Trött på ändlösa pilotprojekt? Det kan vara dags för en AI-fabrik
Det börjar lovande: Man testar en AI-assistent, kör några pilotprojekt, och resultaten ser initialt positiva ut. Men när AI-strategin ska skalas upp uppstår frågor kring ägarskap, regelverk, kvalitetssäkring, och inte minst ROI.
Situationen
Den stora missuppfattningen om AI är att tekniken skapar värde i sig. Det gör den inte. Värdet uppstår först när AI industrialiseras, och det är precis där de flesta svenska organisationer fastnar. Runt 60 procent befinner sig fortfarande i ett tidigt utforskningsstadium: de har testat verktyg, kört piloter och implementerat AI-assistenter. Men de har inte lyckats skala, styra och koppla AI till verksamhetsmålen.
Varför piloterna inte räcker
Pilotprojekt är ett bra sätt att testa idéer, men vinsterna slutar oftast där. Det som bromsar är sällan brist på idéer. Det är avsaknaden av ägarskap, kompetens, styrning och en strukturerad process för att prioritera och skala.
– Det kan vara så pass illa att man gör en investering bara för att visa upp att man hoppat på AI-tåget. Men man saknar en plan, och man mäter inte effekterna. Då kommer det inte ge så mycket, säger Jonas Emilsson, Lead Architect, Hybrid Platforms på Atea.
Lösningen: AI-fabriken
En AI-fabrik är en strukturerad miljö för att utveckla, drifta och skala AI: rätt infrastruktur, en applikationsmodell och en förvaltning med de människor och processer som AI-arbetet kräver. I stället för isolerade pilotprojekt skapas ett system som möjliggör skalning, mätning och återanvändning. Ju längre du kör det, desto vassare blir det.
Med en AI-fabrik på plats kan organisationer snabbare gå från idé till produkt, och utmana hela processer snarare än enskilda moment. Det är då de stora vinsterna kommer.
En vanlig missuppfattning är att AI skapar värde i sig. Men när AI behandlas som ännu ett IT‑system uteblir effekten.
- Ca. 60 procent av svenska organisationer befinner sig fortfarande på det vi kallar Utforskarsteget i sina AI-satsningar. De har kört piloter, de har labbat, de har implementerat AI-assistenter och liknande verktyg. Men de har inte lyckats skapa verkligt värde med AI, säger Johan Ripgården, erbjudandeansvarig för AI och Analytics på Atea.
Johan Ripgården, erbjudandeansvarig för AI och Analytics på Atea.
Piloterna lyckas. Skalningen misslyckas.
Varför uteblir resultaten av AI-piloterna? Problemet handlar sällan om idéerna – utan om förmågan att skala, styra och koppla AI till verksamhetens mål.
Pilotprojekt är bra sätt att testa olika användningsområden för AI inom verksamheten, eller för att validera om man har tillräckligt mycket data för att kunna bygga en modell. Men vinsterna (om man ens sett några) slutar oftast där.
- Det kan vara så pass illa att man gör en investering bara för att visa upp att man hoppat på AI-tåget. Men man saknar en plan, och man mäter inte effekterna. Då kommer det inte ge så mycket, säger Jonas Emilsson, Lead Architect, Hybrid Platforms på Atea.
Så vad krävs då för att gå från pilotstadiet mot ett mer strukturerat AI-arbete?
Gå för rätt struktur, inte fler idéer
Den viktigaste förutsättningen är att förankra AI-strategin i de större verksamhetsmålen. Här behöver många organisationer bredda bilden av hur man redovisar värde. Vad är det värt att kunderna blir nöjdare på grund av effektivare ärendehantering och högre servicegrad, att medarbetare får en mindre stressig arbetsmiljö, eller att man får en ökad rättssäkerhet till följd av bättre kvalitetssäkring? När AI gör verklig skillnad för de större affärsmålen blir investeringsbeslut lättare.
Jonas Emilsson, Lead Architect, Hybrid Platforms på Atea.
Den andra stoppklossen på AI-resan är kompetensfrågan. Många organisationer saknar kompetens, dedikerad förmåga och ägarskap för att driva AI framåt.
- Man hämmas av en rädsla för att göra fel. Man vet inte hur man ska jobba med regelverk, riskhantering och kvalitetskontroll. Och det bottnar ofta i en brist på kompetens och ägarskap. I USA har rollen Chief Data Officer funnits länge, men den har inte riktigt slagit igenom i Sverige ännu, säger Johan Ripgården.
För organisationer som vill ta nästa steg handlar utmaningen därför inte längre om att göra fler experiment, utan om att skapa en struktur för att utveckla, styra och skala AI-arbetet. Det är här begreppet AI-fabrik börjar få genomslag.
- Ni har redan testat AI i mindre skala, men ni börjar inse att punktinsatser inte räcker.
- Ni ser tydliga verksamhetsområden där AI kan skapa värde.
- Det finns vilja att prioritera kompetens, produktutveckling och långsiktigt värdeskapande.
Då kan en AI-fabrik vara nästa logiska steg.
AI-fabriken industrialiserar utvecklingen
En AI-fabrik kan beskrivas som en strukturerad miljö för att utveckla, drifta och skala AI i verksamheten. Den här typen av arkitektur har andra förutsättningar än ett vanligt datacenter vad gäller energiåtgång, kylning och utformning. Därför krävs satsningar i rätt infrastruktur. Men en AI-fabrik är mer än bara ett gäng serverrack.
- När man går in i en storskalig AI-satsning behöver man både hårdvara, en plattform och applikationsmodell samt en förvaltningshantering, alltså människorna och processerna som hör AI-arbetet till. Det är ett komplett system som möjliggör skalning, mätning och återanvändning på ett helt annat sätt än vad testsystem ämnade för småskaliga piloter gör. Ju längre du kör en AI-fabrik, desto vassare blir den, säger Jonas Emilsson.
Med en AI-fabrik på plats kan man snabbare gå från idé till produkt, och våga utmana hela processer och inte bara enskilda moment. Det är då de stora vinsterna kommer.
Frågan är alltså inte längre om organisationer ska använda AI, utan hur man bäst tar sig från pilotstadiet till skalbart värdeskapande. Då krävs förändringar på organisationsnivå, såväl som rätt tekniska förutsättningar.
- Definiera era AI-ambitioner genom att beskriva hur AI kan bidra till eller utmana era befintliga mål i verksamhetsstrategin.
- Säkerställ att ni har tydligt ägarskap och AI-kompetens som kan agera på era AI-ambitioner.
- Etablera en process för att fånga, validera och prioritera idéer och verksamhetsbehov baserat på en tydlig portföljstyrning.
- Gör en plan för att bygga de tekniska förutsättningarna.
HPE erbjuder ett antal färdiga AI-plattformar, däribland Private Cloud for AI (PCAI) som man utvecklat tillsammans med Nvidia. PCAI är ett förkonfigurerat system som erbjuder infrastruktur, mjukvaror och närmare hundra färdiga mallar, där de flesta kommer från HPE:s egna AI-case.
– PCAI är som en färdig AI-fabrik man installerar i sitt datacenter. Du kan koppla företagets data till färdiga AI-modeller och sedan bygga egna användningsfall. Minimal installation krävs, så du kan vara igång på bara några dagar. Det var den första nyckelfärdiga AI-plattformen på marknaden och är än i dag den mest kompletta.
******************
Text: Louise Stigell
Foto: John Resborn
