Efter dagarna på Data Innovation Summit tar vi på Attollo framför allt med oss en sak, AI har lämnat experimentstadiet.
För många ledningsgrupper är frågan inte längre om AI är relevant, utan hur tekniken kan bli en stabil och långsiktig del av verksamheten. Och svaret börjar sällan med modellen.
Det börjar i grunden.
Det är lätt att fastna i diskussioner om co-piloter, agenter och nya gränssnitt. Men när AI ska användas i verkliga affärsprocesser höjs kraven snabbt. Då räcker det inte att tekniken kan generera ett snabbt svar. Den behöver också förstå verksamhetens begrepp, hitta rätt information, följa rätt regler, respektera åtkomstnivåer och vara möjlig att lita på när beslut ska fattas.
Det är därför backend-arbetet har blivit en ledningsfråga.
Datakvalitet. Metadata. Semantiska lager. Datamodellering. Lineage. Governance. Säkerhet. Tydligt ägarskap.
Det är sällan det som syns mest i en demo, men det är ofta där tilliten byggs. Och utan tillit blir det svårt att få AI att fungera som något mer än ett lovande sidospår.
En tydlig röd tråd under konferensen var att många organisationer nu rör sig från isolerade AI-initiativ till att bygga in AI i sina faktiska arbetssätt. Så länge AI lever som pilot går det ofta att dölja svagheter i datafundamentet. Men när AI ska användas i exempelvis kundservice, analys, riskhantering, planering eller drift förändras förutsättningarna.
Då måste data vara tillgängliga, begripliga, spårbara och styrda.
Det blev också tydligt att de organisationer som kommit längst inte väljer mellan centralisering och decentralisering. Det mönster som återkom var i stället en stark central plattform och tydlig governance, kombinerat med att verksamheten äger och utvecklar dataprodukter nära affären.
Det skapar kontroll och skalbarhet, men också något minst lika viktigt: relevans.
För ledningsgrupper är det en viktig insikt. AI är inte i första hand ett teknikinköp. Det är en kapacitetsfråga.
Det handlar om organisationens förmåga att skapa tillit till data, etablera gemensamma definitioner, bygga in säkerhet och compliance från början och skapa arbetssätt där insikter faktiskt används där beslut fattas.
Det är också därför många AI-initiativ stannar av. Inte för att ambitionen saknas, utan för att fundamentet ännu inte är tillräckligt starkt.
För oss på Attollo bekräftar detta något vi har sett länge, vill man skapa verkligt värde med AI behöver man se dataplattform, governance, analys och AI som delar av samma förmåga.
När de delarna hänger ihop blir det också lättare att gå från ambition till verklig effekt.
För organisationer som vill skapa långsiktigt värde med AI handlar nästa steg därför ofta om mer grundläggande frågor än vilken modell som är mest avancerad för tillfället:
- Har vi en dataplattform som håller för både analys och AI?
- Har vi gemensamma definitioner av våra viktigaste affärsbegrepp?
- Har vi metadata och semantik som gör att både människor och AI kan förstå informationen på rätt sätt?
- Har vi tydligt ägarskap för data, modeller och beslut?
- Har vi byggt in tillit, styrning och säkerhet från början?
- Har vi skapat förutsättningar för att AI används i processer, inte bara i enskilda experiment?
Om svaret är nej på de frågorna är det ofta där det strategiska arbetet behöver börja.
För i slutändan är det sällan bristen på AI-ambition som begränsar värdet. Det är bristen på ett tillräckligt starkt fundament. Och det är ofta just där det långsiktiga affärsvärdet börjar.
Av Daniel Fosselius och Roger Gusthage
