
Tre oppgaver små bedrifter kan automatisere med AI
Automatisering trenger ikke å bety et stort system. Ofte er det tre små oppgaver som spiser en time hver dag, og som kan gjøres på ti minutter i stedet.
Les artikkelen
Tjeneste
De fleste som spør om AI vil ikke ha et system. De vil slippe en oppgave. Ofte den samme oppgaven, hver uke, som ikke krever særlig vurdering, men som likevel må gjøres av et menneske.
Splenix jobber med den delen av AI som er kjedelig og nyttig. Ikke store planer om at maskinen tar over, men tre eller fire konkrete oppgaver som slutter å ta hele formiddagen.
Vi starter alltid med én oppgave. Den kjører side om side med måten du gjør det på i dag, slik at du ser om den faktisk sparer tid før du bygger noe større rundt den. Er svaret nei, har du brukt lite på å finne det ut.
De fleste spørsmålene ligner på hverandre. Hva koster det, hvor holder dere til, kan dere ta jobben i mai. Svarene finnes allerede, de skrives bare på nytt hver gang.
Alt innhold dobler seg, og i praksis sakker den ene språkversjonen akterut til den ikke stemmer med den andre lenger.
Noen kopierer felt fra en e-post til et regneark, eller fra et regneark til et fagsystem. Det er repeterende, det har tydelige regler, og feil er lette å oppdage.
Tilbud, rapporter og møtereferat må leses, men bare en liten del av dem krever egentlig en beslutning.
Hvilke oppgaver gjentar seg, hvor ofte, og hvor lang tid tar de egentlig. Målt med klokke, ikke anslått.
Ikke den som virker mest imponerende. Den som gjentas ofte, har tydelige regler, og der en feil oppdages i stedet for å gå rett til en kunde.
Den kjører parallelt mens du fortsatt sjekker alt manuelt. Etter to uker vet du om den sparer tid, og hvor den bommer.
Er svaret nei, stopper vi der. Er svaret ja, tar vi neste oppgave. Det er en billig måte å finne det ut på.
Det starter med kartleggingen, altså å finne ut hva oppgaven faktisk består av. Derfra følger prisen hvor mange systemer som må snakke sammen, om de har et grensesnitt å jobbe mot fra før eller om alt må gjøres på omveier, og hvordan dataene ser ut i utgangspunktet. Rotete data er ofte det som tar mest tid.
Så kommer det som handler om å gjøre det trygt. Hvilke sikkerhetskrav som gjelder for informasjonen som er involvert, hvor mye testing som skal til før vi stoler på resultatet, og hvor galt det kan gå hvis noe blir feil. Jo større konsekvens, desto mer kontroll bygger vi inn, og desto lenger tar det.
Løpende kostnader kommer i tillegg, fordi selve AI-tjenesten koster penger per bruk. Det tallet avhenger av hvor mye som kjøres gjennom den, og du får et anslag i tilbudet. Det samme gjelder oppfølging over tid, siden noe som kjører hver uke trenger at noen ser til det.
Du får omfang og pris skriftlig før noe settes opp.
At en oppgave du gjør manuelt i dag får hjelp av et verktøy. Utkast til svar, sortering av innkommende meldinger, oppsummering av lange dokumenter, rydding i innsendte skjema. Et menneske godkjenner alltid før noe sendes ut til en kunde.
Alt som krever at noen tar ansvar. Bindende tilbud, svar på klager, personalsaker og alt som handler om helse eller sikkerhet. Det samme gjelder vurderinger der konteksten betyr mer enn teksten, for eksempel når en misfornøyd kunde egentlig ber om noe annet enn det de skriver.
Det er en avklaring som må tas før oppsettet, ikke etter. Sender dere kundedata til en tjeneste, må dere vite hvor den ligger, hva som lagres og hva som brukes til videre trening. Vi går gjennom det sammen og velger deretter.
Nei. Poenget er å koble på det dere allerede bruker. Et nytt system å lære er som regel dyrere enn oppgaven det skulle løse.
Da stopper vi. Derfor starter vi med én oppgave og måler den i to uker. Det er billigere å finne det ut tidlig enn å bygge et system rundt en antakelse.

Automatisering trenger ikke å bety et stort system. Ofte er det tre små oppgaver som spiser en time hver dag, og som kan gjøres på ti minutter i stedet.
Les artikkelen
Beskriv hvordan den fungerer i dag, så får du et ærlig svar på om den er verdt å automatisere.