AI-kompetens är inte en kompetens

Börja med problemet – inte med AI-teamet

Det finns en lockande enkelhet i att säga att ett AI-initiativ behöver någon från verksamheten, någon från IT och någon som kan data eller AI. Ibland är det precis rätt kombination. Ibland behövs ingen data scientist alls. I andra fall saknas flera avgörande kompetenser.

Det avgörande är inte hur många personer som är inblandade, utan vad lösningen gör, vad den kopplas till och vilka konsekvenser den kan få.

Tre lösningar – tre laguppställningar

En nästan färdig AI-tjänst för kundsupport är framför allt en fråga om kundprocess, kunskapsinnehåll, integration och ansvar. En lösning som ska optimera en produktionsprocess måste förstå produktionen, maskinerna, datan och sambanden mellan dem. En dataplattform kräver i sin tur djup kompetens kring dataarkitektur, data engineering, ägarskap och kvalitet.

Det är alltså lösningen som ska styra vilka kompetenser som kopplas in, inte en förutbestämd organisationsmodell. Alla behöver inte heller vara med hela tiden. En specialist kan behövas under hela arbetet, vid ett fåtal beslutspunkter – eller inte alls.

Samma lösning kan kräva olika stöd i två företag

Kompetensbehovet beror inte bara på lösningen. Ett företag som precis börjat använda AI kan behöva mycket extern hjälp för att välja teknik, förstå möjligheter och genomföra sina första försök. En mer mogen organisation kan redan ha egen kompetens inom exempelvis integration, data, AI/ML, säkerhet och produktägarskap.

Hög AI-mognad betyder samtidigt inte att företaget ska göra allt självt. Ett mycket moget företag kan fortfarande välja en färdig kundsupportagent framför att utveckla en egen. Skillnaden är snarare att organisationen har bättre förmåga att avgöra vad den behöver, vad den kan standardisera, vilken hjälp den behöver och vilken kunskap den själv måste behålla.

Vad behöver vi själva kunna bära?

När vi vet vilka kompetenser som behövs kommer nästa fråga: var behöver kompetensen finnas? Den kan finnas hos egna medarbetare, en leverantör, en konsult, en partner, någon annan del av koncernen eller i ett bredare nätverk.

Kunskap om våra processer, vår data, våra kunder, våra risker och vad som faktiskt är ett bra resultat är ofta betydligt mer verksamhetsunik än kunskapen om en viss modell eller teknisk plattform.

När en AI-lösning går från experiment till något verksamheten faktiskt är beroende av förändras frågan igen. Det räcker inte längre att någon kunde bygga den. Vi behöver veta vilken kompetens som måste finnas kvar när konsulten, leverantören eller den interna eldsjälen inte längre finns där.

Tre frågor före nästa AI-initiativ

• Vad försöker vi åstadkomma? Det avgör vilka kompetenser som behövs.
• Var befinner vi oss idag? Det påverkar vad vi redan kan och vilket stöd vi behöver för att lyckas.
• Vad behöver vi själva kunna bära över tid? Det påverkas av hur verksamhetsunik, strategisk och verksamhetskritisk förmågan blir.