Den bedste første AI use case er kedelig. Den kommer igen hver uge, materialet ligger klar, en fejl koster næsten ingenting, og den, der laver opgaven, kan mærke forskellen allerede ugen efter. Alligevel starter de fleste virksomheder med den mest spektakulære idé på listen. Og så går det i stå.
I ved godt, at AI skal i spil. Bestyrelsen spørger, medarbejderne bruger det allerede på egen hånd, og efter et par møder står der tyve idéer på tavlen. Spørgsmålet er ikke længere, om I skal i gang. Det er, hvor.
Her får I fire kriterier til at vælge jeres første AI use case, en scoringsmodel, I kan udfylde på ti minutter, og tre kedelige eksempler, der plejer at vinde. Det er et værktøj til at vælge. Ikke en strategi.
Glem AI-strategien, og vælg én AI use case
Mange tror, at der skal ligge en AI-strategi, før man må gå i gang. Det er den forkerte rækkefølge. En strategi, der er skrevet før den første case, bliver et dokument om forventninger. En strategi, der er skrevet efter tre cases, bliver et dokument om erfaringer.
Den første case har ét job: at vise jer selv, at det virker hos jer. Ikke at spare mest muligt. Går den galt, sætter den sig som en historie i huset om, at AI ikke passer til jer, og den historie er svær at skrive om bagefter. Derfor skal den første case vælges, så den næsten ikke kan gå galt.
Hvem der ejer casen, hvad I måler på, og hvad I bevidst lader ligge, er ledelsens beslutninger. Dem har vi gennemgået i AI til ledelse. Her handler det om, hvilken opgave I peger på.
Fire kriterier for en god første AI use case
Hold hver idé op mod fire spørgsmål. Bemærk, at ingen af dem handler om, hvor imponerende idéen lyder.
1. Hvor tit kommer opgaven igen?
En opgave, der løses hver dag eller hver uge, giver mange forsøg og hurtig læring. En opgave, der kommer fire gange om året, når I aldrig at blive gode til. Når det gælder den første case, slår hyppighed værdien pr. gang.
2. Ligger materialet klar?
Den gode første case bruger det, I allerede har: mails, dokumenter, skabeloner, en eksport fra et system. Står der et oprydningsprojekt foran casen, er det ikke en første case. Tjek samtidig, at materialet må bruges. Kundemails og interne dokumenter hører hjemme på en firmakonto, og det har vi lavet et trafiklys for i hvad må man dele med ChatGPT.
3. Hvad koster en fejl?
Laver AI’en et udkast, som et menneske læser, før det går videre, koster en fejl et par minutter. Træffer den en beslutning, der går direkte ud til en kunde, kan en fejl koste kunden. Start der, hvor et menneske altid sidder imellem.
4. Kan den, der laver opgaven, mærke forskellen?
Det bedste bevis er ikke et regneark. Det er medarbejderen, der siger, at det tog ti minutter i stedet for en time. Vælg en opgave, hvor den, der laver den, selv kan se forskellen inden for få uger.
Den kedelige case vinder, fordi den kan tåle at blive gjort forkert de første ti gange.
Scoringsmodellen: ti minutter og én tabel
Giv hver idé fra 1 til 5 point på hvert af de fire kriterier. Brug tabellen som rettesnor.
| Kriterie | 1 point | 3 point | 5 point |
|---|---|---|---|
| Hvor tit | Et par gange om året | Hver måned | Hver dag eller hver uge |
| Materialet | Skal samles eller ryddes op først | Findes, men ligger spredt | Ligger klar og må bruges |
| Fejlens pris | Går direkte til en kunde eller en beslutning | En kollega læser det bagefter | Et menneske tjekker altid først |
| Synlig forskel | Kan først ses om et år | Kan ses i et regnskab | Medarbejderen mærker den ugen efter |
Læg pointene sammen. Maksimum er 20. Den idé, der scorer højest, er jeres første AI use case. Står to idéer lige, så vælg den, hvor en fejl koster mindst. Alt under 12 parkerer I, uanset hvor godt det lyder.
Sådan kan det se ud med tre typiske idéer fra tavlen:
| Idé | Hvor tit | Materiale | Fejl | Synlig | I alt |
|---|---|---|---|---|---|
| AI-chatbot til kunderne på hjemmesiden | 4 | 2 | 1 | 2 | 9 |
| Forudsige næste kvartals salg | 1 | 2 | 2 | 1 | 6 |
| Første udkast til svar på standardhenvendelser | 5 | 4 | 5 | 5 | 19 |
Chatbotten er den, alle taler om. Den taber, fordi den svarer kunderne direkte, og fordi den kræver et vidensgrundlag, der ikke findes endnu. Svarudkastet er der ingen, der taler om. Det vinder med flere længder.
