheten.

Våren 2020 tok norske virksomheter i bruk Teams nesten over natta da pandemien satte plutselige krav til hjemmekontor. I all hast ble det opprettet team for alt, filene havnet der det passet, og ingen bestemte hvordan verktøyet skulle brukes. Etterpå brukte vi og kundene våre flere år på å rydde.
Nå ser vi at mye av det samme skjer med AI. Utviklingen går i rekordfart, og bedrifter kaster seg på bølgen. Lisensene rulles ut, de ansatte får et kurs, og ledelsen venter på effekten. Hos mange lar den vente på seg, fordi de ikke er modne nok: Strukturen, prosessene og vanene som forvandler AI fra et dugnadsverktøy til konkurransekraft, mangler.
AI-modenhet handler om hvor godt strukturen, prosessene og vanene i virksomheten er rigget for å få effekt av AI. En virksomhet der alle har Copilot, kan fortsatt være lite moden hvis hver enkelt bruker verktøyet på sin måte og ingen vet hva det gir.
Ved å kartlegge hvor modne dere selv er, kan dere sette oppnåelige mål, og prioritere det som må på plass før dere kommer videre. Modenheten er sjelden lik i hele virksomheten, så det lønner seg å se på team for team.
“Veldig mange er utålmodige etter å skape konkurransefortrinn med AI. Men de aller fleste har en urealistisk forventning til hva som trengs for å komme dit.”

I Frend deler vi AI-modenhet inn i 4 trinn. Vi bruker dem til å se hvor kundene våre står, og hva som skal til for å komme fra ett trinn til det neste. For hvert trinn ser vi på fire områder: produktivitet og arbeidsflyt, mennesker og organisasjon, strategi og styring, og sikkerhet og data.
På det første trinnet har noen ildsjeler oppdaget AI og tatt det i bruk i sitt eget arbeid, gjerne med verktøy de har valgt selv. Virksomheten mangler strategi, retningslinjer eller noen som eier satsingen, og kompetansen sitter hos de få som har prøvd seg frem. Mange av de første gode bruksområdene kommer herfra, og energien er verdt å ta vare på.
Problemet er at bruken spriker. Gevinstene er usynlige for resten av virksomheten, og dataene ligger lokalt, i e-post og spredt rundt i fellesområdene, uten at noe er merket som sensitivt. Blir dere stående her for lenge, gir ildsjelene opp, eller de tar i bruk verktøy ledelsen ikke vet om.
På trinn 2 tar ledelsen grep om AI-bruken, som til nå har vært opp til hver enkelt. AI-strategien blir vedtatt, et felles verktøy rulles ut til alle, opplæringen settes i system, og det kommer retningslinjer for ansvarlig bruk.
Hver enkelt jobber nå litt raskere, og det oppleves gjerne som dere har kommet godt i gang. Likevel jobber virksomheten stort sett som før, og mange bedrifter blir stående lenge i denne fasen.
På trinn 3 er AI en del av teamets faste oppgaver, som tilbud, rapporter og saksbehandling. Der hver enkelt jobbet litt raskere på trinn 2, deles nå gode løsninger med resten av virksomheten eller teamet, og endrer måten arbeidet gjøres på. Dere kartlegger arbeidsmetodikk, prioriterer ideer og prøver ut nye måter å løse oppgavene på. Lederne setter av tid til læring og bruker AI synlig selv.
Her blir det mulig å måle gevinsten, fordi den ligger i en felles prosess og ikke i hodet til hver enkelt. Det er vanlig at noen team kommer hit mens resten av organisasjonen står på trinn 1 eller 2.
På trinn 4 er AI bygd inn i hvordan dere skaper verdi, og strategien tar utgangspunkt i hva AI gjør mulig. Hele arbeidsprosesser er lagt om eller fjernet, kundene møter AI i løsninger som er i drift, og effekten viser seg i nøkkeltallene dere styrer etter.
For å komme hit trenger dere en fast løype som tar nye ideer fra test til drift, med godkjenning før noe settes i bruk. Nøkkeldataene må være tilgjengelige for AI på tvers av systemene, og de ansatte må kunne bygge egne løsninger innenfor trygge rammer. Ledelsen setter en flerårig ambisjon med måltall og finansiering, slik at satsingen har retning over tid.

I videoen viser Martin hva som må på plass før AI gir effekt.
Lisensene er på plass, alle har vært på kurs, og likevel skjer det lite. De fleste bedrifter vi møter, stopper opp mellom trinn 2 og 3 i AI-modenhetsreisen. Det skjer fordi adopsjon krever at flere ting er på plass samtidig:
Mangler én, reduseres eller uteblir verdien.
I Frend er vi rundt 50 rådgivere, designere og utviklere. Vi har lært mye om AI de siste 2 årene, og i år brukte vi den læringen til å snu opp ned på hvordan vi selv jobber. Vi ryddet i dataene, fikset strukturene, valgte verktøy og gikk gjennom prosessene våre én etter én.
“Det koster masse tokens og masse credits og masse lisenser. Men gevinsten på den andre siden er for oss helt enorm.”

