Det er en groft forsimplet formulering, der gør det alt for nemt at pege opad, når AI-adoptionen ikke udvikler sig som forventet.
En mere præcis formulering er: “Ledelsen har ansvaret for, hvad virksomheden vil opnå med AI, og for de rammer og konsekvenser, der følger med.”
Hvilket problem skal AI løse? Hvilke fejl kan vi acceptere? Hvem står på mål for resultatet? Og hvad skal ændres i organisationen?
Ledelsen bliver typisk bedt om at tage stilling til AI ud fra det øverste lag: en agent, en automatiseret arbejdsgang eller en overbevisende demo.
Den beslutning kræver dog ofte indsigt i det fundament, løsningen skal bygges på.
Bag de fleste AI-løsninger ligger en række mindre synlige valg om integrationer, masterdata, data warehouse, governance og orkestrering. Her gemmer en stor del af arbejdet, omkostningerne og usikkerheden sig.
Ledelsen behøver ikke kende forskellen på Kafka, Fabric og Snowflake. Den skal kunne se, hvad ambitionen kræver af data, systemer, kompetencer og investeringer.
Jeg har derfor bygget en lille og meget snæver applikation, som gør de seks lag under AI-løsningen mere forståelige.
Man vælger et udgangspunkt, sammensætter lagene og bliver undervejs mødt med overlap, afhængigheder og åbne spørgsmål. Til sidst får man et løsningsark med valg og begrundelser.
Målet er at skabe et bedre grundlag for samtalen mellem ledelse og teknik.
Er den fyldt med bugs? Sandsynligvis. Bør den blive boende i Claude? Helt sikkert ikke.
Men jeg vil gerne iterere på idéen.
Hvis du vil se den i brug eller hjælpe mig med at finde hullerne, så smid lige en kommentar i kommentarfeltet.