Lad to eller tre personer score hver for sig. Sammenlign bagefter. Der, hvor I er uenige, ligger det, I skal tale om.
Tre kedelige AI use cases, der plejer at vinde
De her tre dukker op i næsten alle virksomheder, uanset branche. De scorer højt af samme grund: opgaven kommer igen, materialet er der, et menneske læser med, og forskellen kan mærkes med det samme.
- Svarudkast på standardhenvendelser. Kundeservice, bogholderi eller sekretariat får de samme spørgsmål igen og igen. AI’en skriver første udkast ud fra jeres egne skabeloner og tidligere svar, og medarbejderen retter og sender
- Referat og opfølgning efter møder. Noter eller en optagelse bliver til et referat med beslutninger og opgaver. Det sker efter hvert møde, og den, der plejede at skrive det, ved præcis, hvor lang tid det tog
- Første udkast til tilbud. Sælgeren lægger kundens forespørgsel og jeres tilbudsskabelon ind, og AI’en laver et udkast, der skal rettes og ikke skrives. Prisen sætter sælgeren selv
Ingen af dem kommer i fagbladet. Det er derfor, de virker som første case. Når de kører, har I erfaringen, og så kan I se på den mere ambitiøse idé fra tavlen med andre øjne.
Fire indvendinger, vi hører hver gang
Vi har ikke data nok. Til den første case behøver I ikke data i den forstand. I behøver de mails og dokumenter, I allerede arbejder i. Datagrundlaget bliver først et problem, når I vil forudsige noget, og det er netop ikke den første case.
Vores branche er speciel. Det er den sikkert. Men jeres mails, møder og tilbud er det ikke. Det særlige ved jeres branche ligger i indholdet, og det kender jeres medarbejdere. Opgaven er den samme overalt.
Vi har ikke tid. Så er det endnu vigtigere at vælge den kedelige case. Den skal ikke have et projekt. Den skal have én medarbejder, en firmakonto og to uger, hvor opgaven løses med AI, hver gang den kommer.
Vi kan godt selv. Det kan I. Modellen står ovenfor, og den er jeres. Det, en udefra kan bidrage med, er de spørgsmål, der er svære at stille internt. Hvorfor er det lige direktørens egen idé, der scorer højest? Ligger materialet faktisk klar, eller tror vi bare, det gør? Det er der, vores AI-rådgivning starter.
Skal vi kigge på jeres liste sammen?
Tag jeres idéer med til en snak. Så scorer vi dem sammen og finder den første AI use case, der kan bære. Gratis og uforpligtende.
Vil I først se, hvordan vi arbejder, så læs om vores AI-rådgivning til virksomheder.
Paw Lundin
Stifter af Digital Forlomme. 15+ års erfaring med digitalisering, først som intern leder, nu som rådgiver. Underviser, implementerer og rådgiver.
Ofte stillede spørgsmål om AI use cases
Hvad er en AI use case?
En AI use case er en konkret arbejdsopgave, hvor AI løser en del af arbejdet, fx første udkast til et svar, et referat eller et tilbud. Den er afgrænset nok til, at I kan se, om den virker, og der er en person, der laver opgaven i forvejen.
Hvordan vælger vi vores første AI use case?
Giv hver idé fra 1 til 5 point på fire kriterier: hvor tit opgaven kommer igen, om materialet ligger klar, hvad en fejl koster, og om medarbejderen kan mærke forskellen. Den idé, der scorer højest ud af 20, er jeres første case. Alt under 12 parkeres.
Hvilke AI use cases er gode at starte med i en mindre virksomhed?
Svarudkast på standardhenvendelser, referat og opfølgning efter møder og første udkast til tilbud. De kommer igen hver uge, bruger materiale, I allerede har, og et menneske læser altid med, før noget går videre.
Skal vi have en AI-strategi, før vi går i gang?
Nej. Start med én case, der virker, og skriv strategien, når I har erfaringer fra to eller tre cases. En strategi, der er skrevet før den første case, handler om forventninger og ikke om det, der faktisk virker hos jer.
Hvor lang tid tager det at teste en AI use case?
Til en kedelig første case er to til fire uger nok. Lad én medarbejder løse opgaven med AI, hver gang den kommer, og sammenlign med, hvordan det gik før. Kan forskellen ikke mærkes efter en måned, er det ikke den rigtige case.
Hvorfor ikke starte med en AI-chatbot til kunderne?
Fordi en chatbot svarer kunderne direkte, så en fejl rammer en kunde og ikke en kollega. Den kræver også et vidensgrundlag, som de fleste ikke har samlet endnu. Den er bedre som case nummer tre end som nummer et.