Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Generativ AI er på vej ind i alle de programmer, virksomheder allerede bruger.
ERP-systemer, CRM-platforme, dokumentstyring, BI-værktøjer og kundeserviceplatforme. Overalt ser vi samme bevægelse: De etablerede platforme får indbygget AI, ofte i form af en agent eller en Copilot, man kan tale med, og som kan hjælpe med at søge, skrive, opsummere, analysere og handle på platformens data.
Det lyder umiddelbart som en oplagt udvikling. Hvorfor bygge noget selv, hvis den platform, man allerede har købt, alligevel snart får sprogmodel-funktionalitet indbygget?
Men her opstår en strategisk blind vinkel.
For det er ikke så enkelt at bygge sprogmodeller ind i software, som mange forestiller sig, og derfor er det slet ikke sikkert, at alle de platforme, virksomheder allerede har i deres programstack, nu eller senere kan levere AI-funktionalitet i den kvalitet, med den prisstruktur og med den governance, som virksomheden faktisk får brug for.
Derfor bliver et af de vigtigste spørgsmål i den kommende AI-strategi ikke bare: “Hvilke AI-værktøjer skal vi købe?” Det bliver snarere: “Hvem ejer intelligenslaget i vores virksomhed?”
Fra softwarefunktion til intelligenslag
Vi er vant til at tænke software som funktioner. Et ERP-system har økonomifunktioner. Et CRM-system har salgsfunktioner. Et dokumentstyringssystem har søgning, versionering og rettigheder. Men generativ AI (sprogmodeller - og hermed også agenter) ændrer dette billede.
Sprogmodellen er ikke bare en ny funktion på linje med en eksportknap eller en rapportvisning. Den er en ny måde at interagere med hele systemet på. I stedet for at klikke sig frem til data, kan brugeren spørge. I stedet for at lede efter dokumenter, kan brugeren bede om et overblik.
I stedet for at forstå systemets logik, kan brugeren formulere sin intention i almindeligt sprog.
Det betyder, at sprogmodellen bliver et nyt lag mellem mennesket og software/data. Det kan potentielt være et særskilt lag i hver enkelt applikation: ERP-systemet får sin egen agent, CRM-systemet får sin egen agent, osv.
Men det kan også være et mere generelt lag, som virksomheden selv kontrollerer, og som kan række ind i flere systemer på tværs af programstakken. Det er en vigtig forskel for virksomheder at være opmærksom på.
Hvis intelligensen kun ligger inde i de enkelte platforme, bliver virksomheden afhængig af hver enkelt leverandørs AI-strategi. Hvis intelligensen derimod også findes som et samlet lag i virksomhedens egen arkitektur, får virksomheden en langt stærkere position.
Sprogmodeller passer dårligt til gammel SaaS-logik
I traditionel SaaS-software har abonnementsmodellen været næsten perfekt. Man betaler per bruger per måned, og så kan brugeren anvende produktet inden for nogle rimelige grænser.
Med generativ AI er det anderledes. Hver gang brugeren spørger modellen, skal der bruges computerkraft. Hver prompt, hvert dokument, hver opsummering, hver analyse og hvert svar har en omkostning. Ikke kun som almindelig serverdrift, men som faktisk model-forbrug.
Det betyder noget for hele softwareøkonomien. En traditionel abonnementspris passer dårligt til en teknologi, hvor nogle brugere næsten ikke bruger noget, mens andre kan generere store løbende omkostninger.
Det er derfor, vi allerede ser flere AI-løsninger bevæge sig væk fra den rene “brug løs”-logik og over mod credits, limits, fair use eller egentlig consumption.
Det er ikke bare en prisændring. Det er et signal om, at AI ikke passer rent ind i den gamle softwareøkonomi.
To veje ind i produktet for softwareleverandørerne
Lad os forestille os en softwareleverandør, der har et etableret produkt. Det kan være et dokumentstyringssystem, et ERP-modul eller en branchespecifik sagsplatform.
Når kundernes forventninger om at der kommer sprogmodeller og agentisk AI funktionalitet i produktet, har leverandøren reelt to muligheder for at imødekomme dette.
Den første er at købe adgang til en stor, lukket sprogmodel via en etableret udbyder som OpenAI, Microsoft, Google, eller Anthropic.
Det er ofte den hurtigste vej til høj kvalitet. Man får adgang til stærke modeller, god performance og en udviklingsoplevelse, der gør det muligt hurtigt at bygge funktionalitet.
Men man får også en ny økonomisk afhængighed. Hver gang brugerne anvender AI-delen af produktet, opstår der en variabel omkostning for leverandøren. Hvis kunderne bruger funktionen meget, stiger udgiften. Hvis man ikke har prissat det rigtigt, kan en succesfuld AI-funktion paradoksalt nok blive en økonomisk belastning.
