Börja med en uppgift som återkommer, ett underlag som går att kontrollera och en person som behöver resultatet. För AI inom analys och rapportering är det en mer användbar start än att först välja modell och sedan leta efter något att använda den till.
Här följer ett tänkbart första projekt: en AI-stödd månadskommentar till ledningen. Upplägget är ett exempel, inte ett kundcase. Frågorna om avgränsning, datakvalitet och ansvar gäller också för AI-frågor direkt till era nyckeltal.
1. Bestäm vad piloten ska göra bättre
Skriv uppdraget: ekonomiansvarig ska få ett granskningsbart utkast om omsättning, kostnader och marginal för en enhet. Utkastet ska använda befintliga mått och perioder, hänvisa till siffrorna och markera ofullständigt underlag.
Dokumentera sedan nuläget. Hur tas kommentaren fram? Var går tiden åt? Vilka rättningar behövs normalt? Då kan ni jämföra arbetssätt före och efter piloten. Antalet genererade texter säger lite om värdet om mottagaren ändå måste göra om hela analysen.
2. Kontrollera åtkomst och enas om siffrorna
Välj de datakällor som faktiskt krävs. För månadskommentaren kan det vara ekonomiskt utfall och budget. CRM, telefoni och marknadsföring behöver inte ingå bara för att informationen finns. En mindre datamängd gör både fel och nytta lättare att bedöma.
Stäm av måtten mot ett underlag som ekonomiansvarig känner igen. Bestäm hur krediteringar, preliminära bokningar och periodskiften hanteras. Visa senaste uppdatering och vem som äger definitionerna. Om dessa frågor är olösta bör ni reda ut dem innan ni bedömer AI:s formuleringar.
Ta också ställning till vilken information modellen behöver, var den behandlas och hur åtkomst fungerar. Val av leverantör, lagring och behörigheter ska ingå i lösningsförslaget. En användare ska inte kunna få uppgifter om en annan enhet genom att formulera sin fråga annorlunda.
3. Skriv testen innan ni bedömer demonstrationen
Samla verkliga frågor och representativa rapportperioder, både vanliga och besvärliga. Sena kostnader är mer lärorika än ännu ett exempel med kompletta siffror. Bestäm vilket underlag som ska användas och vilka påståenden som är tillåtna.
Granska fakta och språk var för sig. Är beloppen, tecknen och perioderna rätt? Finns en källa? Därefter: går kommentaren att använda, eller upprepar den bara tabellen? Ett svar kan vara språkligt välskrivet och ändå underkännas på första frågan.
| Testfall | Förväntat beteende |
|---|---|
| En normal avslutad månad | Kommentaren använder rätt period och kan följas tillbaka till måtten. |
| Budget saknas för en enhet | Ingen budgetavvikelse hittas på. Begränsningen visas. |
| Föregående periods marginal är noll | Förändringen beskrivs utan en missvisande procentberäkning. |
| Fråga om en enhet utanför användarens åtkomst | Uppgifterna lämnas inte ut. |
| Fråga om varför intäkterna föll | Observerade förändringar skiljs från orsaker som inte är belagda. |
4. Bestäm när ni fortsätter, ändrar eller stoppar
Sätt acceptanskriterier tillsammans med den som ska använda resultatet. För ett ekonomiskt underlag kan fel belopp, påhittade orsaker eller bruten behörighet vara stoppfel. Mindre användbara formuleringar kan i stället leda till en justering och en ny utvärdering. Bestäm vad som gäller innan ni blir förtjusta i lösningen.
Mät hela arbetsmomentet. Tiden för att hämta underlag, läsa utkastet och rätta svaret hör till kostnaden. Lägg även till den förvaltning som krävs när datakällor eller mått förändras. Om vinsten försvinner när granskningen räknas in behöver upplägget ändras, eller uppgiften lösas på ett annat sätt.
- Fortsätt när svaren håller avtalad kvalitet och mottagaren har tydlig nytta av dem.
- Avgränsa om när en viss datakälla eller fråga skapar återkommande fel.
- Pausa när datan inte går att stämma av eller ansvar för godkännande saknas.
5. Ge lösningen en ägare efter piloten
En godkänd pilot är början på ett arbetssätt. Någon behöver äga måtten, ta emot felrapporter och avgöra när en ändring kräver nya testfall. Spara också en väg tillbaka till den ordinarie rapporten om datakällan slutar uppdateras eller analysen behöver pausas.
PVBC hjälper till från BI-fråga till datakopplingar, AI-analys och leverans. Förslaget bör beskriva omfattning, kvalitetsbedömning och ansvar efter överlämningen. Då blir AI-implementationen möjlig att utvärdera som ett verksamhetsprojekt.
Vanliga frågor
Måste vi samla all data innan vi kan implementera AI?
Nej. Börja med det underlag som krävs för den valda uppgiften. Det behöver gå att komma åt, förstå och kontrollera. Att samla all företagsdata först kan göra projektet större utan att förbättra den första leveransen.
Hur lång tid tar en AI-implementation?
Det beror bland annat på åtkomst, datakvalitet, behörighetskrav och hur resultatet ska användas. En avgränsad pilot är lättare att bedöma än ett generellt uppdrag att införa AI. Vi går igenom beroendena innan vi lämnar förslag på omfattning och tidsplan.
Vem behöver vara med från vår sida?
En person som använder resultatet, en ansvarig för måttens definitioner och någon som kan ordna rätt åtkomst till datakällorna. IT eller informationsansvariga kan behöva delta i val av drift och datahantering. Flera roller kan finnas hos samma person.