Jernbaneoverkørsel med hurtigtog

Sådan slipper I ud af godkendelsernes skærsild

Relaterede emner

Virksomheder taber momentum og penge, når deres AI-modeller strander i langtrukne godkendelsesprocesser. 


Opsummering:
  • Alt for mange AI-projekter ligger stille uden at blive implementeret, fordi alle modeller skal igennem samme tunge godkendelsesproces.
  • Det er går ud over virksomheders indtjening, da hastighed i stadig højere grad bliver et konkurrenceparameter. 
  • Virksomheder bør opdatere deres risikovurdering til AI-æraen, så den sikrer hastighed og fleksibilitet uden at gå på kompromis med tilliden. 

Virksomheder bruger nu kunstig intelligens til alt fra softwareudvikling over kundeservice til bekæmpelse af finansiel kriminalitet. Mulighederne er mangfoldige, og med overgangen fra Generativ AI til Agentisk AI er vi langt videre end, at kunstig intelligens bare besvarer spørgsmål og genererer tekster som ChatGPT. Det frigiver tid, som mennesker kan bruge på opgaver, der kræver menneskelig kreativitet og dømmekraft.

Men ét spørgsmål runger som et ekko gennem de direktionsgange, jeg besøger:

”Hvorfor går det så langsomt med at indføre nye AI-agenter i virksomheden?”

Man kører pilotprojekt efter pilotprojekt og investerer millioner i ny agent-kapacitet, men man oplever kun at få minimalt ud af bestræbelserne.

Alt for mange projekter ligger simpelthen stille uden at blive implementeret. Jeg rådgav på et tidspunkt en større nordisk bank, hvor man havde op imod 1000 agenter, der lå strandet et sted mellem udviklings- og risk management-afdelingerne, selvom direktionen havde sagt god for dem for længe siden. På sidelinjen stod ledelsen og kunne ikke forstå, hvad i alverden der kunne tage så lang tid.

Det skaber en følelse af, at man står på perronen og ser AI-lyntoget suse forbi med alle konkurrenterne og gevinsterne ombord.

Følelsen er ikke ubegrundet, for hastighed bliver i stadig højere grad et konkurrenceparameter. Lige nu er markedet i en udviklingsfase, hvor dem, der først finder den smarteste AI-løsning, kan få et forspring og løbe med de store profitter. Derfor er det så stort et problem, når ens AI-modeller ikke kommer ud af pilotfasen.

Man står på perronen og ser AI-lyntoget suse forbi med alle konkurrenterne og gevinsterne ombord.

Relateret artikel

Husk rådhuset, når I flytter til Algoritmebyen

AI rykker ind i virksomhedernes kerneforretning, men uden klare grænser og ansvar fra ledelsen vokser et ledelsesvakuum, der truer tilliden.

Fanget i godkendelsernes skærsild

Hvorfor tager det så lang tid at implementere AI-løsninger, når nu det både er effektivt og forretningskritisk?

 

Grundlæggende handler det om, at projekterne strander i godkendelsernes skærsild. Skærsilden er – ifølge romersk-katolske skrifter og Dantes Den guddommelige komedie – det mellemstadie, hvor sjæle skal renses for deres synder, inden de kan lukkes ind og blive salige i himmeriget. Og der kan man være meget længe.

 

Rundt omkring i virksomheder har man lignende mellemstadier, hvor AI-projekter ender med at strande inden implementeringsfasen.

 

Forestil dig dette:

  1. Tag én ny og relativt ukendt teknologi.
  2. Tilsæt en solid portion sund, kritisk indstilling hos organisationens jurister og sikkerhedseksperter, hvis vigtige job det er at minimere risici gennem faste godkendelsesprocedurer.
  3. Kom et par skefulde skepsis i fra dårlige erfaringer med tidligere IT-projekter.
  4. Rør godt rundt med complianceskeen i GDPR, EU’s AI-forordning og anden omfattende lovgivning.
  5. Lad det stå og trække. Længe.

Begynd forfra ved hvert AI-projekt.

 

Med dén opskrift er det ikke overraskende, at så meget ny AI ikke kommer ud af pilotfasen. Med hvert nyt projekt, som tech-entusiasterne i udviklingsafdelingen præsenterer, skal Janne nede fra jura kunne forstå det i dybden og sige god for risikoen med sin faglighed i behold.

 

Janne gør intet forkert: Hun gør, som hun plejer og passer sit vigtige job efter reglerne med alle de værktøjer, hun har til rådighed.

 

Det er derfor ikke Janne, den er gal med; det er værktøjerne.

 

Vi implementerer moderne teknologi ved hjælp af processer, der er udviklet til fortidens IT-systemer. Alle modeller – store som små – skal igennem samme tunge proces. Og når AI-projekterne endelig slipper igennem, risikerer man, at de er forældede, eller at en konkurrent løber med gevinsterne, mens man selv løber rundt i skærsilden.

Vi implementerer moderne teknologi ved hjælp af processer, der er udviklet til fortidens IT-systemer.

Smartere og tryggere risikovurdering

Her støder vi dog ind i en anden udfordring:

For med Agentisk AI bliver tillid vigtigere end nogensinde før. Jo mere agenterne begynder at handle på egen hånd uden først at spørge et menneske, jo større krav skal vi stille til agenternes sikkerhed, gennemsigtighed og etik; alle de vigtige grundsten i tillid. Og stigende tillidskrav trækker i den modsatte retning af højere hastighed.

Løsningen er selvfølgelig ikke at kaste risikovurderingen over bord. Tværtimod. Men den skal opdateres til AI-æraen, som kræver hastighed, fleksibilitet og løbende ajourføring.

Derfor har EY udviklet et værktøj til implementering og skalering af AI-agenter, der både får agenterne godkendt til tiden og indeholder en risikostyring, der sikrer tilliden. Faktisk kan værktøjet barbere godkendelsestiden helt ned til 24 timer for agenter med lav risiko.

Den grundlæggende idé er, at man går risikobaseret til værks og spørger: Hvilken ny risiko skaber AI-agenten? Jo mindre risiko, jo lettere godkendelse.      

I vurderingen tager vi udgangspunkt i åbne og anerkendte kilder som MIT’s AI Risk Repository, der samler over 1.700 risici ved kunstig intelligens inden for alt fra diskrimination over desinformation til sikkerhedsbrud, samt deres tiltag til at modgå dem.

Den grundlæggende idé er, at man går risikobaseret til værks og spørger: Hvilken ny risiko skaber AI-agenten?

Vores værktøj til en lettere godkendelse uden at gå på kompromis med tilliden bygger på tre principper:

Godkendelserne kan synes uendelige, når alt fra den mindste chatbot til den mest indgribende beslutningsagent skal igennem den samme tunge proces, som er designet til den IT-infrastruktur, vi plejede at have.

Nu er det på tide at anlægge en anden tilgang og få godkendelsesprocesserne ind i AI-æraen. Du er velkommen til at kontakte mig, hvis du vil høre mere om vejen ud af skærsilden med en smartere og tryggere risikovurdering.


Sammendrag

Virksomheder taber momentum og penge, når deres AI-modeller strander i langtrukne godkendelsesprocesser. Med en smartere og tryggere risikovurdering kan man slippe ud af godkendelsernes skærsild.

Om denne artikel