AI-piloten fungerer. Hva nå?
De færreste virksomheter mangler AI-piloter lenger. De fleste har minst én – en chatbot i kundeservice, en assistent som gjennomgår kontrakter eller et verktøy som leser fakturaer. Det som mangler, er ofte neste steg: å gjøre pilotene til noe mer enn bare piloter. Hvorfor er det så vanskelig å skalere det som fungerer i det små?
To retninger å skalere i
En pilot kan vokse i to retninger. Vertikal skalering handler om å få mer ut av én løsning: nå flere brukere, automatisere mer av prosessen og redusere behovet for menneskelig involvering over tid. Horisontal skalering handler om noe annet: å gjenbruke det samme fundamentet til å løse et helt nytt problem i en annen del av virksomheten.

Vertikal skalering: få mer ut av én løsning
En AI-løsning gir først full verdi når den faktisk skaleres. Det krever at tre ting er på plass samtidig:
- Løsningen må være teknisk gjennomførbar
- De ansatte som skal bruke løsningen, må være motiverte og ha kompetansen som trengs
- Prosessen må redesignes med AI som utgangspunkt, ikke bare automatiseres slik den er i dag
Tallene forteller hvor ofte det svikter: 88 prosent av AI-pilotene kommer aldri videre fra pilotstadiet (IDC, CIO.com, 2025). Samtidig sier 71 prosent av lederne at arbeidsstyrken ennå ikke er klar til å lykkes med AI, og 45 prosent av toppsjefene mener at de fleste ansatte er motvillige eller direkte fiendtlige til teknologien (Kyndryl, People Readiness Report, 2025).
Derfor kommer ikke pilotene videre
At så mange piloter aldri kommer forbi pilotstadiet, kan spores tilbake til fire fallgruver. Felles for dem er at det som gjorde piloten enkel, er nettopp det som gjør den vanskelig å skalere.
Teknisk gjennomførbarhet. En pilot bygges typisk for ett team, ett system og ett avgrenset bruksområde. Det betyr ofte enkel tilgangsstyring, en håndfull integrasjoner og ingen krav til styring på tvers av virksomheten. Skalering mangedobler alt dette på én gang: flere systemer å integrere med, flere funksjoner og nye styrings- og etterlevelseskrav som piloten aldri måtte forholde seg til.
Data. En pilot kjører gjerne på et lite datasett som ikke nødvendigvis dekker alle tilfellene løsningen vil møte i drift. Ifølge Gartner må «AI-ready data» være representative for alle mønstre, feil, avvik og grensetilfeller modellen vil møte. Det er et krav et lite pilotdatasett ikke automatisk oppfyller – rett og slett fordi det er lite.
Motivasjon og kompetanse. En pilot drives ofte av et motivert team som vil bevise at ideen holder – gjerne de samme som foreslo den. Skalering betyr å nå ansatte som aldri ba om løsningen, som ikke var med på å utvikle den og som kanskje frykter endring eller rett og slett ikke kjenner teknologien.
Prosess. En pilot endrer sjelden selve prosessen – det er billigere og raskere å automatisere et steg som allerede finnes. Problemet er at den redesignede versjonen, den som kunne frigjort langt mer verdi, aldri blir testet. Dermed får den heller aldri vist hva den er god for i stor skala.
Eksempel: fakturabehandling på tre måter
Se for deg fakturabehandling. Tradisjonelt, og litt forenklet, fungerer det slik: Fakturaer kommer inn, og et tilfeldig utvalg plukkes ut til kontroll. En saksbehandler leser de utvalgte fakturaene og sjekker dem mot blant annet policy og kontrakt. Deretter godkjenner saksbehandleren dem eller sender dem i retur, og til slutt betales fakturaene.

Det mest nærliggende er å la en AI-agent overta noen av oppgavene, mens prosessen ellers er uendret. Fakturaer kommer inn, og et utvalg plukkes fortsatt ut til kontroll – men nå er det AI som leser de utvalgte fakturaene og sjekker dem mot policy og kontrakt. Deretter godkjenner saksbehandleren dem eller sender dem i retur, og til slutt betales fakturaene.

Et mer ambisiøst alternativ er å redesigne selve prosessen, slik at en AI-agent kan løse oppgaven bedre. Da leser AI hver eneste faktura og sjekker den mot policy, kontrakt og betalingshistorikk. Alt uvanlig flagges. Deretter håndterer saksbehandleren bare de flaggede sakene, og til slutt betales fakturaene.

Hvorfor gir det siste alternativet mest verdi? Ikke fordi AI leser raskere enn et menneske, men fordi alle fakturaene blir sjekket, ikke bare et lite utvalg, og fordi saksbehandleren kan bruke tiden sin på sakene som faktisk krever en menneskelig vurdering.
Horisontal skalering: bygg fundamentet én gang
Der vertikal skalering handler om å få mest mulig ut av én løsning, handler horisontal skalering om å slippe å bygge det samme fundamentet på nytt hver gang. Autentisering, integrasjoner og overvåking som er bygget for én løsning, bør kunne gjenbrukes når et annet team skal lage noe helt annet.
Det er her en AI-plattform kommer inn. I stedet for at hvert team bygger sine egne AI-agenter, kobler seg til språkmodellene på sin egen måte og finner opp egne sikkerhetskontroller, gir plattformen et felles fundament som alle kan bygge på. Fundamentet består av én komponent for agentisk AI, én sentral gateway til språkmodellene og innebygde kontrollmekanismer som håndhever sikkerhetskrav og policy automatisk.

Gevinsten er lettest å se fra utsiden
På teamnivå går det raskt å bygge en frittstående pilot: ett team, ett system, ett problem. En plattform gir ferdige byggeklosser som autentisering, integrasjoner og overvåking, og i praksis går det som regel enda raskere fordi mye allerede er på plass. Likevel kan team som er vant til å bygge akkurat slik de vil, oppleve den ekstra styringen som en brems.
På organisasjonsnivå ser bildet annerledes ut. Uten en felles plattform kan hvert team jobbe raskt på egen hånd, men løsninger som gjør den samme jobben, blir bygget parallelt og ukoordinert flere steder i organisasjonen. To team kan for eksempel dekke det samme behovet på hver sin måte, med egne integrasjoner, egen tilgangsstyring og egne sikkerhetskontroller. Det øker forvaltningsbyrden, fordi hver løsning må driftes, oppdateres og sikres for seg. Samtidig blir det vanskeligere å ha oversikt over hvilke data og modeller som brukes hvor, og dermed å styre risikoen.
Med en felles plattform unngås dobbeltarbeid og skygge-IT, og gevinsten øker for hver ny løsning som bygges på den, både i form av lavere kostnader og lavere risiko.
Problemet er at denne gevinsten først og fremst er synlig i porteføljen som helhet, ikke fra innsiden av det enkelte teamet. Det er derfor mange plattformsatsinger stopper opp: Den som bærer kostnaden ved styringen (teamet), er sjelden den samme som høster gevinsten av gjenbruken (organisasjonen). Skal en plattformsatsing lykkes, holder det ikke å tilby felles komponenter – den må gjøre den felles veien til den raskeste veien, også sett fra teamets ståsted.
Der begge retningene møtes
Vertikal og horisontal skalering løser ulike problemer, men de henger sammen. En løsning som aldri kommer forbi pilotstadiet, gir heller ikke noe som kan gjenbrukes på tvers av organisasjonen. Veien videre starter derfor gjerne med å stille to spørsmål samtidig: ikke bare «Hvordan får vi denne piloten til å vokse?», men også «Hva kan andre team bygge videre på?»