DEBATT | Thomas Aardal
Du bygger neste generasjons legacy akkurat nå
2024 var året da mange virksomheter trodde KI endelig skulle ta av. Investeringene økte, og pilotprosjektene ble lansert. Og så innså de fleste at de først måtte få kontroll på dataene sine.
Selskaper investerer milliarder i KI, men mange organisasjoner behandler fortsatt KI som et ekstra lag oppå den eksisterende virksomheten. Et nytt verktøy implementeres. En copilot kobles på. Et analyseprosjekt startes. Samtidig fortsetter data å bevege seg gjennom et komplekst nett av ERP-systemer, skytjenester, integrasjonslag, lokale databaser, Excel-flyter og forretningsapplikasjoner som har vokst frem over mange år.
LES OGSÅ:
Når KI nå beveger seg nærmere forretningskritiske prosesser, blir dataarkitektur, governance og operativ oversikt stadig viktigere. Ellers risikerer selskaper å skape neste generasjons legacy allerede før KI-satsningene har rukket å levere reell forretningsverdi.
Den virkelige flaskehalsen
Resultatet er at KI introduseres i miljøer der organisasjonen mangler tilstrekkelig kontroll over hvordan data faktisk flyter gjennom virksomheten. Systemene fungerer hver for seg, men helheten er vanskelig å se. Det mangler felles definisjoner, tydelig dataeierskap og sammenhengende styring. Når KI da brukes til analyse, automatisering og operative beslutninger, forsterkes disse problemene ytterligere.
Mange selskaper undervurderer hvor avhengig KI er av sammenhengende og virksomhetsnær data. Diskusjonen fokuserer ofte på modeller, grensesnitt og nye funksjoner, til tross for at den virkelige flaskehalsen i mange tilfeller handler om arkitektur og operativ modenhet.
Hvis organisasjonen ikke kan sikre datakvalitet, governance og integrasjon mellom ulike systemer, risikerer KI-satsningene å sette seg fast i pilotprosjekter, skape motstridende beslutningsgrunnlag eller bidra til økt kompleksitet.
Samtidig er KI i ferd med å endre hvordan selskaper arbeider med virksomhetsstyring og beslutningstaking. KI brukes ikke lenger bare til historisk analyse eller eksperimentelle initiativer i isolerte innovasjonsprosjekter. Teknologien brukes i stadig større grad til å identifisere avvik, prioritere tiltak, automatisere arbeidsflyter og støtte operative beslutninger i sanntid. Det betyr at kvaliteten i de underliggende dataflytene blir direkte forretningskritisk.
Det er her slaget står
I mange organisasjoner begynner KI dermed å fungere som en stresstest av hele virksomhetsarkitekturen. Fragmenterte systemlandskap, teknisk gjeld og uklare integrasjonsstrukturer som tidligere kunne håndteres manuelt, blir plutselig betydelig mer synlige når KI skal skaleres opp på tvers av flere deler av virksomheten. Det gjelder ikke minst i hybridmiljøer der ERP-systemer, IoT-plattformer, skytjenester og eksterne datakilder må samvirke i sanntid.
Det er også her mange selskaper risikerer å bygge neste generasjons legacy. Når KI innføres raskt uten en langsiktig strategi for dataarkitektur og governance, øker risikoen for at organisasjoner skaper nye avhengigheter, nye siloer og nye integrasjonsproblemer oppå allerede komplekse miljøer. På kort sikt kan det skape rask innovasjon. På lengre sikt risikerer det å gjøre virksomheten vanskeligere å styre, utvikle og endre.
For organisasjoner som ønsker å skape langsiktig verdi med KI, blir derfor noen spørsmål særlig viktige:
Hvordan flyter data faktisk mellom systemene våre, og har vi oversikt over det?
Har vi felles definisjoner, governance og tilstrekkelig kontroll over forretningskritiske data?
Bygger vi fleksible og skalerbare miljøer, eller skaper vi nye former for teknisk gjeld?
Har ledelsen tilstrekkelig forståelse for hvordan KI påvirker forretningsarkitektur, risiko og operativ styring?
KI-beredskap handler derfor stadig mindre om tilgang til KI-verktøy og stadig mer om organisatorisk evne. Når KI blir en del av kjernevirksomheten, kan disse spørsmålene ikke lenger håndteres isolert i IT-avdelingen. De blir et spørsmål for ledelse, styring og forretningsarkitektur.
De organisasjonene som lykkes med KI, vil sannsynligvis ikke være de som implementerer flest modeller eller lanserer flest pilotprosjekter.
De organisasjonene som lykkes med KI, vil sannsynligvis ikke være de som implementerer flest modeller eller lanserer flest pilotprosjekter. Det vil være de som klarer å skape sammenhengende, fleksible og styrbare datamiljøer der KI kan brukes operativt uten at virksomheten samtidig bygger opp nye lag av kompleksitet og teknisk gjeld.
KI endrer ikke bare hvordan selskaper bruker teknologi. Den endrer hvordan virksomheter må organiseres, styres og forstå sine egne informasjonsflyter. Og det arbeidet begynner lenge før den første modellen settes i produksjon. Det begynner med å skape et datagrunnlag virksomheten kan stole på.
