Det snakkes mye om hva KI-agenter kan gjøre, og mindre om når de ikke bør brukes. Men det er kanskje den viktigere samtalen.
Teknologien utvikler seg raskt, mulighetene er mange, og presset om å henge med er reelt. I den situasjonen er det lett å hoppe til løsningen før problemet er forstått godt nok. Da er det også lett å starte med teknologien fremfor utfordringen som skal løses.
Men de virksomhetene som lykkes best med KI er ikke nødvendigvis de som tar i bruk mest avansert teknologi. De er de som velger riktig verktøy til riktig problem – og som er like bevisste på når noe ikke passer, som når det gjør det.
KI-agenter gir mest verdi når oppgaver går over flere steg, involverer flere systemer og krever vurderinger underveis. Men ikke alle problemer har disse kjennetegnene – mange utfordringer ser helt annerledes ut. Da kan det være verdt å stoppe opp før man begynner å bygge.
Her er fem situasjoner der alternativene til KI-agenter som regel er et bedre valg.
En KI-agent er god på mye, også på å finne og tolke informasjon som ikke følger et fast format. Der tidligere automatiseringsløsninger krevde at data alltid lå på nøyaktig samme sted og i nøyaktig samme struktur, kan en KI-agent håndtere informasjon som er spredt, varierende og ustrukturert.
Men det finnes en grense. Agenten er selvfølgelig først og fremst avhengig av at informasjonen faktisk finnes, og at den er korrekt og fullstendig. Hvis datagrunnlaget er mangelfullt, utdatert eller rett og slett ikke er der, hjelper det lite at agenten er god til å lete. Den finner ikke det som ikke eksisterer, og den kan ikke rette opp i informasjon som er feil.
Når datagrunnlaget er svakt, blir det fort synlig. Agenten kan lete, sammenstille og vurdere informasjon, men den kan ikke hente frem informasjon som aldri er registrert. Derfor er det ofte verdt å stille et enkelt spørsmål før man begynner å diskutere KI: Har vi dataene vi trenger for å løse problemet?
Hvis svaret er nei, bør innsatsen legges der først. Først når datagrunnlaget er godt nok, gir det mening å se på neste spørsmål: Hvordan fungerer prosessen som skal støttes?
Hvem gjør hva i dag? Hvor oppstår flaskehalsene? Hva skiller et godt resultat fra et dårlig?
Slike spørsmål høres kanskje grunnleggende ut, men de er ofte vanskeligere å svare på enn man skulle tro. Hvis disse spørsmålene ikke har tydelige svar, er det for tidlig å begynne å bygge. Da er det ikke en teknisk løsning som trengs, men en gjennomgang av prosessen. Å automatisere noe uklart gjør det som regel bare uklart raskere.
Mange KI-initiativer stopper opp allerede her. Ikke fordi teknologien ikke fungerer, men fordi prosessen den skal støtte aldri var tydelig nok definert.
Mange KI-prosjekter starter med teknologi og ender med organisasjon. Ikke fordi løsningen er dårlig, men fordi spørsmålene rundt bruk, ansvar og oppfølging kommer senere enn de burde.
Hva skjer når agenten gir et svar ingen stoler på? Hvem følger opp når resultatene ikke er som forventet? Hvem har ansvar for å forbedre prosessen over tid?
Dette er sjelden spørsmål som dukker opp når de første demoene vises frem. Likevel er det ofte her gevinstene står og faller. En løsning som ingen føler eierskap til, blir sjelden en del av arbeidshverdagen. Da spiller det liten rolle hvor avansert teknologien er. Før man begynner å diskutere KI-agenter, er det derfor verdt å avklare hvem som skal bruke løsningen, hvem som har ansvar for den, og hvilke endringer som må til for at den skal fungere i praksis.
Dette er kanskje det viktigste punktet – noen ganger er den beste løsningen også den enkleste.
Noen problemer løses like godt, eller bedre, med et enkelt automatiseringsverktøy, en gjennomtenkt mal eller et godt oppsatt regneark. Hvis en arbeidsflyt kan forbedres med bedre struktur, et automatisert skjema eller noen justeringer i eksisterende verktøy, er det ikke nødvendigvis noe å vinne på å introdusere en KI-agent.
Hvis en enklere løsning løser problemet, er det den riktige løsningen. KI-agenter passer best når oppgaver er sammensatte, har flere steg og involverer flere systemer. Hvis ingen av disse tingene gjelder, finnes det sannsynligvis et bedre og rimeligere alternativ.
Hvis dere ikke kan svare på hva suksess ser ut som, er det for tidlig å bygge noe som helst. Ikke fordi det er farlig å prøve, men fordi det blir umulig å vite om løsningen faktisk fungerer – eller om innsatsen var verdt det.
Et tydelig mål trenger ikke være komplisert. Det kan være så enkelt som: ansatte bruker mindre tid på å hente informasjon, responstiden på interne henvendelser går ned, eller færre saker faller mellom to stoler. Men det må finnes, og det må være målbart.
Å velge bort en løsning krever like mye kompetanse som å velge den til. Det å si «dette er ikke riktig tidspunkt» eller «her finnes det et bedre alternativ til KI-agenter» er ikke å gi opp – det er å prioritere riktig.
Erfaringen er ofte den samme: Virksomheter som er selektive med hvor de bruker KI, lykkes også bedre når de først setter teknologien i arbeid. De starter med et konkret problem, har realistiske forventninger og bygger tillit til løsningene gradvis.
De mest vellykkede KI-prosjektene starter sjelden med et ønske om å bruke KI. De starter med et problem som noen ønsker å løse. Derfor er kanskje det viktigste spørsmålet ikke «Hvordan kan vi bruke KI-agenter?», men «Hva prøver vi egentlig å oppnå?»
Start med problemet, ikke løsningen. Kartlegg prosessen, vurder datagrunnlaget og avklar hvem som har ansvar. Spør om en enklere løsning kan gjøre jobben. Definer hva suksess ser ut som før dere begynner å bygge.
Og hvis svaret på disse spørsmålene peker mot en KI-agent, da er forutsetningene på plass for å faktisk lykkes.
Vil du forstå hva KI-agenter faktisk er og hvordan de fungerer? Start her.
Les også om hvordan du kobler KI til egne data og systemer.
Vi hjelper virksomheter med å vurdere når KI-agenter gir verdi, og når de ikke gjør det. Ta gjerne kontakt for en uforpliktende samtale om hvor det gir mening å starte.