Alla vill ha AI. Men ganska snabbt kommer verkligheten ikapp: om datan är rörig sprider AI problemen snabbare och gör dem dyrare. Grunden avgör allt.
Det är en fråga som ofta dyker upp i mina samtal med företagsledare: "Är vi redo för AI?" Svaret beror nästan aldrig på vilket system ni kör eller vilken leverantör ni väljer. Det beror på hur er data ser ut – och på om er organisation faktiskt äger de problem som finns.
Ju mer vi pratar om AI, automation och bättre beslutstöd, desto tydligare blir det hur avgörande grunden är. Och grunden består av två saker: datakvalitet och kultur.
Har du ordning och reda i din data kan AI skapa enormt värde. Automatiserade flöden blir precisa. Beslutsunderlag genereras på sekunder istället för dagar. Mönster som tidigare var omöjliga att se i manuella rapporter dyker upp direkt.
Men har du brister i datan händer något annat: problemen går snabbare, blir dyrare och påverkar fler beslut. AI-systemet är lika snabbt och skalfritt som du hoppades – men det förstärker nu felaktiga data med samma effektivitet som det hade förstärkt korrekta.
Det är därför datakvalitet är en av de viktigaste frågorna för bolag som funderar på AI just nu. Inte för att det är tekniskt komplicerat – utan för att det är lätt att hoppa över.
Jag har arbetat i verksamheter där vi med hjälp av Power BI snabbt kunnat synliggöra avvikelser, dubbla poster, saknade värden och processer som inte fungerade som man trott. Redan det är värdefullt. Men det som händer efteråt är det mest intressanta.
Att sätta upp en dashboard som visar verkligheten är en sak. Hur organisationen reagerar på det den ser – det är en helt annan sak, och den handlar inte om teknik.
Teknik synliggör problem. Kultur avgör om de löses.
Jag har sett tydliga mönster i hur bolag hanterar det som kommer fram. Vissa organisationer gillar att problemen blir synliga. De kavlar upp ärmarna, sätter sig ner tillsammans och vill förstå och förbättra. Där händer saker snabbt.
Andra organisationer väljer en annan väg. Frågan skickas vidare mellan avdelningar. Alla ser till att det egna skrivbordet förblir rent:
Och där stannar utvecklingen. Inte för att tekniken inte fungerar – utan för att ingen tog ansvar.
Det låter självklart, men det är ofta just det som saknas: ett tydligt ägarskap. Fel och avvikelser som identifieras i data måste ha en person eller ett team som ansvarar för att de faktiskt åtgärdas – inte bara rapporteras.
I bolag med en stark kultur vågar människor lyfta problem, ta ansvar och lösa dem tillsammans. Man letar orsaker, inte syndabockar. Och när den inställningen finns i ledningsgruppen sprider den sig som regel vidare ut i organisationen – inte av sig självt, utan genom medvetet ledarskap och goda ambassadörer.
Det skapar en miljö där ansvarstagande är naturligt och förbättring är en del av vardagen – inte ett undantagstillstånd.
En vanlig missuppfattning är att datakvalitet är IT:s ansvar. Det stämmer inte. Data skapas och påverkas av sälj, ekonomi, lager, inköp, produktion och kundtjänst – ofta med egna rutiner, egna system och egna definitioner av vad som är "rätt".
Det går inte att lämna över till en enskild avdelning och tro att det löser sig. Det kräver samarbete, gemensamma definitioner och en gemensam vilja att hålla datan i skick.
När man jobbar tvärfunktionellt händer något viktigt:
Frågan "är vi redo för AI?" är egentligen tre frågor i en. Är datan tillräckligt pålitlig? Har vi processer där ansvar är tydligt definierat? Och har vi en kultur där problem lyfts och ägs – snarare än undviks och delegeras vidare?
Om svaret på alla tre är ja, är AI ett kraftfullt nästa steg. Om svaret på någon av dem är nej är det klokt att börja där – inte för att AI är fel, utan för att AI utan grund levererar fel resultat snabbare.
Teknik löser mycket. Men ansvar, kultur och samarbete löser ännu mer. Det är där de flesta bolag skiljer sig åt när de blickar framåt.
Jag hjälper bolag att synliggöra datakvalitet, skapa rätt processer och bygga beslutsunderlag som faktiskt används – innan nästa teknikinvestering.
Känner du igen dig? Boka ett samtal