Hoppa till innehållet
AI-räddningen en tjänst av Daniel Kjellgren

Systemskifte och AI

Er tekniska skuld är inte ett IT-problem. Den är anledningen till att AI-satsningen står still.

4 min läsning

Många ledningsgrupper ser föråldrade system och AI-ambitioner som två separata frågor. Den ena hanteras av IT, ofta i det tysta. Den andra diskuteras i strategimöten, med entusiasm och förväntan. I praktiken är det samma fråga, sedd från två håll.

AI behöver data för att bli användbart, och data behöver ett system att bo i. Om de system som redan finns är gamla, dåligt dokumenterade eller svåra att koppla ihop med nya verktyg, spelar det liten roll hur ambitiös AI-strategin är. Grunden håller helt enkelt inte för det som ska byggas på den.

Ett tecken som brukar missas

Det vanligaste tecknet på att teknisk skuld håller tillbaka en AI-satsning är inte att något går sönder. Det är att enkla saker tar orimligt lång tid. Ett AI-verktyg som borde kunna sättas upp på en dag tar i stället flera veckor, eftersom data först måste tvättas, flyttas eller struktureras om för att verktyget alls ska kunna använda den.

Den förseningen tillskrivs sällan de gamla systemen. Den tillskrivs oftast leverantören av AI-verktyget, eller det egna teamets kapacitet. Sanningen är ofta att grundproblemet fanns där långt innan AI-satsningen startade, det blev bara synligt först nu, eftersom AI är den första tekniken på länge som faktiskt kräver att data flödar fritt mellan system. Äldre system har länge kunnat leva sida vid sida utan att någonsin behöva prata direkt med varandra. AI förändrar det, och synliggör därmed brister som legat dolda i åratal.

Varför det blir dyrare ju längre det väntar

Teknisk skuld fungerar ungefär som vanlig skuld. Den växer om den inte betalas av, och räntan är den tid som varje ny satsning måste lägga på att hantera problemen i stället för att bygga något nytt. Ett bolag som väntar med att åtgärda grunden lägger successivt mer och mer av varje AI-projekts budget på att först reda ut data, i stället för att faktiskt skapa värde med den.

Det finns också en risk som ökar med tiden snarare än minskar. Ju fler AI-verktyg som kopplas till bristfälliga system, desto svårare och dyrare blir det att sanera grunden i efterhand, eftersom fler beroenden nu måste tas hänsyn till samtidigt. Vad som i dag hade kunnat åtgärdas på några månader kan om två år kräva ett betydligt större och mer riskfyllt saneringsprojekt.

För ett bolag med femtio till tvåhundra anställda är det sällan en fråga om budgeten tål ett saneringsprojekt eller inte. Det är en fråga om vilka andra investeringar som får stå tillbaka för att den tekniska skulden till slut måste betalas, ofta vid en tidpunkt bolaget inte själv valt utan som tvingas fram av att något till slut slutar fungera.

Ett kommande systemskifte förändrar kalkylen

För bolag som ändå står inför ett systembyte finns ett tillfälle som sällan uppstår igen på flera år. Ett systemskifte är redan en investering i grunden. Att samtidigt bygga in det som krävs för att AI ska fungera väl, tydlig datastruktur, öppna gränssnitt och rutiner för datakvalitet, kostar en bråkdel av vad det hade kostat att göra det som ett separat projekt i efterhand.

Många bolag missar det tillfället, eftersom systemskiftet redan känns tillräckligt stort och AI-frågan skjuts på framtiden för att inte komplicera ett redan pressat projekt. Det är en förståelig prioritering på kort sikt, men den brukar visa sig kostsam så snart AI-satsningen väl ska ta fart på det nya systemet.

Det som gör det här beslutet svårt att fatta rätt är att fördelen av att bygga in AI-tänket redan från start inte syns förrän ett eller två år senare, medan den extra kostnaden och komplexiteten känns direkt, redan under själva systemskiftet. Det kortsiktiga trycket vinner nästan alltid över den långsiktiga besparingen, om inte någon aktivt håller kvar frågan på bordet genom hela projektet.

Så tar ni reda på var ni faktiskt står

Fråga IT-avdelningen en enkel fråga den här veckan. Hur lång tid skulle det ta att koppla ett nytt AI-verktyg till er viktigaste affärsdata i dag, från beslut till fungerande lösning. Ett svar på dagar eller ett fåtal veckor tyder på att grunden håller. Ett svar på flera månader, eller ett svar fullt av reservationer om vilka system som först måste redas ut, är ett tydligt tecken på att den tekniska skulden redan kostar er mer än ni tror, varje gång ni försöker bygga något nytt ovanpå den.

Känner ni igen er i det här?

Om situationen stämmer in på ert bolag går det att prata igenom den utan förpliktelser, med Daniel Kjellgren, som räddar AI-initiativ och IT-projekt som kört i diket.

Boka ett samtal

Fler artiklar om systemskifte och ai

Se alla artiklar om systemskifte och ai →