Den anden vej er at bruge open source-modeller, som man selv hoster på egen infrastruktur eller hos en betroet driftsleverandør.
Det kan give mere kontrol over data, drift, sikkerhed og økonomi. Det kan også understøtte digital suverænitet og særlige compliance-krav. Men det er heller ikke en gratis mirakelkur.
Open source-modeller kræver infrastruktur, modelopdateringer, monitorering, sikkerhed, evalueringer, hardware og løbende kompetencer. De rammes hurtigt af teknisk inflation, og selv når det hele fungerer, er det ikke givet, at kvaliteten matcher det niveau, brugerne kender fra ChatGPT, Claude, Gemini eller Copilot.
Vent på platformen eller byg selv?
For den enkelte virksomhed der modtager og bruger disse løsninger, bliver spørgsmålet derfor ikke bare teknisk. Det bliver strategisk.
Man kan godt vente på, at de eksisterende platforme i programstakken får AI indbygget. Det vil de i rigtigt i mange tilfælde. Hvis man allerede bruger Microsoft 365, giver det mening at se på, hvad Copilot kan.
Hvis ens ERP-leverandør kommer med stærk AI-funktionalitet, bør man selvfølgelig vurdere den. Men man bør ikke forveksle “leverandøren får AI” med “vores AI-strategi er løst”.
For platformens AI er bygget til platformens logik. Den kender måske platformens egne data, funktioner og rettigheder. Men virksomhedens virkelighed går ofte på tværs. En kundeproces ligger ikke kun i CRM. Den ligger også i mails, kontrakter, mødenoter, økonomisystemer og supporthistorik.
En sag ligger ikke kun i dokumentstyringen. Den ligger også i faglige vurderinger, historiske afgørelser, lovgrundlag, interne kommentarer og eksterne bilag. Hertil kommer at nogle virksomheder bruger flere små specialiserede, løsninger.
Derfor bliver der brug for et AI-lag, som ikke kun er indbygget i ét system, men som kan arbejde på tværs af virksomhedens viden og processer.
Den modne AI-strategi
Når jeg siger, at virksomheder bør bygge AI ind i deres egen infrastruktur og programstack, mener jeg ikke nødvendigvis, at alle skal træne deres egne modeller fra bunden. Det ville være forkert for de fleste.
Det vigtige er derimod at eje arkitekturen omkring modellerne. Hvilke data må modellen se? Hvilke systemer må den handle i? Hvordan håndteres rettigheder? Hvordan logges brugen? Hvordan måles kvaliteten? Hvordan styres omkostningerne? Hvordan skifter man model, hvis en ny model bliver billigere, bedre eller mere compliant?
Det er her, den modne AI-strategi begynder, for AI handler ikke kun om funktionalitet. Det handler også om governance, sikkerhed, økonomi, dataadgang, ansvar og lovgivning. Det er ikke noget, man bare kan overlade til tilfældige AI-knapper rundt omkring i programstakken. Platformenes egne AI-løsninger bliver nødvendige, men de bør ikke være hele strategien.
De mest modne virksomheder vil sandsynligvis ende med en hybrid-model: De bruger platformenes indbyggede AI, hvor det er naturligt og effektivt. De bruger eksterne API’er, hvor kvalitet og hastighed er afgørende. De bruger open source og egne modeller, hvor kontrol, pris eller datasuverænitet taler for det. Og vigtigst: De bygger et samlet AI-lag omkring det hele.
Hvem ejer intelligenslaget?
Spørgsmålet er ikke, om AI kommer ind i systemerne. Det gør den. Spørgsmålet er, om virksomheden selv har en arkitektur for, hvordan den lander i synergi med resten af programstakken og især datalandskabet.
For hvis man ikke tager stilling, får man bare AI som en tilfældig egenskab ved de produkter, man allerede har købt. Lidt i ERP. Lidt i Office. Lidt i CRM. Lidt i dokumentstyringen. Lidt i BI. Hver med sin egen logik, sin egen prisstruktur, sine egne begrænsninger og sin egen forståelse af virksomhedens data.
Det kan skabe værdi. Men det kan også skabe fragmentering. Den modne tilgang er at se sprogmodeller som en del af virksomhedens infrastruktur. Ikke kun som værktøjer. Ikke kun som chatbots. Ikke kun som funktioner i en applikation. Men som et nyt tiltagende vigtigt intelligenslag i programstakken.
Og det er måske den vigtigste AI-beslutning mange virksomheder endnu ikke har opdaget, at de allerede er i gang med at træffe.
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.
