Så undviker du att gå på grund i valet av plattform vid höga AI-ambitioner

En undersökning (*) visar att det är så lite som 11% av AI & Analytics initiativen som kommer ifrån it, där ledningen står för merparten på 57% och där verksamheten bidrar med 29%. Trots detta är det tydligt att det är it som kommer att ansvara och förvalta de plattformar som driver AI projekten.

^{*https://www.ai.se/en/adoption/ai-maturity-assessment}

Faran med denna diskrepans är att projekten som startas utanför it tenderar att antingen fallera eller fördröjas kraftigt när de går ifrån POC till produktion, detta då plattformarna som krävs för att driva initiativen saknas eller är undermåliga. 

Den infrastruktur som behövs för att driva AI-projekt i produktion ställer helt andra krav än vad som krävts av it fram till nu. Det är viktigt att tänka på att det inte bara är servrar med beräkningskapacitet som behövs, utan det kräver att alla delar klarar av att leverera data från lagringslösningar, till nätverk och i slutändan servrar med tillräcklig kraft för att kunna behandla. 

AI projekt kräver fundamentala förändringar inom it-plattformarna och ställer nya krav på organisationen, så det är inte bara en förändringsresa för infrastrukturen utan även för humankapitalet som måste till för att kunna lyckas.

Här måste it bygga upp sin kunskap för att kunna möta de krav som kommer ifrån övriga verksamheten. Många organisationer har t.ex varken en modern applikationsmiljö på plats som möjliggör nyttjandet av Containerapplikationer, eller har som vi nämnt tidigare otillräcklig kapacitet för att kunna hantera projektet och vara skalbart.

Ska utveckling, test och produktion hanteras i samma miljö eller separata beroende på säkerhetsklassning av datat som ska hanteras?  Att sätta en strategi för vad som är en lämplig miljö både ur ett resursperspektiv som finns tillgängligt, men även vilken klassning som är lämplig för respektive miljö är viktigt. Denna kan så klart omprövas efterhand, men kan även sätta stopp för projektet om frågan inte hanteras korrekt.

5 steg för att lyckas mer era AI-Projekt 

1. Involvera samtliga intressenter inom organisationen, ledningen, verksamheten och it. Att involvera it redan i ett tidigt stadie handlar ju om governance och förvaltning av AI-projekten när de går i produktion.
2. Ta hjälp och inspireras av möjligheterna med AI. Alla inom organisationen känner säkerligen inte till vilka möjligheter som AI ger, därför kan hackatons eller motsvarande ge en bra grund för att bygga gemensam förståelse. Börja med ett mindre projekt som är enkelt att genomföra i stället för att ta hela elefanten på en och samma gång. Risken för att projektet blir för omfattande och komplext och därmed misslyckas är stort i början.  Att gå efter den lägst hängande frukten gäller även här.
3. Identifiera organisationens AI-mognad. Var är vi idag och vilken målbild har framgent? (Se AI Swedens Mognadstrapp)
4. Skapa en AI-strategi som matchar er allmänna strategi och vision. Vad är det som vi identifierat som grundbultarna till att vi behöver genomföra en AI-resa? Vad vill vi åstadkomma med denna förändringsresa?
5. Säkerställande att utveckling och användning av AI-teknologi görs på ett sätt som tar hänsyn till etiska, sociala och juridiska aspekter för att minimera negativa konsekvenser och maximera samhällsnyttan.