“Vi skal lige have tænkt det ordentligt igennem.” Det er typisk det, der bliver sagt, når en AI-idé rammer et ledelsesmøde. Ikke fordi idéen er dårlig, men fordi risikoen føles reel. Hvad hvis modellen tager fejl? Hvad hvis output ikke er korrekt? Hvad hvis det rammer en kritisk proces? Det er en rationel bekymring. Men […]
“Vi skal lige have tænkt det ordentligt igennem.”
Det er typisk det, der bliver sagt, når en AI-idé rammer et ledelsesmøde. Ikke fordi idéen er dårlig, men fordi risikoen føles reel. Hvad hvis modellen tager fejl? Hvad hvis output ikke er korrekt? Hvad hvis det rammer en kritisk proces?
Det er en rationel bekymring. Men i praksis fører den ofte til det samme resultat. At man ikke får afprøvet noget.
Det, mange overser, er, at AI har ændret præmissen. Det er blevet markant billigere at teste, og dermed også billigere at tage fejl.
Billigere at tage fejl
Tidligere gav det mening at analysere længe før man byggede noget. Udvikling var tungt, integrationer var komplekse, og iteration tog tid. Hvis man valgte forkert, kunne det koste alt for meget tid og penge.
I dag kan man bygge et proof of concept på få timer, teste en konkret use case uden at røre kernesystemer og hurtigt se, hvordan noget faktisk fungerer i praksis.
Man kan stadig analysere sig frem. Men det er langsommere. Når man kan teste, giver det mere mening at bygge og lære undervejs end at lave skrivebordsanalyser.
Start uden at skalere
Paul Graham, stifter af Y Combinator og en af de mest citerede stemmer i startup-verdenen, beskrev tidligt, hvordan startups vokser ved at gøre ting, der ikke skalerer. De taler med brugere, tester manuelt og itererer i små skridt, længe før noget bliver effektivt.
Den logik gælder i høj grad for AI.
Mange holder igen, fordi de er bange for fejl, især i kritiske forretningsprocesser. Men i en tidlig fase er fejl ikke kun uundgåelige. De er værdifulde.
Ikke kun fordi man ser, hvad AI kan og ikke kan. Men fordi man får trykprøvet sine idéer. Man kan se, hvordan noget faktisk fungerer, i stedet for at diskutere det i abstrakte modeller, wireframes og møder.
Det ændrer kvaliteten af beslutningerne.
Rækkefølgen er afgørende
Det er her, mange startups går galt. De forsøger at designe det rigtige setup, før de har praktisk erfaring. Compliance, arkitektur og kvalitet bliver adresseret, før man ved, hvad der faktisk virker.
Resultatet er, at man optimerer på antagelser.
I Pensure arbejder vi bevidst med at adskille eksperiment fra drift. Det gør det muligt at teste hurtigt uden at gå på kompromis med ansvarlighed. Vi bygger små proof of concepts, ser hvordan de fungerer i praksis og bruger det aktivt til at forbedre både løsning og governance, før noget bliver skaleret.
Pointen er ikke at vente på det perfekte system.
Pointen er at bruge AI aktivt, bygge proof of concept, iterere hurtigt og lære af processen. Det er præcis den type arbejde, der i starten ikke skalerer, men som senere gør det muligt at bygge noget, der kan.
Forskellen de næste par år bliver ikke, hvem der taler mest om AI.
Det bliver, hvem der ikke ventede på det perfekte system, men gik i gang, byggede, testede og lærte undervejs.
| Om Pensure: Pensure er en dansk fintech-virksomhed, der udvikler teknologi til banker samt forsikrings- og pensionsselskaber med fokus på at gøre rådgivning enkel, digital og let at forstå. Løsningerne kombinerer data, adfærdsdesign og moderne brugeroplevelser, så både kunder og rådgivere får mere ud af mødet med hinanden. |
