Når AI accelererer: Sådan følger organisationen med

Traditionel governance blev skabt som en bremse. Dens formål er at forhindre fejl, håndtere risici og sikre compliance. I en verden præget af 18 måneder lange vandfaldsprojekter gav det mening.

I en verden med AI-cyklusser på seks uger skal governance være acceleratoren.

EU’s AI-forordning (AI Act) illustrerer hvorfor. Lovgivningen er stadig under udvikling, men dens konturer påvirker allerede organisationers adfærd. Virksomheder, der venter på den endelige lovtekst, før de etablerer deres compliance-rammeværk, vil opleve at være flere år bagud. Virksomheder, der opbygger fleksibel governance, altså rammer, der kan absorbere regulatoriske ændringer uden at bryde sammen, kan fortsætte fremad, mens andre står stille.

God governance i den eksponentielle tidsalder gør to ting: Den definerer grænserne tydeligt nok til, at teams kan arbejde selvstændigt inden for dem, og den udvikler sig hurtigt nok til, at grænserne afspejler virkeligheden frem for sidste års antagelser. Det handler ikke om at fjerne begrænsninger, men om at gøre dem præcise nok til at muliggøre hastighed i tilpasning, anvendelse og eksperimentering.

Governance, der er designet til 18 måneder lange vandfaldsprojekter, vil kvæle en AI-cyklus på seks uger. Du har brug for værn og retningslinjer, der gør det muligt at bevæge sig hurtigt, ikke mure, der forhindrer dig i at bevæge dig overhovedet.

Den kinesiske militærgeneral, strateg og filosof Sun Tzu skrev: “Hvis du kender dig selv og kender din fjende, behøver du ikke frygte udfaldet af hundrede slag.”

I en organisatorisk AI-kontekst betyder “kend dig selv” at have et klart og usentimentalt billede af, hvor organisationen oplever udfordringer. Hvor venter dine kunder? Hvor bryder interne processer sammen? Hvilket arbejde bruger dine dygtigste medarbejdere tid på, som de ikke burde bruge deres tid på?

“Kend din fjende” betyder at forstå risikolandskabet: teknologiens udviklingskurve, det regulatoriske miljø, de konkurrencemæssige dynamikker og de nye trusler, der tegner sig i horisonten.

De fleste organisationer springer diagnosen over og går direkte til: “Lad os bruge AI.” De implementerer en chatbot, fordi konkurrenterne gør det. De igangsætter et pilotprojekt uden at definere, hvilket problem det skal løse. Resultatet er projekter, der imponerer interessenter under demonstrationer, men som ikke skaber reel værdi i drift. Du kan ikke målrette en teknologi, du ikke forstår, mod problemer, som du ikke har identificeret.

En hær uden træning eller procedurer vil fejle hver gang. Du er nødt til at kende dig selv, dine smertepunkter, dine friktionsområder og dine reelle problemer, før nogen model kan hjælpe dig.

Der er forskel på at forstå et koncept og at kende det så godt, at det sidder på rygraden. Organisationer, der aldrig har gennemført et AI-projekt, vil ikke pludselig lykkes med eksekveringen, når bestyrelsen kræver det. De vil famle. De vil vælge det forkerte problem. De vil undervurdere datamodenheden. De vil blive lammet af det første nederlag.

AI-kompetencer opbygges ikke gennem strategidokumenter eller deltagelse i konferencer. De opbygges gennem målrettet og gentagen praksis. Hver cyklus, prototype, test, fejl, læring, gentagelse, opbygger organisationens kollektive erfaring. Det første forsøg vil være klodset. Det femte vil gå hurtigere. Og ved det tyvende vil organisationen genkende mønstre, som er usynlige for begyndere.

Det er derfor, at en fejlrate på 80 % i AI-projekter ikke er så katastrofal, som den lyder. I det gamle paradigme betød en fejlrate på 80 %, at man brugte år og millioner på blindgyder. I det nye paradigme, hvor cyklusser måles i uger eller måneder, betyder en fejlrate på 80 %, at du har prøvet fem ting, og at den ene succes leverede noget, som var umuligt for blot et år siden. Regnestykket ændrer sig, når omkostningerne ved fiasko falder, og værdien af succes stiger.

Men regnestykket ændrer sig kun for organisationer, der øver sig. En hær uden træning fejler hver gang, som Sun Tzu forstod det. En organisation uden AI-praksis vil fejle i samme omfang, men uden den tilsvarende gevinst på den anden side.

80% af dine AI-projekter vil fejle. Det er helt i orden, så længe dine cyklusser er korte, og din organisation ved, hvordan den skal lære af hvert eneste forsøg.

Risikolandskabet står ikke stille, mens du opbygger disse kompetencer. Det ændrer sig på flere fronter samtidig.

Det samme gør AI-reguleringen. EU’s AI-forordning (AI Act) formes fortsat gennem forhandlinger og vil fortsætte med at udvikle sig, efter at den er trådt i kraft. Organisationer har derfor brug for compliance-rammeværker, der er designet til tilpasning, ikke statiske tjeklister.

Samtidig opstår der fortsat nye teknologiske risici. Kvantecomputere vil på sigt kunne bryde nutidens standarder for offentlig nøglekryptering. Det rejser et vigtigt spørgsmål: Er dette et virksomhedsinternt problem eller en systemisk udfordring for hele branchen? I den ideelle situation overvåger din IT-funktion allerede disse udviklinger og holder systemerne opdaterede. Men når først Schrödingers kat er ude af sækken, er det ikke længere nok blot at reagere. Kryptoagilitet og beredskab skal være indbygget i governance-rammen i god tid og ikke først implementeres som reaktion på en krise.

Princippet gælder på tværs af hele risikolandskabet: De trusler, du forbereder dig på i dag, er dem, der ikke kommer til at overraske dig i morgen.

Du kan ikke vente på, at reglerne falder på plads. Det gør de ikke. Indarbejd fleksibel compliance i din driftsmodel allerede nu.

Thomas Wisbech er konsulent hos Darize. Han arbejder hurtigt og skaber resultater på tværs af nye teknologiske frontlinjer. Hans erfaring spænder over AI-strategi, blockchain, offentlig politik, lobbyarbejde, IT/OT-integration og kvantesikkerhed. Han er især kendt som den drivende kraft bag Energinets tidlige anvendelse af AI, blockchain-baseret energicertificering og deltagelse i CryptQ-projektet om kvantenøglefordeling, som senere udviklede sig til QGRID-initiativet med fokus på at beskytte Danmarks kritiske energiinfrastruktur.

Thomas har samarbejdet på tværs af organisationer for at samle interessenter om fælles mål og har været med til at omsætte forskning og intentioner til modne, produktionsklare løsninger. Han er en erfaren foredragsholder, der skaber de samarbejder og den fremdrift, som gør det muligt at omsætte forskning til afprøvede løsninger i praksis og omdanne teknologi til reel forretningsværdi.