Efter to dage på AI Summit London er der i min optik nogle temaer, som træder særligt tydeligt frem i samtalen om AI.

Samtalen handler stadig meget om modeller. Men det er ikke længere de forskellige AI-modeller, der tales om. Til gengæld er der stort fokus på mennesker samt implementerings- og governance-modeller.

De organisationer, der kommer hurtigst frem med AI, er ikke nødvendigvis dem med den mest avancerede teknologi.

Det er dem, der får mennesker, processer, AI-teknologi og governance til at spille sammen.

Governance skal være en “enabler” – ikke en begrænser

Flere talere sagde det samme på forskellige måder:

Hvis governance bliver for høj en mur, finder medarbejderne en vej udenom.

Governance skal skabe retning og et sikkert spillerum. Tydelig nok til at skabe tillid, struktur og ansvarlighed – men fleksibel nok til, at mennesker kan eksperimentere, lære og udvikle sig.

Kultur slår værktøjer

Et af de stærkeste budskaber var, at AI ikke er software, man bare ruller ud.

Det er en ny måde at arbejde på.

Derfor kan adoption ikke overlades til individuel nysgerrighed. Organisationer har brug for fælles læringsmiljøer: champions, eksperimenter, hackathons, use cases, MVP’er og ærlige samtaler om, hvad der virker – og hvad der ikke gør.

Man får ikke AI til at slå rod i organisationen, hvis alle eksperimenterer i siloer.

Omkostninger bliver en ny dimension

Prisen på tokens stiger og stiger, og vi bevæger os fra en månedlig licensomkostning til en forbrugsbaseret afregning. Det betyder dog ikke, at vi slipper for at betale en månedlig licens, men nu kommer der også afregning for tokenforbrug oveni.

Mange organisationer har undervurderet de reelle omkostninger ved AI, især når eksperimenter skalerer på tværs af medarbejdere, agenter og arbejdsgange.

Den næste fase kræver langt mere disciplin omkring modelvalg, prompt-effektivitet, brugsmønstre og ROI.

Jeg tænker, at CFO’en kommer til at interessere sig meget mere for det her i løbet af de næste 6-12 måneder.

Modelspørgsmålet er måske overvurderet – indtil videre

ChatGPT, Claude eller Gemini …

Diskussionen om modeller – aka Claude vs. ChatGPT – dukker selvfølgelig op, især når Anthropic vælger at lancere deres nye FABEL-model under konferencen 🙂

Men jeg er ikke overbevist om, at det vigtigste hele tiden er at jagte den nyeste model, som performer 1,267 % bedre end den, man allerede bruger.

En vigtigere pointe er måske, at mange organisationer kun udnytter en brøkdel af det potentiale, deres nuværende AI-værktøjer allerede rummer.

Hvis medarbejderne kun bruger 20 % af mulighederne i deres eksisterende AI-værktøjskasse, så ligger det største potentiale næppe i de sidste 1,267 %.

Det ligger i de resterende 80 %.

For de fleste organisationer er den brede adoption og opbygningen af AI-kompetencer derfor vigtigere end spørgsmålet om, hvilken model der er bedst i denne uge.

Det afgørende er, om mennesker forstår at bruge dem effektivt.

Data er stadig fundamentet

Samtalen om data fyldte heldigvis også meget mere end spørgsmålet om, hvilken AI-model der er bedst.

På tværs af brancher gik det samme budskab igen:

AI bliver aldrig bedre end de data, den bygger på.

Mange af de organisationer, der kæmper med at skabe værdi med AI, har i virkeligheden ikke et AI-modelproblem. De har et dataproblem.

Fragmenterede datakilder, manglende datakvalitet, uklart ejerskab og gamle systemer bliver hurtigt en begrænsning, når AI skal skaleres fra pilotprojekter til reel forretning.

Når alle bruger de samme AI-modeller, er det fortsat svært at komme uden om, at datafundamentet og adgangen til unikke og proprietære data bliver en af de vigtigste konkurrencefordele i de kommende år.

“Vores AI er trænet til at tale som os” er måske ikke længere nok

En af de mest tankevækkende sessioner, jeg så, handlede om, hvad der sker, når AI-agenter begynder at handle på vegne af brands og organisationer.

Mange har allerede trænet AI på tone of voice, brand guidelines og visuelle identiteter.

Men måske er tiden kommet til at overveje, om AI også skal trænes på organisationens kultur og værdier.

Måske får organisationer brug for noget, der minder mere om en AI-forfatning end blot en AI-politik – et hierarki af værdier, som kan hjælpe både mennesker og AI med at træffe beslutninger, når situationer bliver komplekse og kræver dømmekraft.

For når AI begynder at møde kunder, skabe eksternt indhold, anbefale handlinger eller agere på vegne af et brand, skal vi som afsender stadig kunne stå på mål for det.

Takeaway

AI-kapløbet fortsætter med fuld fart.

Det handler ikke kun om at have adgang til de bedste AI-modeller. Det handler om at skabe kultur, governance, arbejdsformer, værdiforståelse, datafundament og den disciplin, der skal til for at gøre AI brugbar, troværdig og skalerbar. Det er fundamentet for at høste de resterende 80 %.

Det egentlige spørgsmål for ledere er derfor ikke kun:

“Hvordan bruger vi AI?”

Men:

“Hvordan skal vores organisation, roller, ansvar og processer forandre sig, nu hvor AI bliver en del af måden, arbejdet bliver udført på?”