DEBATT | Lasse Ruud
Lyver norske virksomheter om KI-avkastningen?
81 prosent av norske virksomheter sier at KI allerede gir målbar avkastning. Det er svært gode nyheter. Men når vi endelig begynner å måle hva vi får igjen for KI, bør vi også være ganske sikre på hva det er vi faktisk måler.
Computerworld skrev nylig om en undersøkelse fra Dun & Bradstreet som viser svært gode resultater fra norske virksomheters KI-investeringer.
Dun & Bradstreet har spurt 310 norske virksomheter. Hele 81 prosent oppgir at KI har gitt målbar avkastning, og 38 prosent rapporterer god avkastning på tvers av KI-prosjekter.
Det var særlig ett ord i saken jeg festet meg ved: avkastning. For hva mener vi egentlig når vi sier at KI gir avkastning?
Etter mange år med teknologiprosjekter har jeg sett denne regneøvelsen før. En oppgave som tidligere tok én time, tar plutselig 40 minutter. Vi ganger de 20 minuttene med antall ansatte og en timekost, og vips har teknologiinvesteringen skapt millioner.
Regnestykket kan være helt riktig. Det betyr ikke at millionene finnes.
La oss si at en virksomhet med 500 kunnskapsarbeidere tar i bruk Copilot eller ChatGPT. Medarbeiderne anslår at de sparer to timer i uken. Over 45 arbeidsuker blir det 45.000 timer.
Setter vi en pris på timene, kan regnearket raskt vise en gevinst på flere titalls millioner kroner.
Men hvor ble pengene av?
Hvis virksomheten fortsatt har de samme lønnskostnadene, like mange ansatte, samme omsetning og omtrent samme produksjon som før, finner vi ikke nødvendigvis millionene igjen noe sted.
Det betyr ikke at KI-investeringen var dårlig. De ansatte kan ha skrevet bedre tilbud, svart kundene raskere, gjort grundigere analyser eller fått tid til oppgaver de tidligere ikke rakk.
Det har verdi. Men en spart time er ikke automatisk en krone tjent.
Det er derfor tallene fra Dun & Bradstreet er så interessante. Undersøkelsen bygger på virksomhetenes egne vurderinger. I det offentlig tilgjengelige materialet finner jeg ikke hvordan «målbar avkastning» er regnet ut, eller hva virksomhetene konkret har måttet dokumentere for å svare at de har oppnådd den.
Det gjør ikke undersøkelsen feil. Men det gjør det vanskelig å vite hva de 81 prosentene egentlig forteller oss.
Dette er heller ikke et nytt problem som oppsto med KI. Vi har regnet på gevinster fra ny teknologi i mange år. Det er forholdsvis enkelt å beregne hvor mye tid en løsning kan spare. Det er langt vanskeligere å finne ut hva som faktisk skjedde med tiden etterpå.
Det er forholdsvis enkelt å beregne hvor mye tid en løsning kan spare. Det er langt vanskeligere å finne ut hva som faktisk skjedde med tiden etterpå.
Med KI blir dette ekstra synlig.
Et sammendrag som tok 40 minutter, tar fem. Et tilbud skrives på halve tiden. Informasjon som tidligere krevde flere søk finnes på sekunder.
Jeg tror disse gevinstene er reelle. Jeg ser dem selv.
I en workshop hos en kunde nylig handlet diskusjonen nesten utelukkende om ett spørsmål: Hvordan kan vi bruke KI til å frigjøre mer tid til kundene våre og samtidig øke kvaliteten på det vi leverer?
Ingen snakket om å kutte stillinger eller spare kostnader. Målet var å bruke tiden bedre.
Det synes jeg er en viktig forskjell. Hvis vi bare leter etter KI-gevinster i form av færre timer og lavere kostnader, kan selve måten vi måler på bli begrensende. Den frigjorte tiden kan være langt mer verdifull hvis den brukes på kundene, kvaliteten eller på å gjøre mer av det virksomheten faktisk tjener penger på.
Hva gjør vi faktisk med tiden vi får tilbake?
Hvis 500 ansatte sparer to timer hver uke, har virksomheten fått 1.000 timer ekstra kapasitet. Brukes de til flere kunder, mer produksjon, mindre bruk av eksterne ressurser eller arbeid man tidligere ikke rakk, kan verdien bli betydelig.
Hvis arbeidsdagen bare fyller seg opp igjen, er regnestykket et annet.
Jeg tror vi fort bommer hvis hele KI-regnestykket starter med hvor mange timer vi kan spare.
De siste årene har mye handlet om hvem som bruker KI, hvilke verktøy de bruker og hvor mye tid de sparer. Etter hvert bør ledere og styrer stille et vanskeligere spørsmål:
Hva fikk vi faktisk igjen?
Svaret trenger ikke alltid være lavere kostnader eller høyere omsetning. Bedre kvalitet, færre feil, raskere kundebehandling og bedre beslutninger kan være minst like viktig. Noen investeringer gjør vi dessuten fordi vi tror de er nødvendige for å være konkurransedyktige om noen år. Men da bør vi si det.
Jeg tror KI kommer til å skape store verdier i norske virksomheter. Det er nettopp derfor jeg mener vi bør være strengere når vi forsøker å dokumentere dem.
For hvis bedre kvalitet, spart tid, økt kapasitet og lavere kostnader alle omtales som avkastning, blir det etter hvert vanskelig å vite hva ordet betyr.
Jeg tror KI kommer til å skape store verdier i norske virksomheter. Det er nettopp derfor jeg mener vi bør være strengere når vi forsøker å dokumentere dem.
Så lyver norske virksomheter om KI-avkastningen?
Neppe.
Men kanskje vi har blitt litt for flinke til å regne på timene KI sparer, og litt for dårlige til å spørre hva vi faktisk gjorde med dem.
