AI-konsulting och processoptimering

Kartläggning betyder att sitta ner med dem som gör jobbet. Den dokumenterade processen och den verkliga skiljer sig åt i nästan varje organisation, och det är i det glappet möjligheterna brukar gömma sig – kalkylarket som stämmer av två system mot varandra, inkorgen som en person sorterar för hand, rapporten som byggs om från grunden varje måndag.

Vi sätter siffror på det vi hittar: hur många gånger i månaden, hur lång tid varje moment tar, vad felen kostar när något går snett. Då blir en diskussion om AI-strategi till ren aritmetik, och aritmetik är det som håller när ekonomichefen granskar underlaget.

Varje tänkbart användningsfall bedöms längs tre axlar: värdet om det fungerar, genomförbarheten med tekniken som den ser ut i dag och om de data som behövs faktiskt finns och är tillräckligt rena. Listan som blir resultatet är sällan den organisationen väntade sig – den iögonfallande kundnära idén hamnar ofta under en grå intern process som körs tiotusen gånger i månaden.

Vi är lika raka om de fall vi avråder från. Om en regelmotor löser problemet deterministiskt, om volymen är för låg för att bära utvecklingskostnaden eller om datan ännu inte finns, står det i rapporten tillsammans med motiveringen. Ett konsultuppdrag som bara säger ja är inte värt att beställa.

Tre områden brukar betala sig snabbare än resten. Alla kombinerar stora volymer med dyr manuell läsning.

Granskning av avtal och regelefterlevnad. Långa avtal och regelverk – GDPR, HIPAA, DORA – tar många timmar av seniora jurister. Ett söksystem hittar de klausuler som spelar roll och hänvisar till sida och stycke, så att en jurist kan verifiera på några minuter i stället för att läsa i timmar.

Intern support. Frågor om policyer kommer hela tiden, och svaret är ofta uppdelat mellan ett policydokument och aktuella data i ett annat system. Sökningen tar hand om policydelen, ett uppslag i ert HR- eller affärssystem tar hand om resten, och medarbetaren får ett svar i stället för ett ärende.

Hantering av fakturor och dokument. Fakturor och kontoutdrag kommer in ostrukturerade och skrivs av för hand. Att extrahera fälten enligt ett fast schema, kontrollera dem mot leverantörsregistret och bokföra dem i affärssystemet tar bort kön i stället för att bara underlätta den. Det är också det lättaste av de tre att mäta, eftersom du redan vet vad kön kostar.

De flesta AI-satsningar som kör fast gör det på grund av datan, inte modellerna: poster utspridda i system som inte stämmer överens, dokument som skannats i stället för att struktureras, historik som skrivits över i stället för att sparas. Vi jämför det du har med det varje användningsfall kräver, och där åtgärder behövs avgränsar vi dem som ett eget arbetspaket med egen kostnad – i stället för ett antagande som göms i någons uppskattning.

För verksamhet i Europa placerar vi också varje användningsfall i förhållande till EU:s AI-förordning – vilken riskkategori det hamnar i, vilka krav på dokumentation och mänsklig tillsyn som följer och vad det innebär för designen. Det är betydligt billigare att besvara den frågan före bygget än att bygga om i efterhand när en internrevision ställer den.

Färdplanen skrivs av seniora utvecklare som levererar system i produktion, och det är det som håller uppskattningarna ärliga – det är vi som skulle behöva leva upp till dem. Vår VD leder kartläggningen personligen, och hos en kund som vi arbetat med i flera projekt minskade de AI-moduler som kom ur den här processen utvecklingsinsatsen med 40 %.

Du är inte skyldig att låta oss bygga lösningen. Leveransen är din och tillräckligt konkret för att ditt eget team eller en annan partner ska kunna genomföra den. Men när kunder väljer att fortsätta behövs ingen överlämning: de som kartlade processen är samma personer som skriver koden.