5 min lesetid5 min read
Hvorfor 80 % av KI-prosjekter feiler
Sjelden fordi teknologien er dårlig. Oftere fordi problemet aldri ble definert.
Anslagene varierer, men de peker samme vei. Forskningsinstituttet RAND skrev i 2024 at mer enn 80 % av KI-prosjekter feiler etter noen anslag. Det er omtrent dobbelt så mange som blant IT-prosjekter uten KI.
Det er en høy feilrate for en teknologi som blir omtalt som framtiden.
Så hva går galt?
Feil 1: Løsningen kommer før problemet
«Vi må ha KI» er ikke et problem. Det er en løsning som leter etter et problem.
Mange prosjekter som mislykkes, starter med teknologien. Noen i ledergruppa har lest en artikkel, vært på en konferanse eller fått spørsmål fra styret. «Konkurrentene bruker KI, vi må også.»
Tenk deg at bedriften så leier inn konsulenter, kjøper en plattform og begynner å «utforske muligheter». Et halvt år og mange hundre tusen kroner senere sitter de igjen med en fin rapport og en pilot ingen bruker.
Riktig rekkefølge
- Finn et konkret forretningsproblem som kan måles.
- Vurder om KI er riktig løsning. Ofte er den ikke det.
- Bestem hva som skal til for å kalle det en suksess, før dere starter.
- Bygg den minste løsningen som kan teste ideen.
Feil 2: Dataene er dårlige
«Garbage in, garbage out» er en klisjé fordi den stemmer.
KI trenger data. Ikke bare mye data, men riktige data: strukturerte, konsistente og representative. I mange bedrifter ligger dataene spredt i regnskapet, e-posten og fagsystemet, i formater som aldri var ment å snakke sammen.
Før dere kan bygge noe som helst, må rotet ryddes. Det er kjedelig arbeid, og det tar tid. Det er ofte her prosjektene stopper opp: ikke i KI-delen, men i datarydding.
Feil 3: Ingen eier problemet
KI-prosjekter havner ofte i IT-avdelingen. Det handler jo om teknologi?
Ikke helt.
IT kan bygge systemet. Men IT kan ikke avgjøre hva som er en god nok kontraktsanalyse, eller hvordan kundeservice bør prioritere henvendelser. Det krever folk som kjenner faget.
Prosjektene som lykkes, har en tydelig eier på forretningssiden. Noen som kan si «dette løser problemet mitt» eller «dette er ikke godt nok ennå». Uten en slik eier blir det teknologi for teknologiens skyld.
Feil 4: Ingen planlegger endringen
Tenk deg at dere har bygget et godt KI-verktøy. Ingen bruker det.
Hvorfor? Folk har gjort ting på samme måte i femten år. De har sine snarveier og rutiner, og «slik gjør vi det her». Så kommer noen og sier at alt skal gjøres annerledes.
Innføring av KI handler mer om å endre hvordan folk jobber enn om teknologi. Setter dere ikke av tid og penger til opplæring, støtte og en gradvis innføring, er pengene fort tapt.
Feil 5: Forventningene er feil
«KI vil endre hele bedriften!»
Neppe. Kanskje gjør KI én prosess 30 % raskere. Det er bra, men det er gradvis forbedring. Som regel er det også alt dere trenger.
Problemet er at når forventningen er en revolusjon og resultatet er 30 %, føles det som en fiasko. Selv om det er en suksess.
Realistiske forventninger
- KI erstatter ikke de ansatte. Den endrer hva de gjør.
- KI fungerer ikke perfekt fra første dag. Den må tilpasses.
- KI løser ikke uklare problemer. Den trenger tydelige mål.
- KI krever vedlikehold. Modeller blir dårligere over tid når virkeligheten endrer seg.
Hva gjør prosjektene som lykkes?
De starter i det små. De løser ett konkret problem, måler resultatet og justerer.
De har en eier på forretningssiden som bryr seg, realistiske forventninger og tid til å endre hvordan folk jobber.
Og de tør å si «dette fungerer ikke» og endre kurs.
Noen ganger er svaret ikke KI. Det dyreste prosjektet er det som aldri burde vært startet, så første steg er å forstå problemet, ikke å velge teknologi. Det er også slik vi starter i rådgivningen vår.
Hva koster problemet i dag?
Før dere investerer i KI, regn ut hvor mye tid problemet tar i dag. Legg inn deres egne tall.
Regn på det →Vanlige spørsmål om KI-prosjekter
Hvorfor feiler så mange KI-prosjekter?
Som regel fordi problemet ikke er definert tydelig nok, fordi dataene er for dårlige, eller fordi ingen har planlagt hvordan arbeidet skal endre seg. Teknologien er sjelden hovedproblemet.
Hvor lang tid tar et KI-prosjekt?
Det avhenger av hvor klart problemet er og hvor ryddige dataene er. Mye av tiden går ofte med til å rydde data og koble seg på systemene dere allerede har.
Hvordan vet jeg om bedriften min trenger KI?
KI kan være riktig hvis dere har oppgaver som gjentar seg men krever vurdering, mye tekst og dokumenter som er vanskelige å finne fram i, eller arbeid som går tregt fordi informasjonen ligger spredt. Noen ganger er svaret et bedre regneark og tydeligere rutiner.
Bunnlinjen
KI-prosjekter feiler sjelden fordi KI er overvurdert. De feiler fordi prosjektstyringen er undervurdert.
Start med problemet. Vær ærlig om dataene. Sett av tid til folkene. Og vær villig til å endre kurs.