Förra veckan var Attollo, representerade av Jacob Pettersson och Richard Hallgren, på plats och deltog i Data Innovation Summit här i Stockholm. Vårt fokus låg särskilt på två områden, AI och Data Governance. Båda är kärnområden i vårt dagliga arbete, vilket gjorde det extra värdefullt att se hur andra företag arbetar med dem i praktiken.
Vi ser en tydlig trend, företag som tidigt vågar utforska möjligheterna med Agentic AI, samtidigt som de aktivt arbetar med AI Governance och dataskydd, kommer att få ett rejält försprång. Även vikten av datakvalitet och masterdata lyfts allt oftare fram som avgörande för att AI- och datainitiativ ska lyckas. Det känns kul att få ett kvitto på att vi på Attollo fokuserar på frågor som verkligen är i framkant.
Agentic AI och AI Governance är två tydliga fokusområden
Inom AI var det framför allt två teman som stod ut, Agentic AI och AI Governance. Agentic AI handlar om att låta avancerade AI-agenter utföra uppgifter självständigt med hjälp av externa verktyg och datakällor. Flera inspirerande exempel presenterades, bland annat en multi-agentlösning för kundtjänst hos en stor, tysk telekomaktör. Resultatet? 91 procent acceptabel svarsfrekvens och 38 procent färre ärenden som behövde hanteras av mänsklig personal. Ett annat case visade hur säljprocesser kunde automatiseras med hjälp av AI-agenter, vilket ökade träffsäkerheten med hela 60 procent.
Samtidigt betonades vikten av AI Governance, särskilt med tanke på dataskydd och transparens kring hur data används i AI-lösningar. Detta blir extra relevant i tekniker som Retrieval-Augmented Generation (RAG), där språkmodeller kombineras med interna eller externa datakällor för att skapa mer relevanta svar. Utan tydliga riktlinjer riskerar företag att oavsiktligt exponera känslig information eller bryta mot regelverk. Därför krävs robusta tekniska processer, kontinuerlig kodgranskning samt ett aktivt engagemang för att utbilda medarbetare i AI-frågor.
Data Governance som möjliggörare
I takt med att AI får fler tillämpningsområden ökar kraven på både mängd och kvalitet på den data som används. Särskilt i större organisationer, där data ofta produceras i olika system och av olika avdelningar, kan det saknas en gemensam syn på hur data ska hanteras. För att verkligen kunna dra nytta av AI krävs en sammanhållen strategi för Data Governance. Det kan handla om att utse tydliga dataägare, skapa datakataloger och ta fram gemensamma definitioner av viktiga begrepp. Lika viktigt är att arbeta med masterdata, vilket minimerar risken för dupliceringar och inkonsekventa versioner av samma information.
Data Fabric och Data Mesh - olika vägar till strukturerad datahantering
Två etablerade koncept inom dataarkitektur är Data Fabric och Data Mesh. Data Fabric är ett mer centraliserat angreppssätt där allt från integrationer till datalagring och rapportering hanteras på ett sammanhållet sätt. Data Mesh å andra sidan bygger på ett decentraliserat arbetssätt, där olika domäner inom organisationen ansvarar för sina egna dataprodukter och analyser.
På konferensen lyftes flera exempel på hur Data Mesh kan minska flaskhalsar genom att fördela ansvar och produktion. Samtidigt ställer detta högre krav på Data Governance. Ett distribuerat ansvar kräver samsyn, annars riskerar man att skapa en splittrad och svårhanterlig dataplattform.
Vill du veta mer?
Vill ni diskutera AI, data governance eller hur ni kan ta nästa steg inom området? Hör gärna av er till oss på Attollo. Vi delar gärna med oss av våra erfarenheter!
