Automatiseringspotentiale
Oversæt mediernes procenter til en realistisk plan for jeres opgaver og budget.
Indhold
Automatiseringspotentiale er hvor stor en del af en opgave eller funktion, der realistisk kan overdrages til software og AI. Vurderingen sker på opgaveniveau, ikke jobniveau: man ser på arbejdets enkelte trin og scorer dem efter gentagelse, faste regler, om input er digitale, mængden af gentagelser og hvor kritisk et fejltagelse er.
Fra medietal til din virksomhed: beregn automatiseringspotentiale
Medierne siger ofte "40 procent kan automatiseres". For dig betyder tallet kun noget, hvis du bryder det ned i konkrete opgaver. Start med at lave en liste over kerneopgaver i en afdeling. For hver opgave sæt du point for: hvor ensartet den er, om der er faste regler, om input ligger i digitale filer, hvor ofte opgaven udføres, og hvad følgerne er ved en fejl. Summér og vægt efter tid brugt. De fleste virksomheder opdager, at en mindre del af arbejdstiden er lavrisiko og gentagen nok til at automatisere nu, resten kræver enten redesign eller menneskelig kontrol.
Sådan virker Automatiseringspotentiale i praksis
Tænk på en opgave som en række små beslutninger: nogle er regelbaserede, andre kræver skøn eller sprogforståelse. Klassisk automatisering tager de regelbaserede beslutninger og sætter dem i faste workflows. AI-automatisering kan håndtere skøn, tekstforståelse og ustrukturerede data, men den er sjældent fejlfri og kræver overvågning. I praksis deler du opgaven op, automatiserer de simple trin først, måler fejl og arbejdsgange, og lader mennesker overtage undtagelser. På den måde får du fleksibilitet uden at miste kontrol.
Eksempel: Automatiseringspotentiale hos en økonomichef
Økonomichefen i en mellemstor rådgivervirksomhed gennemgik afdelingens arbejdsopgaver en tirsdag formiddag, to uger før regnskabsafslutningen. Hun listede 18 faste opgaver for bogholderiet, inklusiv fakturabehandling, kundefakturering og match af bankposter. Fakturabehandling bestod af et manuskript på 9 trin og 1.800 indscannede fakturaer om måneden, ofte med navne, regnumre og varierende PDF-kvalitet. Modstanden kom fra bogholderne: bekymring for fejl og ekstra arbejde ved undtagelser. Løsningen blev en pilot, hvor de automatiserede de første 4 trin med regelbaseret software og brugte en AI til at foreslå leverandørnavn når PDF var utydelig, men kun som forslag til godkendelse. Pilotperioden tog tre uger at sætte op og krævede to dage med oplæring pr. bogholder. Resultatet var ikke en fuld automatisering, men en reduktion i gentagne klik og færre manuelle indtastninger. Læringen var klar: opgaver med store mængder digitale input og klare regler er nemmest, ustrukturerede PDF'er og undtagelser kræver menneskelig backup.
Hvad du skal være opmærksom på
Automatiseringspotentiale måles realistisk. Pas på tre faldgruber: 1) At måle stillinger i stedet for opgaver, 2) at undervurdere omkostninger til opsætning og overvågning, 3) at tro at AI-automatisering altid kan erstatte menneskelig dømmekraft. Fejl har en pris, og lavrisiko-opgaver er de lavthængende frugter. Planlæg pilotprojekter, fastsæt rollback-procedurer, og beregn løbende hvordan overvågning og fejlretning påvirker gevinsten. Så kan du bruge mediernes tal som pejlemærker, ikke som løfter.
Vil I have et bud på, om automatiseringspotentiale overhovedet er jeres næste skridt, så er det dét, AI-rådgivning er til for.
Ofte stillede spørgsmål om Automatiseringspotentiale
Er automatiseringspotentiale det samme som hvor mange jobs der forsvinder?
Nej. Automatiseringspotentiale vurderer opgaver, ikke stillinger. Ofte flytter arbejdet sig, så medarbejdere får færre gentagne opgaver og mere tid til undtagelser, kundekontakt eller opgaver med højere kompleksitet.
Hvilke opgaver kan AI automatisere mest realistisk?
Opgaver med mange gentagelser, klare regler, digitale input og lav konsekvens ved fejl er bedst. Tekst- og sprogopgaver kan delvist automatiseres med AI, men kræver ofte menneskelig gennemgang ved undtagelser.
Kan jeg vurdere automatiseringspotentiale uden udviklere?
Ja. Du kan lave en opgaveliste, score opgaver efter de nævnte kriterier og lave en simpel pilot med standardværktøjer. Komplekse integrationer kræver dog ofte teknisk hjælp.
Hvad er forskellen på klassisk automatisering og AI-automatisering?
Klassisk automatisering følger faste regler og workflows. AI-automatisering kan tage skøn, læse tekst og håndtere ustrukturerede data, men den er ikke altid deterministisk og kræver overvågning og træning.
AI-rådgiver og underviser, grundlægger af AI Hero i Herning. Har bygget digitalt i over 20 år og hjælper danske virksomheder med at få AI i drift. Læs mere om Brian.