AI-förvaltning: vad händer efter lanseringen?

Det finns ett ögonblick som upprepar sig i AI-projekt. Lösningen är klar, demon imponerar, alla är nöjda, och projektet avslutas med en känsla av att jobbet är gjort. Ett halvår senare har samma lösning tyst slutat användas. Ingen bestämde det. Den bara gled ifrån verkligheten, och ingen fångade upp den.

AI-förvaltning är de löpande åtgärder som krävs för att en AI-lösning ska fortsätta fungera efter lansering: uppföljning, justering när verkligheten ändras, och ett tydligt ägarskap för fel som uppstår. Det är den minst glamorösa delen av en AI-satsning, och en av de mest avgörande.

En AI-lösning är inte en möbel som står där den ställs. Den lever i en verklighet som ändras, och utan förvaltning glider den långsamt ifrån den.

Förvaltning får sällan utrymme i diskussionen om AI, som mest handlar om att bygga och lansera. Men det är efter lanseringen en lösning antingen blir en bestående tillgång eller ännu en pilot som rann ut. Den här texten handlar om hur man hamnar i det första.

Varför en lösning inte är klar vid lansering

En AI-lösning byggs för en verklighet vid en viss tidpunkt: era processer, era regler, era system som de ser ut just då. Men den verkligheten står inte still. Ett kollektivavtal omförhandlas. En rutin ändras. Ett system uppdateras och ett dataformat byter skepnad. En ny typ av ärende dyker upp som ingen tänkte på vid bygget.

Varje sådan förändring är en liten knuff som flyttar verkligheten ett steg från den lösningen byggdes för. En enskild knuff märks knappt. Hundra knuffar över ett år, utan att någon justerar, och lösningen ger sämre svar än den gjorde i demo, utan att någon riktigt vet varför.

Vad förvaltning faktiskt innebär

Förvaltning är inte ett vagt löfte om support. Det är ett par konkreta saker som hålls vid liv.

Uppföljning mot baslinjen. Samma mätetal ni satte innan lanseringen, handläggningstid, felfrekvens, andel som klaras automatiskt, fortsätter mätas efteråt. Det är så ni upptäcker att något börjat glida medan det fortfarande är billigt att rätta, i stället för när någon klagar.

Justering när reglerna ändras. När en regel, en mall eller ett avtal ändras måste lösningen följa med. Det är ofta ett litet ingrepp, men det måste göras av någon som vet var i lösningen ändringen hör hemma, och det måste göras i tid.

Hantering av nya undantag. De ovanliga fallen visar sig över tid. En väl förvaltad lösning fångar upp dem, lär sig hantera dem eller lyfter dem till en människa, i stället för att gissa sig igenom dem tyst.

Inget av det här är dramatiskt. Förvaltning är sällan stora omtag. Det är många små justeringar i rätt tid, och frånvaron av dem är vad som får en lösning att förfalla.

Modeller och omvärld förändras

Utöver er egen verklighet rör sig också tekniken under lösningen. Modeller utvecklas, byts ut och förändras. En lösning som byggdes på en viss modell kan behöva ses över när förutsättningarna ändras, ungefär som vilken programvara som helst behöver underhåll när omvärlden den lever i rör sig.

Det är inget skäl till oro, men ett skäl att inte se en AI-lösning som en engångsleverans. Den hör hemma i samma kategori som era andra system: något som har ett ansvar och en löpande omsorg, inte något man installerar och glömmer.

Vem ska äga det?

Den vanligaste orsaken till att förvaltning uteblir är att ingen utsågs att äga den. Projektet hade en ägare, men när projektet tog slut tog ägarskapet slut med det. Lösningen blev allas och därmed ingens.

Det går att lösa på två sätt, och båda fungerar. Antingen äger ni lösningen själva, med dokumentation tydlig nog att ert eget folk kan förvalta och vidareutveckla den. Eller så står vi för drift och vidareutveckling, så att ni slipper bygga upp den förmågan internt. Det viktiga är inte vilket, utan att någon faktiskt har ansvaret, med mandat och tid att axla det. Vi ser förvaltning som en del av AI-utveckling, inte som något som börjar när utvecklingen slutar.

Kostnaden ingen räknade med

Förvaltning är också en post i kalkylen, och en som ofta glöms. En lösning som bara budgeterades som ett bygge, utan en löpande kostnad för att hålla den vid liv, kommer att kännas dyrare än väntat, eller så förfaller den för att ingen avsatte tid. Räknar ni på en AI-investering hör förvaltningen med från början, vilket vi också tar upp i texten om AI ROI.

Det är ingen stor post, vanligtvis. Men den finns, och att låtsas att den är noll är att planera för en besvikelse.

Förvaltning är skillnaden mellan tillgång och pilot

Gartner har funnit att organisationer med hög AI-mognad håller sina AI-projekt i drift i minst tre år mer än dubbelt så ofta som de med låg mognad, 45 procent mot 20 procent. Skillnaden stavas sällan teknik. Den stavas förvaltning.

Mönstret går igen i nästan alla AI-satsningar som inte håller: de byggdes, lanserades och lämnades. Det är en av de återkommande orsakerna till att AI-projekt misslyckas. En lösning utan ägare och utan löpande omsorg förfaller tyst, oavsett hur bra den var den dag den lanserades.

Den goda nyheten är att förvaltning är billig försäkring. Lite uppföljning, någon som äger frågan, och en rutin för att justera när verkligheten ändras räcker långt. Det är skillnaden mellan en lösning som fortfarande gör nytta om två år och en som tyst slutade någon gång i höstas.

Vill ni att lösningen håller?

Vi bygger AI med förvaltning inräknad från start, och kan antingen lämna över med dokumentation eller stå för drift och vidareutveckling. Vill ni veta hur ett förvaltningsupplägg skulle se ut för er? Boka ett samtal, så går vi igenom det.