AI för företag: användning, mätning och säkra prov

Börja med en arbetsuppgift, inte med ett verktyg

AI kan hjälpa företag med text, analys, sökning, kundfrågor och administration. Nyttan uppstår först när ett verktyg förbättrar ett verkligt arbetsflöde. En licens i sig sparar ingen tid och skapar ingen intäkt.

Börja därför med att beskriva en återkommande uppgift:

• Hur ofta görs den?
• Hur lång tid tar den idag?
• Vilka fel uppstår?
• Vilka uppgifter används?
• Vem avgör om resultatet är korrekt?
• Vad händer om svaret blir fel?

En bra första uppgift är vanlig, avgränsad och lätt att kontrollera. Sammanfattning av interna mötesanteckningar kan vara enklare att prova än automatisk rådgivning till kunder.

Områden där AI kan ge praktisk nytta

Utkast och bearbetning av text

Generativ AI kan ta fram första utkast, strukturera anteckningar, föreslå rubriker och anpassa en text för olika mottagare. Tidsvinsten varierar med materialets kvalitet och hur mycket granskning som krävs.

Användaren bör få ett tydligt uppdrag: lämna underlag, kontrollera fakta, anpassa tonen och godkänna den slutliga texten. Ett välformulerat svar är inte ett bevis på att uppgifterna stämmer.

Sökning och sammanfattning i internt material

Ett system kan hjälpa medarbetare att hitta information i handböcker, produktblad eller supportmaterial. Det fungerar bäst när källorna är aktuella, har tydliga ägare och kan visas tillsammans med svaret.

Om medarbetaren inte kan öppna källan är det svårt att upptäcka när systemet har blandat ihop två dokument. Behörigheten till ett svar ska inte vara större än behörigheten till underlaget.

Kundservice

En chattfunktion kan svara på vanliga frågor, samla in uppgifter och föreslå nästa steg. Den bör ha en tydlig väg till en person när frågan är oklar, kunden är missnöjd eller ärendet rör betalning, avtal, hälsa eller andra känsliga områden.

Mät inte bara hur många ärenden boten tar emot. Följ också hur många som löses, hur ofta kunden återkommer, hur många fel som rättas och hur lång tid hela ärendet tar.

Analys och rapportering

AI kan hjälpa till att kategorisera svar, sammanfatta fri text och förklara mönster i data. Underlaget behöver vara korrekt och jämförbart. En modell kan formulera en trovärdig förklaring även när datan inte stödjer den.

Behåll därför beräkningar och källdata i system som kan kontrolleras. Använd generativ AI för att utforska och formulera, inte som en dold källa till siffror.

Administration

Mötesanteckningar, ärendeklassificering, dokumentmallar och första sortering av e-post är vanliga provområden. De är ofta mindre riskfyllda än automatiska kundbeslut, men kan fortfarande innehålla personuppgifter eller affärshemligheter.

Räkna på effekten utan att gissa

Sätt ett nuläge före provet. Mät till exempel:

• minuter per uppgift,
• antal uppgifter per vecka,
• andel som kräver omarbete,
• väntetid för kund eller kollega,
• antal fel som når nästa steg,
• kostnad för licens, utbildning och granskning.

Jämför samma mått under en bestämd period. Om en uppgift går snabbare men kräver mer rättning senare är tidsvinsten mindre än den först ser ut.

Räkna även på införandekostnaden: avtal, dataskydd, åtkomst, anpassning, utbildning, support och uppföljning. En billig tjänst kan bli dyr om många svar behöver göras om.

Dataskydd och känslig information

IMY framhåller att personuppgiftsansvarig fortfarande ansvarar för att behandling av personuppgifter följer dataskyddsreglerna när generativ AI används. Organisationen behöver bland annat veta vilka uppgifter som behandlas, varför de behövs, hur länge de sparas och vilka mottagare som får tillgång.

Källor: IMY om dataskydd och AI, IMY:s vägledning om generativ AI

Praktiska grundregler:

1. Bestäm vilka tjänster som får användas i arbetet.
2. Beskriv vilken information som aldrig får matas in.
3. Kontrollera avtal, lagring, åtkomst och eventuell användning av data för träning.
4. Använd företagskonton och central behörighet när det är möjligt.
5. Begränsa åtkomsten till det medarbetaren behöver.
6. Ha en rutin för incidenter och felaktigt delade uppgifter.

