Jeres AI-strategi er på plads. Men er jeres organisation klar?

At have en AI-strategi er én ting. At omsætte den til målbar forretningsværdi er noget helt andet.
Mange organisationer er gået fra at eksperimentere med AI til at implementere teknologien i praksis, men det er stadig en udfordring at skalere anvendelsen på tværs af virksomheden. Udfordringen ligger sjældent alene i teknologien. Reelle fremskridt afhænger af, om strategi, data, teknologi, kompetencer, styring og kultur er klar til at bevæge sig fremad i fællesskab.

Baseret på vores arbejde med kunder og Cegals egen AI-transformation har vi identificeret seks dimensioner, der afgør, om en AI-strategi forbliver på papiret eller skaber værdi i praksis.

1. Strategi og ledelse

Gennemførelsen starter øverst. Uden en udpeget ansvarlig leder, et dedikeret budget og en finansieret køreplan har AI en tendens til at forblive en samling eksperimenter. Modne organisationer integrerer AI i virksomhedsplanen og knytter den til forretningsmæssige resultater, uanset om det drejer sig om at forbedre produktionsoppetiden, fremskynde tolkningen af undergrundsdata eller reducere emissioner. Et klart ledelsesmæssigt ejerskab bidrager også ofte til fremskridt på alle andre områder.

2. Datagrundlag

Energiselskaber sidder på store mængder data, lige fra seismiske data og borelogger til sensorstrømme og produktionsregistreringer. Alt for ofte ligger disse data i isolerede systemer, i inkonsekvente formater og bag manuelle adgangsforespørgsler. AI er kun så god som de data, den bygger på. Målet er at behandle data som et produkt: velreguleret, af høj kvalitet og let tilgængeligt. En simpel test er, om et prioriteret datasæt kan hentes i en form, der er klar til analyse, uden at man skal spørge et andet team. Et ord af advarsel vedrørende denne dimension: Det er afgørende, at de rette kontrolmekanismer er på plads; hvis f.eks. en agent eller et LLM kan få adgang til data, som den ikke bør have adgang til, skaber det et helt andet problem (se dimension 5 nedenfor)

3. Teknologi og værktøjer

Tidlige AI-projekter kører ofte på isolerede værktøjer, såsom en enkelt notebook, der bruges af et enkelt team. Skalering kræver en fælles platform til at udvikle, implementere og overvåge modeller med genanvendelige komponenter, der fremskynder leveringen. For energiorganisationer skal denne platform fungere på tværs af cloud-, edge- og on-premises-miljøer og holde trit med de hurtigt udviklende grundlæggende modeller. Standardisering på én platform, i stedet for at lade hvert team udvikle sin egen, er ofte det skridt, der løfter en organisation op på et højere niveau.

4. Talenter og kompetencer

En vellykket gennemførelse kræver medarbejdere på to niveauer. Det første er dedikerede specialister såsom ML-ingeniører, dataforskere og AI-produktchefer, der ofte starter i et centralt Center of Excellence. Det andet er en bredere AI-kompetence blandt hele medarbejderstaben. I energisektoren kommer den reelle værdi fra at kombinere tekniske færdigheder med dyb faglig ekspertise, så geovidenskabsfolk, ingeniører og operatører er med til at forme de løsninger, de skal bruge. Dette opnås typisk gennem en kombination af ansættelser og kompetenceudvikling.

5. Styring og ansvarlig AI

I sikkerhedskritiske og stærkt regulerede brancher er tillid ufravigelig. Styringen bør starte med grundlæggende retningslinjer for acceptabel brug og databeskyttelse og derefter udvikle sig til en risikobaseret godkendelsesproces, hvor anvendelsestilfælde med højere risiko skal godkendes skriftligt, før de lanceres. Gøres det rigtigt, bremser styringen ikke innovationen. Den giver virksomheden tillid til at handle hurtigere, fordi alle kender rammerne.

6. Kultur og implementering

En teknisk genial løsning, som ingen bruger, skaber ingen værdi. Kultur er ofte den mest undervurderede dimension. Organisationer skaber fremdrift ved at kommunikere tidlige succeser, integrere AI-værktøjer i de daglige arbejdsgange og hjælpe medarbejderne med at se AI som en katalysator for deres arbejde snarere end en trussel mod det. Et praktisk mål er andelen af medarbejdere, der har brugt et AI-værktøj i deres arbejde inden for de sidste 30 dage.

Hvor implementeringen virkelig går i stå

Det er fristende at betragte disse seks dimensioner som en tjekliste. I praksis mislykkes AI-strategier sjældent, fordi et af punkterne ikke er afkrydset. De går i stå i overgangerne mellem dimensionerne.

Tænk på en model for forebyggende vedligeholdelse, der fungerer fremragende i testfasen. Hvis de sensordata, der indgår i modellen, er fragmenterede, kan man ikke stole på den i stor skala. Hvis de operatører, der skal reagere på modellens alarmer, aldrig har været involveret i udviklingen af den, vil de stille og roligt ignorere den. Hvis ingen har defineret, hvem der er ansvarlig, når modellen tager fejl, vil den aldrig blive godkendt til brug i praksis. Teknologien fungerede. Organisationen var ikke klar til den.

Dette peger på en ubehagelig sandhed. Fremskridt bestemmes af din svageste dimension, ikke din stærkeste, og de fleste organisationer investerer naturligt nok i det, der er synligt – såsom værktøjer og pilotprojekter – frem for det, der er svært – såsom datadisciplin, styring og kulturændring. De ledere, der får AI til at slå an, er som regel dem, der er villige til at være ærlige om, hvor de virkelig står, og til først at finansiere det kedelige arbejde. Et enkelt vellykket pilotprojekt er ikke det samme som en AI-klar organisation.

At samle det hele

At gennemføre en AI-strategi er ikke et enkeltstående projekt. Det er en koordineret indsats på tværs af seks dimensioner: strategi og ledelse, data, teknologi, talent, styring og kultur. Svagheder i en af disse dimensioner kan hæmme de øvrige, uanset hvor stærke de andre måtte være.

Især for energivirksomheder, hvor indsatsen og kompleksiteten er stor, handler spørgsmålet mindre om »hvad kan AI gøre for os?« end om »hvad skal der være på plads i vores organisation, for at det kan give resultater?«

Chris Cartwright, administrerende direktør for Storbritannien og Afrika, Cegal

Hos Cegal har vi stillet os selv det spørgsmål i forbindelse med vores egen transformation og i samarbejde med vores kunder.