Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Store virksomhedsløsninger udgør den it-mæssige rygrad i mange virksomheder. Hvis AI og analytics skal gøre en forskel i den daglige drift, er det nødvendigt at indlejre den avancerede software helt tæt på kernen af data og på forretningseksekveringen i disse løsninger.
Mange virksomheder tænker på den rejse, men de færreste er kommet op i fart.
De oplever sandsynligvis en del startvanskeligheder på en bulet vej forsynet med potentielle fotofælder.
Barrieren består af omkostninger, manglende kompetencer, usikkerhed om privacy-beskyttelse og usikkerhed om, hvordan man bruger AI etisk og forklarligt. Det betyder, at for få ideer materialiserer sig i faktiske projekter. Og at for få projekter bliver til virkelighed.
En af de vigtigste ting, som leverandørsiden kan hjælpe med, er at standardisere, pakketere og simplificere, fordi det vil åbne vejbanen inden i virksomhederne for flere mulige drivere af disse kombinerede teknologi-og forretningsprojekter.
Dette var en af hovedtemaerne på SAP TechEd i december. At give mange flere forskellige medarbejderprofiler eller personaer mulighed for at skabe værdi for forretningen, og derved reducere risikoen for it-.flaskehalse.
Undgå en ny blindtarm
Standardiseringen skal gøre det muligt for ”low-code”- og ”no-code”-analytikere i forretningen at skabe med virksomhedens data.
Der er i meget høj grad brug for teknologisk maker-spirit og forretningsmæssigt gåpåmod langt uden for it-afdelingen og fra andre medarbejderprofiler end de traditionelle udviklere. Og faciliteringen skal i høj grad komme fra de it-leverandører, som allerede er så afgørende for virksomhederne.
På den måde undgår virksomhederne, at den analytiske værktøjskasse ligger som (endnu) en siloafgrænset blindtarm. Løsningerne vil per default undgå de integrationsproblemer, sporbarhedsproblemer og synkroniseringsproblemer, som ellers har generet os i forhold til data warehouses, data lakes og business intelligence.
Sådan præpakket AI-funktionalitet tæt på forretningen skal naturligvis også med det samme give den transparens og forklarlighed, som vi stiller til brugen af data og software.
ATP’s pejlemærker
Virksomhederne kan naturligvis også selv gøre noget. For ikke så længe siden havde jeg en god samtale med en af ATP’s arkitekter, som forklarede, hvordan organisationen har flyttet sig de seneste år.
Mange af samfundets corona-relaterede hasteordninger - eksempelvis udbetalingen af indefrosne feriemidler – afhang i praksis af ATP’s omstillingsparathed.
Det handlede som sådan ikke om AI-projekter, men pejlemærkerne er forbløffende brugbare.
ATP har ud fra en værdibaseret gearing til fremtiden bl.a. konsolideret sig på standard teknologier/software, sikret løbende opdatering til nyere versioner og reduceret it-gælden.
Udviklingen på kerne-systemerne er over tid trukket in-house, hvor en række forretningsproduktorienterede teams hver på ca. 10 personer arbejder lean i sprint af to-tre uger.
In-sourcingen flytter naturligvis også uddannelsesopgaven, motivationsopgaven og rekrutteringsopgaven med indenfor. Til gengæld står teamdeltagerne både fra forretningssiden og fra it-siden på et solidt fundament af forståelse af lovgivningen og den samfundsmæssige rolle.
Det kan være en klog vej at gå, hvis man vil sætte fart i AI-udviklingen. Det hele handler jo om at skabe de kundeoplevelser og den medarbejderproduktivitet, som langt de fleste af os er enige om er perspektivet i den intelligente brug af data.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