Statusen på kundeprosjektene er et godt eksempel. Før gikk det med en halv dag hver uke til å spørre prosjektlederne, hente timer og budsjett fra flere systemer og samle alt i et Excel-ark som var utdatert før det var ferdig. Nå ligger statusen klar hver mandag kl. 08.00, med økonomi, fremdrift og hvor vi ligger an mot budsjettet. Den fanger også opp risiko vi ellers ikke ville sett, fra e-post fra kundene til ferieplanene i teamet.

Prosjektstatusen henter tallene fra dataplattformen vår. Se hvordan vi har satt det opp med Claude.
For oss, som jobber med AI hver dag, tok det rundt et halvt år å komme til trinn 4. Underveis har vi tatt med oss viktig læring om hva som avgjør om dere kommer dere dit: prosessene, fundamentet, folkene og målingen.
Lenge handlet digitalisering mest om å være teknisk flink nok til å få ting til å virke. Med AI er det vel så viktig å forstå prosessene dere skal forbedre.
«Hvis man ikke forstår prosessene og har god nok kjennskap til dem, er det vanskelig å få gjort noe ordentlig med det», sier Martin.
Vi starter med teamet som eier prosessen. Bruker 2 av 7 i et team AI, blir gevinsten liten, og den forsvinner når en av dem bytter jobb. Endrer hele teamet måten de jobber på, blir gevinsten varig og lettere å se. Samle dem som gjør jobben og tegn opp prosessen steg for steg. Da ser dere hvor AI og automasjon kan gjøre arbeidet bedre eller raskere, og noen ganger også hva dere kan kutte helt. Prioriter ideene etter verdi og innsats, med lavthengende frukter først og strategiske initiativer etterpå.

Les når dere bør velge AI, app eller automasjon i prosessen.
Når kunder ber oss om hjelp med AI, ser vi først på hvordan de har satt opp verktøyene og dataene sine. I 9 av 10 tilfeller er fundamentet ikke godt nok.
Med fundamentet mener vi arkitekturen og sikkerheten i systemene dere bruker, enten det er Microsoft 365, Google Workspace eller fagsystemer. Det handler om hvilke verktøy som brukes til hva, hvordan filer og data er strukturert, og hvem som har tilgang til hva. Det er her AI-assistentene og agentene henter konteksten sin. Er det rot, finner de feil versjon, bruker flere credits på å lete og gir svar ingen stoler på.

Ta Kaospulsen og finn ut hva rotet i SharePoint og Teams koster dere.
Det vanskeligste med alle nye digitale verktøy er å få folk til å bruke dem. BCG anslår at 70 % av innsatsen i en AI-satsing bør gå til mennesker og prosesser. Dere kan ha verdens beste kanalstrategi i Teams og likevel oppdage at folk lagrer filene privat igjen etter 3 måneder.
Et kurs på 2 timer for hele bedriften gjør ingen til ekspert, og noen uker etterpå er mye glemt. Advokatene og selgerne deres er gjerne veldig gode på fagfeltet sitt, men ikke nødvendigvis i AI. Målet er at de skal kunne bruke AI i jobben uten en mastergrad i AI-verktøy.
Læringen skje i jobben: korte økter på ekte oppgaver, kolleger som viser hverandre hva som virker, og superbrukere i hver avdeling som de andre kan spørre. Hos kundene som lykkes best, er vi inne nesten hver uke. Vi holder spissede workshops for enkeltgrupper og bredere workshops for flere, samler brukerhistorier og justerer løsningene etter hvert som behovene og verktøyene endrer seg.
Ledelsen må gå foran. Den eier målet, setter av tid til å lære og bruker AI selv, og viser med det resten av virksomheten at dette er en del av jobben.

Se Sondre forklare hvordan superbrukere og endringsledelse får folk til å ta AI i bruk.
Gevinsten av AI er vanskelig å måle. Den starter ofte som magefølelse og opplevd nytte, og blir først senere til tall dere kan følge opp.
Ikke alle målinger er viktige. Antall pålogginger og prompts viser at verktøyet brukes, men sier lite om hva det gir. Vi anbefaler derfor å måle på tre nivåer:

Se hvordan Bryn Aarflot fikk 30 % økt effektivitet med AI.


Hvor på AI-modenhetsreisen står dere i dag, og hvor vil dere være om 6 måneder? Vi hjelper dere å ta AI fra et dugnadsverktøy til et konkurransefortrinn, enten dere bruker Microsoft 365, Google Workspace eller egne fagsystemer.
Ring en Frend, så tar vi en prat.