Därför blir ordning och reda i systemmiljön viktigare än någonsin

Ingen har missat AI-utvecklingens framfart, och få argumenterar emot att det kommer att innebära stora förändringar framåt. Möjligheterna att automatisera processer och hitta nya arbetssätt kommer att vara större än någonsin. 

Mitt i alla tankar om innovativa AI-initiativ finns dock en dimension som ibland hamnar i skymundan: ju mer AI ska användas för att fatta beslut och agera i våra system, desto mer avgörande blir kvaliteten på det den kopplas mot.

Detta innebär att "ordning och reda" - det där som lite för ofta skjuts på framtiden till förmån för ny funktionalitet - kommer att bli en strategisk framgångsfaktor när AI ska skala.

AI klarar spretig information - men inte spretiga system

Det är lätt att tänka att AI borde klara en rörig systemmiljö. LLM:er är ju bra på att förstå sammanhang även när människor uttrycker sig olika, felstavat eller motsägelsefullt. Och det stämmer: för uppgifter som handlar om att läsa, söka, sammanfatta och föreslå kan man ofta skapa affärsvärde även i en spretig verklighet.

Men när vi går från ”AI som assistent” till AI som agent – där AI inte bara föreslår, utan utför (skapar, uppdaterar, skickar, beställer) – förändras kraven.

Då behöver vi tydliga spelregler:

• tydliga datakällor (vilket system är sanningskälla för vad?)

• tillräckligt enhetliga datamodeller där det spelar roll

• kvalitetssäkrad masterdata i de flöden som AI ska agera på

• dokumenterade och observerbara integrationer (loggning, spårbarhet, ägarskap)

• processer som följer en logik – och inte bygger på tyst kunskap

• ägandeskap och ansvar för data, integrationer och automatiserade beslut

Många av punkterna ovan landar i samma sak i praktiken: integrationslagret. Det är där sanningskällor möts, datamodeller översätts, fel uppstår (och upptäcks), och där spårbarhet antingen finns – eller saknas. Om AI ska kunna skala säkert behöver vi därför behandla systemintegration som en förstaklassig förmåga, inte en serie punktkopplingar som “bara råkade bli till”.

Systemmiljöer byggda för människor

De flesta verksamheter har en systemmiljö som har vuxit löpande i takt med verksamheten. Nya system, nya integrationer och några provisoriska lösningar som råkat bli permanenta.

Allt detta fungerar okej så länge en människa kan kompensera. En människa vet vad som kan ignoreras, vart sanningen finns och vad som "egentligen gäller". AI saknar verksamhetens tysta kunskap och undantagslogik och behöver därför system som är konsekventa och begripligt sammanlänkade.

"Ordning och reda" behöver inte vara ett jätteprojekt

Ett rimligt motargument skulle kunna vara: “Om vi först måste städa allt kommer vi aldrig igång.”

Här är det viktigt att poängen inte är att bygga en perfekt målarkitektur innan man provar AI. Poängen är att städa där det ger effekt och minskar risk, i takt med att AI flyttar från experiment till produktion.

Att skapa ordning och reda

Vad innebär det då att skapa ordning och reda? Här är några punkter som räcker långt:

• Bestäm sanningskällor för kritiska objekt (kund, artikel, order, pris)

• Rensa och kvalitetssäkra masterdata i de flöden som automatiseras

• Skapa struktur och överblick över integrationerna (vad pratar med vad, varför, och vem äger?)

• Minska beroendet av Excel-lösningar vid sidan av i kritiska processer

• Säkerställ spårbarhet och kontroll: loggar, åtkomst, godkännanden (särskilt när AI får “skriva”)

De som får mest AI-effekt på sikt är inte de som springer snabbast i början, utan de som tidigt skapar förutsättningarna att skala utan att tappa kontroll.