AI-modenhed

AI-modenhed beskriver, hvor langt en virksomhed er kommet med at bruge AI i praksis. Modenhed måles ofte på niveauer, fra enkelte medarbejdere der eksperimenterer, over systematisk brug i nogle processer, til at AI er indbygget i forretningsmodellen. Modellen ser typisk på strategi, data, kompetencer og governance for at pege på passende næste skridt.

Sådan ser en typisk modenhedsmodel ud

En modenhedsmodel er en række trin, ikke en konkurrence. Hvert trin har kendetegn på fire områder: strategi, data, kompetencer og governance. På laveste trin er der måske ingen strategi, data ligger spredt i regneark, få har AI-kompetence, og ingen har ansvar for styring. Midt i modellen ser du klare pilotprojekter, delte datakilder, oplæring af medarbejdere og en første governance-proces. Øverst er AI en del af produktet eller servicen, data er driftet som en aktiv, medarbejdere arbejder sammen med AI-værktøjer, og beslutninger om etik og sikkerhed er integrerede.

Strategi betyder: har ledelsen sat mål for AI, og er der budget til at nå dem. Data betyder: er data tilgængelige, dokumenterede og af rimelig kvalitet. Kompetencer betyder: har folk den viden, der skal til, eller en plan for at få den. Governance betyder: er ansvar, roller og risikostyring på plads, så I ikke bygger løsninger, I ikke kan styre.

Hvorfor AI-modenhed betyder noget for din virksomhed

Rådgivere og analyser taler om modenhed, fordi den afgør, hvilke investeringer der giver mest. Som leder vil du vide, om I skal ansætte ekspertise, samle data i ét sted, lave enkle piloter eller ændre processer. En høj score er ikke et mål i sig selv, målet er at finde de næste skridt, der skaber værdi uden at øge risikoen. Hvis I springer trin over, risikerer I spildt tid og dyrt arbejde. Gør i stedet små, målbare fremskridt, lær og gentag.

Eksempel: AI-modenhed hos en økonomichef i en mindre produktionsvirksomhed

Økonomichefen sad mandag morgen i budgetugen og fik en backup-mail: regnearket med leverandørpriser fra 2019, 35 faner, en scannet prisoversigt fra en underleverandør og to kollegaer på ferie. De havde prøvet en simpel prisprognose i Excel, men resultaterne var upræcise og ukontrollerede. Der blev lavet en hurtig beslutning om at starte et lille pilotprojekt: samle de vigtigste data (10 regneark og 3 PDF'er), få en ekstern konsulent til at lave en simpel model og træne to medarbejdere. Modstanden kom fra regnskabschefen, der mente, data var for rodede til at bruge. Projektet tog fire uger at sætte op, og krævede tre halve dage fra økonomichefen i opstart. Resultat: et sporadisk AI-værktøj i en proces, bedre dokumentation af data, og en beslutning om at prioritere et fælles datalager i næste budgetrunde. Læringen var, at pilot + opmærksomhed på governance skabte brugbare erfaringer, men at integrationen i eksisterende it ville tage længere tid.

AI-modenhed er ikke det samme som AI-parathed

AI-parathed handler ofte om teknisk infrastruktur og sikkerhed: har I servere, adgangskontrol og skalerbare dataflows. AI-modenhed er bredere og inkluderer strategi, organisation og evnen til at tage løsninger i brug. I kan være parate teknisk, men alligevel lave mange dyre piloter, fordi governance eller kompetencer mangler. Brug begge begreber: parathed for at kunne implementere, modenhed for at vælge hvad og i hvilken rækkefølge.

Sådan kommer I videre: fire konkrete trin

1. Kortlæg nuværende tilstand på strategi, data, kompetencer og governance i en kort workshop på et par timer. Det skaber fælles billede.
2. Vælg et konkret forretningsproblem, som er vigtigt, men afgrænset, og sæt et mål for pilotens læring.
3. Saml data og ansvar ét sted, så én person kan svare på: hvor kommer data fra, og hvem ejer kvaliteten.
4. Aftal governance for pilotfasen: hvem godkender, hvem må bruge løsningen, og hvordan må resultater deles.

At arbejde med modenhed er som at bygge et køkken: I begynder ikke med hele installationen, I tester et skab, ser hvordan det passer, og så bygger I videre. Det giver bedre beslutninger og færre overraskelser...