Sådan måler I, om automatisering faktisk betaler sig

Start med processen, ikke teknologien

Den største målefejl sker ofte allerede før projektet starter: Man vælger en løsning, før man har valgt den proces, der skal forbedres. Begynd derfor med en konkret arbejdsgang, ikke med en generel ambition om at bruge AI. Det kan være håndtering af indgående mails, oprettelse af tilbud, bogføring af bilag, opfølgning på kundehenvendelser eller intern rapportering.

En god proces at automatisere er gentagende, regelstyret nok til at kunne beskrives, og hyppig nok til at målingen giver mening. Den må gerne have variation, men variationen skal kunne håndteres med regler, kontroller eller menneskelig godkendelse. Hvis processen kun sker sjældent, ændrer sig hele tiden eller kræver tung faglig vurdering i hvert trin, er automatisering sjældent første valg.

Det, mange kalder ROI på automatisering, bør i praksis være et beslutningsgrundlag: Hvad koster det at bygge, drive og kontrollere løsningen, og hvilken dokumenteret forbedring giver den i hverdagen? HM Treasurys Green Book anbefaler at vurdere omkostninger, gevinster og risici på tværs af alternativer, herunder den situation hvor man fortsætter som i dag. Den tankegang passer godt til SMV’er: Sammenlign ikke automatisering med en idealtilstand, men med jeres faktiske nulpunkt.

• Vælg én proces med tydelig start og slutning.
• Skriv, hvad der tæller som en færdig opgave.
• Aftal på forhånd, hvad der vil få jer til at stoppe, justere eller udvide løsningen.
• Medtag altid alternativet: Hvad sker der, hvis I ikke automatiserer?

Lav en baseline før I ændrer noget

En baseline er en nøgtern måling af, hvordan processen fungerer i dag. Den skal laves før værktøjer, promptskabeloner, nye arbejdsgange eller leverandører ændrer adfærden. Ellers kommer I til at måle mod et uklart før-billede, og gevinsten bliver svær at stole på.

Baseline behøver ikke være akademisk. For mange SMV’er er en enkel registrering i et regneark nok. Mål en normal periode, hvor opgavemængden ligner hverdagen. Undgå ferieuger, kampagner, sæsonspidser og perioder med usædvanligt fravær, medmindre netop de perioder er det, I vil automatisere for at håndtere.

Mål både tid og kvalitet. Timer sparet er synlige, men fejl, ventetid og genarbejde er ofte der, gevinsten gemmer sig. Hvis en opgave går hurtigere, men skaber flere rettelser bagefter, er det ikke nødvendigvis en forbedring. Hvis den tager samme tid, men fjerner fejl og gør levering mere stabil, kan den stadig være værdifuld.

• Antal opgaver i perioden.
• Aktiv arbejdstid pr. opgave, ikke kun kalenderdage.
• Gennemløbstid fra opgaven modtages til den er færdig.
• Fejlrate: hvor ofte opgaven kræver rettelse, genkontakt eller manuel oprydning.
• Genarbejde: hvor meget tid der bruges på at rette fejl.
• Undtagelser: sager der ikke passer til standardprocessen.

Mål fire ting efter idriftsættelse

Når automatiseringen er sat i drift, skal I måle med samme definitioner som i baseline. Skifter I metode undervejs, kan resultatet ikke sammenlignes. Det er bedre at have få stabile målepunkter end mange tal, ingen bruger til beslutninger.

Det første målepunkt er timer sparet. Mål forskellen i aktiv arbejdstid, men vær ærlig om ny tid, der opstår: kontrol af AI-svar, håndtering af undtagelser, intern support, justering af regler og oplæring. Automatisering flytter ofte arbejde, før den fjerner arbejde.

Det andet målepunkt er fejlrate. Definér fejl konkret. En fejl kan være en forkert fakturaoplysning, en mail sendt til forkert modtager, et svar uden nødvendig dokumentation eller en sag, der må genåbnes. For AI-løsninger bør I også registrere usikre eller uacceptable svar, selv om de bliver fanget af en medarbejder før afsendelse. NISTs AI Risk Management Framework lægger vægt på at vælge passende målepunkter, sammenligne med relevante pejlemærker og overvåge systemer både før og under drift.

Det tredje målepunkt er gennemløbstid. Det er tiden fra behovet opstår, til kunden, leverandøren eller kollegaen får et brugbart resultat. En løsning kan spare intern tid uden at forbedre gennemløbstiden, hvis opgaven stadig venter i kø hos en person. Derfor skal I måle hele kæden, ikke kun det trin robotten eller AI-modellen overtager.

Det fjerde målepunkt er kapacitet. Kan samme team håndtere flere sager uden mere pres? Bliver travle perioder mindre sårbare? Her skal I passe på ikke at tælle teoretisk frigjort tid som reel gevinst. En halv time sparet her og der bliver først til værdi, når tiden kan bruges på noget konkret: hurtigere svartid, mere salgstid, færre bunker, bedre kvalitet eller mindre overarbejde.

