I en artikel från tidigare i år, trendspanade vi om att det enorma intresset för AI börjar landa i att det faktiskt kan appliceras rent praktiskt. Fokus har börjat skifta. Från att testa verktyg som ChatGPT, till att integrera AI i egna processer, system och produkter. Och det är nu vi börjar se den verkliga nyttan av AI.
Och det är också där många börjar ställa nya frågor. För ofta säger själva idén “vi vill göra något med AI”, egentligen väldigt lite. Bakom den kan det dölja sig helt olika ambitioner – allt från att testa något i liten skala, till att automatisera tidskrävande processer, eller bygga AI-funktioner i en produkt som ska användas av riktiga kunder.
Projekten kan skilja sig väldigt mycket – både i omfattning och i vad de faktiskt kräver. Det är också därför nästa fråga ofta blir svår att svara på: “Vad skulle något sånt kosta?” Svaret beror inte på AI i sig – utan på vilket problem ni egentligen försöker lösa.
Så vad menar man egentligen?
Många har idag testat AI för att skriva texter, strukturera data, generera bilder och mycket mer.
Men när man börjar prata om att implementera AI på riktigt handlar det nästan alltid om något mer konkret:
- något som idag görs manuellt
- något som tar orimligt mycket tid
- eller något som kostar mer än det borde
I praktiken handlar det ofta om processer som inte skalar. Arbete som kräver handpåläggning. Eller uppgifter som tar tid från rätt personer. Det är där AI faktiskt börjar bli intressant – som ett verktyg för att lösa befintliga problem.
Hur man kommer igång på bästa sätt
Det som avgör om ett AI-projekt lyckas eller inte är nästan aldrig tekniken. Det är hur väl problemet är definierat. Många börjar i fel ände – i möjligheterna, i verktygen, i vad AI kan göra. Men det handlar snarare om att hitta kärnan i ett problem. Att göra det konkret så att det går att bygga något kring det. Samt tillräckligt värdefullt för att det ska vara värt investeringen.
- Vad exakt ska förbättras?
- Var uppstår friktionen idag?
- Vad är “bra nog” i praktiken?
Det är också där de flesta projekt faller isär – inte för att AI:n är dålig, utan för att problemet inte är tillräckligt definierat.De projekt som faktiskt fungerar har nästan alltid en sak gemensamt:
- de börjar smalt.
- Ett tydligt use case.
- En avgränsad del av en process.
- Något som går att testa, mäta och förbättra.
Det är först här AI blir ett verktyg som går att använda på riktigt – inte som en idé, utan som något som skapar konkret värde.
Just nu letar vi efter problem som går att lösa med AI
Vi jobbar just nu med att bygga AI-lösningar tillsammans med företag som vill ta nästa steg.
- något som idag görs manuellt
- något som tar orimligt mycket tid
- eller något som kostar mer än det borde
Om det går att förbättra med AI – då är det intressant. Känner du igen dig i det? Hör av dig till oss via formuläret, så tar vi en första dialog.
