Vælg den første automatisering med hovedet, ikke mavefornemmelsen

Start ikke med irritationen

Når en virksomhed vil i gang med AI-automatisering, begynder samtalen ofte med den rutine, alle er trætte af. Det er forståeligt, men ikke altid klogt. En opgave kan være irriterende, fordi den er politisk, uklar eller fuld af undtagelser. Netop derfor kan den være en dårlig første automatisering.

Danske SMV’er er langt fra ligeglade med kunstig intelligens: 44 pct. bruger teknologien i en eller anden udstrækning, men kun 10 pct. har arbejdet intensivt med den og systematisk implementeret den i forretningsgange, processer og værdikæder. (kilde 1) Det peger på et praktisk problem: Mange er begyndt at prøve værktøjerne, men færre har fået dem bundet ordentligt til driften.

Den første automatisering bør derfor vælges som et driftsprojekt, ikke som et teknologieksperiment. Målet er at skabe en stabil succes, som medarbejderne kan se, kontrollere og lære af. Det gør den næste automatisering lettere.

Brug fire kriterier

Lav en liste over 8-12 rutiner, som gentager sig i hverdagen. Det kan være ordreindtastning, opfølgning på tilbud, sortering af indgående mails, klargøring af rapporter, oprettelse af sager, kontrol af bilag eller overførsel af data mellem systemer.

Giv derefter hver rutine en score fra 1 til 5 på fire kriterier. Brug ikke lang tid på at gøre det perfekt. Pointen er at få ledergruppen og de praktiske brugere til at se forskellene tydeligt.

• Hyppighed: Hvor ofte sker opgaven? Dagligt arbejde vejer tungere end noget, der kun sker en gang imellem.
• Regelklarhed: Kan en dygtig medarbejder forklare, hvornår opgaven er udført korrekt? Hvis svaret kræver mavefornemmelse, er rutinen ikke moden endnu.
• Fejlomkostning: Hvad koster en fejl i tid, penge, kundeoplevelse eller lovbrud? Høj fejlomkostning kan gøre automatisering værdifuld, men kræver mere kontrol.
• Dataadgang: Findes input og output allerede digitalt, stabilt og med rimelig kvalitet? Hvis data ligger i fritekst, gamle regneark og personlige indbakker, skal der ryddes op først

Vægt modellen enkelt

Ikke alle kriterier bør tælle lige meget. For en første automatisering er hyppighed og regelklarhed normalt vigtigere end teknisk ambition. En opgave, der kører ofte og følger klare regler, giver hurtigere læring end en spektakulær opgave med mange undtagelser.

En praktisk vægtning kan se sådan ud: Hyppighed tæller højest, regelklarhed næsten lige så højt, dataadgang derefter, og fejlomkostning bruges både som gevinstmål og risikobremse. Hvis fejlomkostningen er meget høj, bør opgaven ikke nødvendigvis fravælges, men den skal have menneskelig godkendelse, logning og tydelige stopregler fra starten.

Eksempel: Hvis I overvejer tre rutiner, så scor dem i samme møde. En kedelig fakturakontrol med høj hyppighed, klare regler og god adgang til data kan slå en mere synlig kundeserviceopgave, fordi den er lettere at afgrænse og teste. Det er ikke et nederlag. Det er sådan, man bygger driftssikkerhed.

• Vælg først rutiner med høj hyppighed og høj regelklarhed.
• Vælg rutiner fra, hvor medarbejderne er uenige om, hvad korrekt udførelse betyder.
• Sæt ekstra kontrol på rutiner, hvor fejl rammer kunder, økonomi, persondata eller myndighedskrav.
• Gør datakvalitet til et adgangskrav, ikke noget I håber, automatiseringen løser af sig selv.

Lav en risikovurdering før løsningen

NISTs AI Risk Management Framework lægger vægt på, at AI-risici skal styres gennem kortlægning, måling, håndtering og løbende styring. Oversat til en SMV betyder det: Beskriv først hvad automatiseringen skal gøre, hvem den påvirker, hvilke fejl der kan ske, og hvem der ejer beslutningen bagefter.

Det behøver ikke være tungt. For hver kandidatproces kan I skrive én side med formål, input, output, systemer, persondata, undtagelser, kontrolpunkt og ansvarlig ejer. Hvis I ikke kan udfylde siden, er processen sandsynligvis ikke klar til automatisering.

Datatilsynet og Digitaliseringsstyrelsen peger også på behovet for vejledning om GDPR og risikoklassifikation ved AI-projekter. Det er især relevant, hvis automatiseringen behandler personoplysninger, påvirker medarbejdere eller kunder, eller bruges til vurderinger, som kan få betydning for en person.

• Spørg: Hvad må automatiseringen selv beslutte, og hvad må den kun foreslå?
• Spørg: Hvilke data må den bruge, og hvilke data skal holdes ude?
• Spørg: Hvordan opdager vi fejl, og hvem kan stoppe løsningen?
• Spørg: Hvad skal gemmes som dokumentation, hvis en beslutning senere skal forklares?

Når automatisering ikke er svaret

Nogle rutiner skal ikke automatiseres endnu. Hvis processen ændrer sig hver uge, hvis reglerne kun findes i hovedet på én medarbejder, eller hvis datagrundlaget er rodet, bør I først standardisere arbejdet. Automatisering forstørrer ofte den proces, den sættes ovenpå. Er processen uklar, bliver resultatet også uklart.

I bør også vente, hvis opgaven kræver høj grad af empati, forhandling eller situationsfornemmelse. AI kan hjælpe med forberedelse, opsummering og forslag, men bør ikke uden videre overtage kontakten i følsomme kunde-, medarbejder- eller klagesager.

Den bedste første automatisering er derfor ofte en intern rutine med lav dramatik: noget administrativt, gentaget og målbart. Den skal ikke imponere. Den skal virke, kunne forklares og give medarbejderne tillid til, at automatisering kan være en praktisk hjælp i hverdagen.

Beslutningen I kan tage i morgen

Sæt 90 minutter af med ejerleder, driftsansvarlig og to medarbejdere, der kender hverdagen. Lav listen over rutiner, scor dem, og vælg den øverste kandidat, som også består risikotjekket. Afgræns derefter en første version, der kun håndterer de mest almindelige tilfælde.

Start småt: Lad automatiseringen foreslå, klargøre eller kontrollere, før den får lov at udføre noget alene. Mål på tid sparet, fejl fanget, ventetid reduceret eller færre manuelle overførsler. Efter nogle uger ved I mere end efter nok så mange strategimøder.

Det vigtigste valg er ikke værktøjet. Det er at vælge en rutine, hvor regler, data og ansvar er klare nok til, at teknologien kan gøre nytte uden at skabe ny usikkerhed.