• Mål før og efter med samme skema.
• Skeln mellem brutto-tid sparet og netto-tid sparet.
• Registrér både automatiserede sager og sager sendt til manuel behandling.
• Følg udviklingen efter drift, for datakvalitet, opgavetyper og medarbejdervaner ændrer sig.

Regn gevinsten nøgternt

En simpel beregning er ofte nok: netto-tid sparet gange relevant intern timeomkostning, plus værdien af færre fejl og kortere gennemløbstid, minus omkostninger til opsætning, drift, licenser, vedligeholdelse, kontrol og oplæring. Brug intervaltal internt, hvis I er usikre. Det vigtigste er ikke at ramme perfekt, men at synliggøre antagelserne.

Medregn også det, der ikke kan sættes sikkert i kroner uden at gætte. Kortere svartid kan forbedre kundeoplevelsen. Færre fejl kan mindske afbrydelser. Bedre dokumentation kan gøre virksomheden mindre afhængig af enkeltpersoner. Skriv gevinsterne ned, men lad være med at opfinde beløb, hvis I ikke har data til det.

Hvis automatiseringen behandler personoplysninger, skal risici og dokumentation tænkes ind som en del af projektets omkostning. Datatilsynet beskriver konsekvensanalyse som en proces, hvor behandlingen beskrives, nødvendighed og proportionalitet vurderes, og risici for personer håndteres. For AI-løsninger med høj risiko eller følsomme anvendelser kan vurdering, dokumentation og kontrol være så omfattende, at gevinsten ændrer sig væsentligt.

EU’s AI-forordning peger samme vej for højrisiko-AI: brugere skal blandt andet arbejde med menneskeligt tilsyn, relevante inputdata, overvågning af drift og logning, hvor reglerne finder anvendelse. Det betyder ikke, at alle små automatiseringer er tunge complianceprojekter, men det betyder, at målingen ikke kun må handle om hastighed. En løsning, der er hurtig, men uigennemsigtig eller svær at kontrollere, kan blive dyr på den forkerte måde.

• Medtag byggeomkostning, drift og løbende vedligeholdelse.
• Medtag medarbejdertid til kontrol, oplæring og undtagelser.
• Vurder risiko før løsningen rulles bredt ud.
• Beslut på forhånd, hvornår løsningen skal genmåles.

De typiske målefejl

Den første typiske fejl er at måle på den bedste uge. Automatisering skal fungere i almindelig drift, også når der er sygdom, blandede opgavetyper og ufuldstændige input. Brug derfor en periode, der afspejler normal belastning, og gentag målingen efter at nyhedseffekten har lagt sig.

Den anden fejl er at tælle alle sparede minutter som besparelse. Hvis medarbejderen ikke kan bruge tiden samlet eller værdiskabende, er gevinsten mindre end regnearket viser. Små tidslommer kan stadig være nyttige, men de bør beskrives som aflastning eller fleksibilitet, ikke automatisk som økonomisk gevinst.

Den tredje fejl er at overse fejl, der bliver fanget sent. En AI-løsning kan se effektiv ud ved første trin, men skabe ekstra kontrolarbejde længere nede i processen. Derfor skal fejl måles der, hvor de opdages, og spores tilbage til årsagen.

Den fjerde fejl er at automatisere en dårlig proces. Hvis arbejdsgangen er uklar, ejerskabet uklart eller datagrundlaget rodet, kan automatisering gøre problemet hurtigere i stedet for mindre. Start med at rydde op i ansvar, input, skabeloner og beslutningsregler. Derefter kan automatisering vurderes realistisk.

• Brug ikke leverandørens standardtal som jeres business case.
• Sammenlign ikke en ny løsning med en urealistisk perfekt manuel proces.
• Glem ikke undtagelserne, for de afgør ofte den reelle arbejdsbyrde.
• Stop målingen, hvis definitionerne ændrer sig, og start en ny sammenligning.

Når automatisering ikke er det rigtige valg

Automatisering er ikke altid den bedste løsning. Hvis problemet skyldes uklare roller, manglende ledelsesbeslutninger, dårlig datakvalitet eller for mange specialaftaler, bør I løse det først. Ellers bygger I teknologi oven på usikkerhed.

Det er også værd at sige nej, hvis volumen er lav, fejlkonsekvensen er høj, eller den nødvendige kontrol tager næsten lige så lang tid som den manuelle opgave. I de tilfælde kan en bedre tjekliste, en skabelon, et fælles overblik eller en ændret arbejdsgang give mere værdi end en automatisering.

Den praktiske tommelfingerregel er enkel: Automatisér først, når processen er forstået, baseline er målt, gevinsten kan forklares uden ønsketænkning, og risikoen kan håndteres. Så bliver måling ikke en eftertanke. Den bliver selve forskellen mellem en smart idé og en løsning, der faktisk betaler sig.