Förbud utan användbara alternativ leder ofta till att medarbetare använder egna konton i det tysta. Ge därför tydliga tillåtna arbetssätt och öva på realistiska exempel.

Kvalitet och mänsklig kontroll

NIST:s riskramverk beskriver egenskaper som tillförlitlighet, säkerhet, robusthet, ansvar, transparens, förklarbarhet, integritet och hantering av skadlig partiskhet. Egenskaperna kan stå i konflikt. Ett mer detaljerat svar kan till exempel vara hjälpsamt men samtidigt exponera mer känslig information.

Källa: NIST AI Risk Management Framework

Bestäm kontrollen efter konsekvensen:

• Låg konsekvens: användaren granskar själv före intern användning.
• Måttlig konsekvens: en namngiven person godkänner före extern användning.
• Hög konsekvens: ämnesexpert granskar och det finns dokumenterad reservrutin.
• Oacceptabel konsekvens: uppgiften ska inte överlåtas till verktyget.

Mänsklig kontroll ska vara verklig. Om granskaren saknar tid, underlag eller befogenhet blir godkännandet bara en formalitet.

En enkel provmodell i sex steg

1. Välj uppgift

Välj en återkommande uppgift med tydligt startmaterial och tydligt önskat resultat.

2. Sätt gränser

Bestäm vilken information som får användas, vilka beslut verktyget inte får ta och när en person måste ta över.

3. Bestäm mått

Välj två till fyra mått som tid, kvalitet, omarbete, kundutfall eller kostnad.

4. Prova med representativa fall

Ta med enkla, vanliga och svåra exempel. Testa även ofullständigt underlag och frågor som verktyget bör avstå från.

5. Utbilda användarna

Öva på instruktioner, källkontroll, dataskydd och rapportering av fel. Visa typiska misslyckanden, inte bara lyckade demonstrationer.

6. Besluta och följ upp

Jämför med nuläget. Fortsätt, ändra eller avsluta. Sätt en ansvarig och ett datum för ny kontroll eftersom tjänster och arbetsflöden förändras.

Vanliga misstag

Man köper brett före ett avgränsat prov.
Det blir svårt att se vilka uppgifter som faktiskt förbättras och vilka licenser som används.

Man mäter aktivitet i stället för resultat.
Antal skapade texter eller frågor till en chatt säger inte om arbetet blev bättre.

Man saknar källor.
Ett svar från interna dokument bör visa vilket dokument och vilken del som stödjer påståendet.

Man lämnar ansvaret otydligt.
Någon behöver äga källmaterial, åtkomst, kvalitet, incidenter och beslut om fortsatt användning.

Man automatiserar ett dåligt arbetsflöde.
Om uppgiften innehåller onödiga steg eller motstridiga regler kan AI göra röran snabbare utan att lösa grundproblemet.

Små företag behöver inte börja stort

Ett mindre företag kan börja med en enda uppgift och ett fåtal användare. Det ger möjlighet att lära utan att binda hela verksamheten till en tjänst.

Ett rimligt första prov kan vara att ta fram utkast till svar på vanliga kundfrågor. Använd bara godkänt underlag, låt en person godkänna varje svar och registrera tidsåtgång och rättningar. Efter några veckor går det att avgöra om arbetet blev snabbare utan att kvaliteten sjönk.

Nästa steg kan vara en intern sökfunktion eller sammanfattning av mötesanteckningar. Varje nytt område ska få egna gränser och mått. Att en tjänst fungerade för textutkast betyder inte att den är lämplig för priser, avtal eller personalärenden.

Sammanfattning

AI kan förbättra företags arbete med text, sökning, kundservice, analys och administration. Effekten beror på uppgift, underlag, kontroll och hur väl resultatet passar in i arbetsflödet.

Välj en avgränsad uppgift, mät nuläget, skydda informationen och prova med verkliga fall. Fortsätt bara när tidsvinst, kvalitet och kostnad går att belägga. Då blir AI ett arbetsverktyg med tydligt ansvar, inte ett löfte om automatisk lönsamhet.