HPE:s fyra steg till ett lyckat AI-införande

Enligt en undersökning från Microsoft lyckas endast ett av fem AI-projekt i svenska verksamheter. Stephan Andersson, CTO på HPE Sverige, har ett antal tips till verksamheter för att öka möjligheterna att lyckas. Det första – och kanske viktigaste – är att man måste se AI som ett verksamhetsprojekt, inte ett it-projekt.

– När det går fel ses AI som ett it-projekt, där man avsätter en budget till it-avdelningen, ber dem bygga något och förväntar sig ett resultat. AI är ett verksamhetsprojekt som ska ha stöd från ledningsgruppen och vd:n, ända upp till styrelsen.

Stephan Andersson exemplifierar med ett AI Sweden-event som han besökte förra veckan.

– På plats var 185 chefer och styrelsemedlemmar från stora svenska företag inom vitt skilda branscher. De diskuterade exempelvis så kallad vibe-kodning och pratade om AI som en kärnkompetens som varje ledningsgrupp måste ha – inte som en sidoverksamhet. Det är så det måste gå till.

Människor och data

En annan helt vital del för att lyckas är att ha kontroll på sin data. Enligt Stephan Andersson sitter varje företag på två unika tillgångar: människor och data. Men just datan, menar han, ligger ofta utspridd i en sjö av appar och verktyg.

– Man har sin kunddata i ett publikt moln, operativ och strukturell data i en annan molntjänst och sitt affärssystem on-prem. Ledningsgrupper, och mer specifikt vd:ar och CFO:er, måste börja förstå värdet av den data de sitter på.

Magin sker när man har rätt och uppdaterad data, och när samtliga datakällor korreleras så att AI:n kan "sätta tänderna" i den, menar Stephan Andersson.

– Parallellt behöver man fundera på vilka regulatoriska regelverk, exempelvis AI Act, Cloud Act och GDPR, som kan komma i spel när man låter AI använda all data. Det gäller helt enkelt att säkerställa att all din data får användas i AI-projekt.

”AI ska förbättra kundupplevelsen, inte försämra den”

Det är också viktigt att det främsta fokuset ligger på möjligheter, inte besparingar, när man drar igång sina AI-projekt. För ofta fokuserar verksamheter på att effektivisera något som sedan går ut över kundupplevelsen.

– Ett exempel är organisationer som ersätter sin kundtjänst med en chattbot. Det leder till minskade kostnader men i många fall även till en sämre kundupplevelse. AI-projekt ska förbättra kundupplevelsen, inte försämra den. Jag vill dock tydliggöra att effektivisering så klart är viktigt – alla AI-projekt ska på sikt spara mer pengar än vad de kostar att dra igång.

Den fjärde rekommendationen är att köpa en färdig plattform – inte bygga en egen.

– Ryck AI-projekten från teknologerna. Man behöver inte bygga en egen plattform i ett halvår – det finns redan färdiga. Vilken hårdvara och mjukvara som ska användas är inte det viktigaste; värdet för verksamheten är det vitala.

– Och tempo är viktigt. I och med att många projekt av olika anledningar misslyckas är det viktigt att ”faila” snabbt och snabbt gå vidare med nya idéer. Då går det inte att bedriva förstudier i sex månader innan man börjar.

HPE:s plattform PCAI

HPE erbjuder ett antal färdiga AI-plattformar, däribland Private Cloud for AI (PCAI) som man utvecklat tillsammans med Nvidia. PCAI är ett förkonfigurerat system som erbjuder infrastruktur, mjukvaror och närmare hundra färdiga mallar, där de flesta kommer från HPE:s egna AI-case.

– PCAI är som en färdig AI-fabrik man installerar i sitt datacenter. Du kan koppla företagets data till färdiga AI-modeller och sedan bygga egna användningsfall. Minimal installation krävs, så du kan vara igång på bara några dagar. Det var den första nyckelfärdiga AI-plattformen på marknaden och är än i dag den mest kompletta.

– Om du har identifierat ett mätbart affärsprojekt och har kontroll över din egen data går det snabbt att komma igång och skapa verkligt värde med PCAI.

Om vi blickar framåt 18 månader, kommer mer än 20 procent av alla AI-projekt att lyckas då?

– Det är jag helt övertygad om, av den enkla anledningen att leverantörer och kunder kommer att mogna och förstå vad de ska använda AI till. Många storbolag har investerat stora summor i AI-infrastruktur – om investeringarna ska fortsätta måste tekniken börja generera värde. Alternativet är att AI dör ut om 18 månader, och det har jag inte träffat någon som tror.