När AI-prototypen blir en del av verksamheten
Med dagens AI-verktyg kan vägen från idé till fungerande lösning vara väldigt kort. Det gör det möjligt för fler att själva testa idéer och lösa problem som tidigare hade krävt ett utvecklingsprojekt. Men ibland fungerar lösningen så bra att den börjar användas på riktigt. Vad behöver man tänka på då?
Vi pratade med Joakim, systemarkitekt på Construct IT, om vad som händer när ett AI-experiment börjar bli en del av verksamheten – och om hur AI förändrar både kundernas och vårt eget sätt att arbeta.
Idag kan någon i verksamheten få en idé och ganska snabbt bygga en fungerande lösning med AI. Hur ser du på det?
Jag tycker att det är väldigt positivt. Tröskeln för att testa en idé har blivit mycket lägre. Man behöver inte börja med ett stort utvecklingsprojekt för att ta reda på om något fungerar, och man kommer ofta mycket längre än man kanske hade väntat sig.
Det intressanta är vad som händer sedan. Om fem personer börjar använda lösningen varje dag, den kopplas till ett annat system eller plötsligt innehåller information som inte får hamna fel, då har förutsättningarna förändrats. Det är en sak att snabbt få fram något som löser ett problem och en annan att ha något som verksamheten börjar bli beroende av.
Hur vet man att man har nått den punkten?
Det finns ingen exakt gräns. Men fler användare, känslig information, integrationer eller att en verksamhetsprocess börjar bli beroende av lösningen är ganska tydliga signaler. Då behöver man börja ställa frågor om vem som ansvarar för den, vem som har tillgång till vad, vad som händer om något slutar fungera och om någon annan kan ta över och vidareutveckla den.
Det handlar egentligen mindre om hur lösningen byggdes och mer om vilken roll den har fått. Ett snabbt byggt verktyg kan vara helt rätt för sitt syfte. Men om samma verktyg med tiden blir en viktig del av verksamheten är det rimligt att också kraven på det förändras.
Betyder det att företag bör vara försiktigare med att bygga själva?
Nej, jag tycker snarare att man ska utnyttja möjligheten. Bygg och testa. Många idéer kommer aldrig att behöva bli stora IT-projekt, och det är ju en del av vinsten med den här utvecklingen.
Men kraven bör följa användningen. Ett internt verktyg som hjälper några personer med en avgränsad uppgift är en sak. En lösning som kunder använder eller som får tillgång till affärskritisk information är något annat. Man behöver alltså inte lösa alla tänkbara problem från början, men man behöver märka när förutsättningarna ändras.
AI förändrar också hur ni på Construct IT arbetar?
Absolut. Vi använder AI i stora delar av vårt eget arbete, till exempel för utveckling, analys, testning, dokumentation och för att snabbt undersöka olika lösningar. Det gör att vi kan komma fram till något konkret snabbare och lägga mer tid på sådant som kräver erfarenhet, förståelse för verksamheten och avvägningar mellan olika alternativ.
För oss handlar AI därför inte bara om att producera kod snabbare. Det kan lika gärna vara ett sätt att analysera ett problem, pröva en idé från flera håll eller undersöka olika vägar innan man bestämmer sig för vad man ska göra. Att det går snabbare att bygga betyder inte att frågor som vad vi egentligen försöker lösa, hur lösningen passar in i helheten och vilka risker vi behöver hantera försvinner.
Var kommer Construct IT in om kunden redan har byggt något själv?
Då tycker jag att utgångspunkten ska vara det kunden redan har åstadkommit. Om de har byggt något som fungerar och dessutom visat att det skapar nytta finns det ingen anledning att börja om bara av princip.
Vi kan hjälpa till att gå igenom det som finns och bedöma vad nästa steg faktiskt kräver. Det kan handla om hur lösningen är byggd, säkerhet, data, integrationer och om den går att förvalta och utveckla vidare. Men också om en mer grundläggande fråga: är det här rätt lösning på problemet?
Ibland kommer man fram till att det som redan finns fungerar bra. I andra fall behöver vissa delar förstärkas eller byggas på ett annat sätt. Och ibland visar genomgången att man egentligen borde angripa problemet på ett helt annat sätt.
Poängen är inte att göra varje prototyp till ett stort utvecklingsprojekt, utan att förstå vad man har, vilken roll det ska ha och vad som är rimligt att göra härnäst.
Handlar det här framför allt om att bygga bättre mjukvara?
Nej, och det tycker jag är en viktig del av det som händer nu. AI påverkar inte bara hur vi bygger mjukvara. Det påverkar också hur människor kan arbeta, analysera information, utveckla idéer och lösa problem. I många verksamheter tror jag att den förändringen kan bli minst lika betydelsefull som själva tekniken.
Därför hjälper vi också kunder att titta på sina arbetssätt och processer. Vad gör vi idag som skulle kunna göras annorlunda med AI? Var skulle det faktiskt skapa nytta? Vad bör fortfarande göras av människor? Och vad händer med roller, ansvar och processer om vi förändrar hur arbetet utförs?
Ibland leder det till att man bygger något. Ibland till att man förändrar en process, provar ett nytt arbetssätt eller använder AI som stöd i ett arbete som redan finns. Det intressanta är inte att få in AI överallt, utan att förstå vilka nya möjligheter som faktiskt är användbara.
Bygg, testa och lär
AI har gjort det möjligt för betydligt fler att gå från idé till fungerande lösning. Men förändringen är större än så. Samma teknik gör det möjligt att prova nya arbetssätt, undersöka problem på andra sätt och testa idéer som tidigare hade varit för dyra eller tidskrävande att utforska.
Det tycker vi att företag ska utnyttja. Och om ett experiment börjar användas mer än man först tänkt sig är det i grunden ett bra problem att ha. Då har man sannolikt hittat något som skapar värde. Nästa fråga är vad man vill göra med det – och vad som krävs för att det ska fungera även när experimentet har blivit en del av verksamheten.