Nei, du trenger ikke en strategi for generativ AI

Den stadige AI-hypen

Hypen rundt generativ AI er fremdeles enorm. Fra å ligge helt øverst på Gartners Hype Cycle i 2023, er vurderingen for 2024 fremdeles nært toppen. Som rådgivere innen teknologi opplever vi stadig at ledelse spør oss: Trenger vi en egen strategi for generativ AI? Vi tror svaret er nei.

La oss først se på hvordan ulike selskaper forholder seg til generativ AI i dag. Mennesker tenderer til å overestimere teknologidrevet endring på kort sikt, men underestimere den på lang sikt (Amaras lov). Ledere er intet unntak: Jobben er nettopp å se muligheter og gjøre virksomheten i stand til å gripe disse. Samtidig reagerer mange ledere med skepsis. De har sett tidligere teknologitrender og vet hvor lang tid det tar før teknologi blir klar til skalerbar produksjon.

Med hypen rundt generativ AI, ser vi ofte én av to tilnærminger:

• Passivt avventende: Generativ AI oppleves som umodent og man er avventende. I den grad generativ AI utforskes, er det i stor grad tilfeldig og drevet av ildsjeler.
• Aggressivt flashy: Man hopper på anvendelser av generativ AI med høy synlighet. Raske konsepter trumfer reell verdi for kunde og/eller virksomhet. Med andre ord: Generativ AI får hoppe bukk over selskapets normale prioriteringsprosesser.

Det er gode argumenter for å være avventende. Vi har sett en vridning av tjenestetilbudet innen AI fra generalistmodeller til et spekter av spissede modeller (som Spellbook sin juridiske AI-assistent) og tjenester som kan sys sammen til orkestrerte agenter (som Aisera sin orkestreringsplattform eller Microsofts Magentic-One). I tillegg blir monolittene stadig kraftigere, som OpenAIs 4o. Men: Skal man vente til teknologien modnes i større grad, må dette være et bevisst strategisk valg. Likeledes: Skal man forsøke å utforske og utnytte generativ AI nå, må dette gjøres bevisst og med et langsiktig perspektiv.

Fra støttefunksjoner til konkurransefortrinn i kjernen

AI har hittil i størst grad gjort sitt inntog i støttefunksjoner som HR, kundeservice og CRM, marketing, systemutvikling, data og analyse. Kjente aktører leverer tjenestene sine «AI powered», som GitHub, Salesforce, SAP, Rippling HR. De fleste vil kunne dra nytte av slike AI-tjenester gjennom innkjøp. Det er derfor også sannsynlig at konkurransefortrinnene herfra vil være flyktige.

Hvor ligger da potensialet for varige konkurransefortrinn drevet av AI? For mange vil dette være evnen til å utnytte AI i kjerneleveransene, altså selve tjenestene og produktene man leverer. Oda forsøker for eksempel å spå hva du vil ha i handlekurven og vil på sikt kanskje vite hva du har i kjøleskapet. Helse- og omsorgstjenester med agenter som interagerer med brukere og kan forstå data fra mange kilder (som eMed), vil også kunne skreddersy oppfølging og tilbud i enda større grad. Felles for slike anvendelser er at man bygger AI inn som en del av selve produktutviklingen. Dette tar lenger tid enn å gjøre flashy stunt med høy synlighet, men det har også et langt større potensial dersom man lykkes.

AI som del av produktutviklingen

Trenger man ikke da en egen AI-strategi for å få til dette? Vi mener svaret er nei. Å bygge AI inn i produktutvikling representerer et strategisk valg — men det trenger ikke være komplisert å ta dette valget. Man trenger i hvert fall ikke strategi i form av et 3 måneder langt prosjekt med nåsituasjonsanalyser, utforming av målbilder og en plan for å tette gapet.

Skal du få til å innlemme AI i produktutviklingen, må du unngå at AI trumfer prioriteringene virksomheten din er trent på å gjøre hver eneste dag. Samtidig må du stimulere slik at teamene og menneskene du leder blir i stand til å:

1. Identifisere potensielle anvendelser av AI
2. Beskrive hva disse vil kreve og gi av effekt
3. Prioritere mulighetene opp mot alle andre mulige verdiskapende grep
4. Realisere verdien

Dette må henge sammen med hvor på modenhetsskalaen du befinner deg innen AI. Har du ikke startet på å innlemme AI i dine produkter og tjenester, bør du fokusere på hvilke grep som skal til for å komme i gang. Har du kommet lenger, er spørsmål knyttet til skalering og optimalisering mer relevante.

I neste bloggpost skal vi se hvordan man kan tenke strategisk rundt AI gitt sitt modenhetsnivå, uten å måtte kjøre en lang strategiprosess.