Skala AI med kontroll – tre perspektiv

Det som slår mig i samtalen med verksamheter är att frågan om AI har förändrats. För bara en tid sedan handlade diskussionerna mycket om vilka verktyg som var bäst. Nu handlar de allt oftare om hur organisationen ska kunna använda flera AI-tjänster samtidigt, utan att förlora kontrollen över information, kostnader och användning.

Vilka AI-tjänster ska vi tillåta? Vad händer med informationen vi matar in? Vilka modeller används och hur följer vi upp användningen? Och hur ger vi medarbetarna tillgång till den senaste tekniken utan att tappa kontrollen?

Ett privat företag som vill röra sig snabbt har inte samma behov som en offentlig verksamhet med höga krav på transparens och regelefterlevnad. Ett snabbväxande bolag (scale up) har andra förutsättningar. Men jag ser en gemensam nämnare: ju mer AI-användningen växer, desto viktigare blir styrningen.

Privat sektor: snabbhet får inte innebära mindre kontroll

För många företag är AI redan en konkurrensfråga. Medarbetarna vill använda verktygen, verksamheten ser effektiviseringsmöjligheter och nya tjänster lanseras i snabb takt. Samtidigt riskerar den som väntar att gå miste om möjligheter.

Tempot skapar samtidigt en utmaning. När medarbetare själva väljer publika AI-tjänster kan kunduppgifter, källkod och annan känslig information hamna i tjänster som organisationen saknar insyn i.

Lösningen är inte nödvändigtvis att stänga dörren. Alltför begränsande regler kan driva medarbetarna till att använda verktyg utanför organisationens godkända IT-miljö, så kallad Shadow AI.

En av de viktigaste frågorna för företag just nu är därför hur man gör det enkelt att göra rätt.

Ett första steg är därför att kartlägga vilka AI-tjänster medarbetarna faktiskt använder. Det ger en tydligare bild av nuläget och ett bättre underlag för att avgöra var gemensamma riktlinjer och begränsningar behövs.

Med tydliga ramar kan företaget fortsätta utveckla sin AI-användning i högt tempo och samtidigt behålla kontrollen.

Offentlig sektor: kontroll måste finnas med från början

AI kan ge effektivare processer och bättre stöd till medarbetare. Samtidigt ställs höga krav på informationssäkerhet, transparens, ansvar och regelefterlevnad.

När AI skalas upp blir styrningen central. Vilken information får tjänsterna hantera? Vem har tillgång till vad? Hur följer vi upp användningen och säkerställer att den håller sig inom beslutade ramar?

Krav kopplade till exempelvis AI-förordningen och NIS2 gör styrning och riskhantering allt viktigare, beroende på verksamhet och tillämpning.

Min bild är att nästa steg för många offentliga verksamheter inte bara är fler AI-projekt, utan en gemensam struktur som gör att lyckade initiativ kan skalas upp.

En viktig utgångspunkt är att klassificera vilken information som får hanteras i olika AI-tjänster och tydliggöra vem som ska ha tillgång till vad. Det skapar bättre förutsättningar för att bredda AI-användningen utan att tappa kontrollen över säkerhet och ansvar.

Scale-ups: avancerad AI utan att bygga allt själv

Hos scale-ups ser jag en annan utmaning: viljan att röra sig snabbt finns, men inte alltid resurserna att bygga och förvalta en egen AI-infrastruktur.

Till en början kan det fungera att kombinera olika verktyg. Men när företaget växer ökar komplexiteten. Större eller reglerade kunder ställer också ofta högre krav på informationssäkerhet, kontroll och spårbarhet. Företaget behöver fortsätta utvecklas snabbt, utan att den tekniska komplexiteten växer i samma takt.

Ett viktigt vägval är att tidigt avgöra vilka delar av AI-miljön som verkligen behöver utvecklas internt och vilka som kan hanteras genom befintliga lösningar. På så sätt kan verksamheten lägga mer kraft på det som skapar ett unikt värde.

Från ”vilken AI ska vi använda?” till ”hur ska vi använda AI?”

Tidigare handlade många samtal om vilket AI-verktyg man skulle välja. Nu handlar de allt oftare om hur AI blir en fungerande och styrbar del av verksamheten.

För privat sektor handlar det om konkurrenskraft med kontroll. För offentlig sektor om skalbarhet med säkerhet, ansvar och transparens. För scale-ups om avancerad teknik utan att bygga allt själva.

Det gemensamma behovet är att skapa förutsättningar för AI-användning som är både flexibel och kontrollerad. Det är också utgångspunkten för Advania ALT, en plattform som hjälper organisationer att styra vilka AI-tjänster som används, av vem och hur användningen följs upp.

För mig är det en förutsättning för nästa fas av AI-utvecklingen: att göra AI tillgängligt för fler, med organisationen kvar i förarsätet.