Kom hurtigt igang med brugen af AI/LLM i din virksomhed
Start med at skabe en fælles, basal forståelse i organisationen af, hvad LLM- og generativ AI (GenAI) kan og ikke kan. Kort sagt er styrkerne typisk tekstgenerering, opsummering, søgning i store tekstdatasæt eller automatiseringsmuligheder ind i opgaveområder, med gentagende handlinger. Væsentlige begrænsninger er risiko for hallucinationer (forkert eller fabrikeret output), kontekstbegrænsninger i modellerne og følsomheden omkring de data, der bruges som input.
Hvis I ikke har intern ekspertise, bør I koble jer op på en ekstern AI- partner, men fokus på den tætte og forretningsnære dialog. En god ekstern AI- parterner, kan hurtigt vurdere potentialet gennem dialog - og uden en forudgående langvartig analyse på området, så længe vi taler PoC - og opstartsprojekter. Det er ekstremt vigtigt, at du funder den rigtige partner, med den rigtige tilgang og holdning. Erfaring i brugen af AI/LLM modeller er absolut nødvendigt - og her er det ikke i at bruge de online modeller, men i at lave små hurtige prototyper som kan tilgås online. Er du i tvivl om hvordan du finder en partner, så invester et par tusinde kr. ekster i en partner - der kan hjælpe med at finde den rigtige partner - og i evalueringen stille de rigtige sprøgsmål.
Når vi anbefaler pilotprojekter, så taler vi budgetter på omkring 25.000 - ikke mere + måske en 2-3.000 til at få vurderet din potientielle partner af en ekstern konsulent. Ved at holde omkostningen på dette niveau, sortere du ofte de potientielle partnere fra, der tænker for stort - på et for tidligt tidspnkt. Det kan naturligvis variere lidt, men hold nu budgettet i ro - ellers bliver fokus flyttet fra PoC indsatsen og det simple resultat på at det kan virke, over på noget andet - og det er for tidligt.
Udvælg 2–3 højtprioriterede use cases og kortlæg datatyper
Vælg konkrete opgaver, der gentages ofte, er tidskrævende og har målbar forretningsværdi, eller som fremstår som daglige flaskehalse. Hold fokus: start med 2–3 use cases med klart defineret mål. Eksempler kan f.eks. være automatiserede kundesvar, intern dokumentopsummering eller forberedelse af standardrapporter.
Kortlæg hvilke datatyper der skal findes i de udvalgte cases. (strukturerede data, dokumenter, mails mv.). Formålet i PoC er ikke at begynde at arbejde med dine faktiske data, men at få etablreet fiktive data der har et indhold og en struktur der gør, at de minder om dine faktiske data. derigennem overholder du principielt alle gælndende regler, idet data der skabes til formålet, af en eksterne part, ikke er omfattet af hverken GDPR eller andre regler. Med den rigtige partner, så vil etableringen af fiktive data, ud fra et oplæg du har lavet, tage få timer via en AI model.
Etabler et faseopdelt pilotprojekt med klare roller og løbende dialog
Opbyg pilotprojektet i få, velafgrænsede faser, der sætter fokus på få funktionelle områder. Udvælg typisk dele, der kan imponrere medarbejderne, eller potientialeafdække hos ledelsen. Evaluer efter hver fase på konkrete dataområder og stop eller justér, hvis målene ikke nås. Sæt ikke fokus på rammen, men på indholdet: Passer inputtet til det du har i den faktisek situation -> laver den et output, der ligger inden for rammen af det du forventer/ønsker/drømmer om?
Udpeg faglige nøglepersoner: en business owner med ansvar for forretningsmålene, en data owner der siker sammenligningen og en teknisk lead, der følger implementering og sikkerhed - rollerne kan godt samles hos en person, men bør være der.
Vælg arkitektur, model og målkrav med datasikkerhed og målbarhed for øje
Tekniske valg skal afspejle den udvalgte Case + af jers partner perspektiveres op imod virkelighedne. Overvej on-prem versus cloud, kommercielle cloud-løsninger mod private eller specialiserede modeller - men hold det som overvejelser. Grunden til, at det kan være aktuelt nu er, at hvis en evt. fremtidig behanlding skal holdes on-prem, så bør PoC benytte mindre modeller, hvis kapacitet reelt kan genskabes på lokale maskiner efterfølgende. Ligeldes bør PoC allerede nu fokusere på etableringen af RAG - frem for "bare" instrukse. Men bare rolig - har du valgt den rigtige partner, så ved de dette - og holder disse overvejleser indenfor den aftalte ramme.
Byg PoC— mål effekten — og iterér disciplineret
Gå fra dialog til udvikling med korte iterationer og løbende evaluering. Vurderinger og evalueringer sker her løbende - og man kan med fordel løbende spørge - hvis dette var "live" har vi så et produkt, der giver os en værdi?
Brug en iterativ tilgang: lær fra hver fase/eksempel, dokumentér fremdriften og resultater let - men overskueligt, og fasthold disciplin omkring PoC. Det er den mest effektive vej til at sikre, at PoC levere - selv indenfor små rammer.
Handlingsorienteret checkliste og anbefalede næste skridt
Hold fokus på, at parkerede ønsker/muliheder/afdæninger systematisk samles op. Det kan være, at enkelte elementer kan udvide projektet - men håndter det som en udvidelse, evt. med en fast pose penge tilknyttet.
Afsluttende aktivitet. Vigtigst: Få det opsamlet i en præsentation, der kan deles med omverden. Sæt fokus på Udgangspunkt, forventede gevinster, oplevede gevinster og konklussion.
Har du ramt rigtigt - så vil næste fase give sig selv og et faktisk projekt kan startes op. Har du ikke ramt rigtigt, så prøv igen - for værdien er der!
