Et solid business case er grunnlaget for vellykket innføring av kunstig intelligens
Til tross for den pågående hypen ser ikke KI ut til å gi noen effekt. Det kan tyde på at Solows produktivitetsparadoks også gjelder KI-investeringer.
Ikke asfalter kuestier – hvorfor prosessanalyse og optimalisering bør komme før innføring av KI
4 min lesetid João Mourinho
Før organisasjonen din kjøper én eneste KI-lisens, bør den kunne svare på et tilsynelatende enkelt spørsmål: Hvilken prosess er det egentlig KI-en skal forbedre – og er prosessen verdt å automatisere slik den er i dag?
Konklusjon: AI-klar betyr prosessklar
Kappløpet om å ta i bruk AI behandler prosessanalyse som en forsinkelse. Dokumentasjonen viser det motsatte: Det er det mest effektive risikoreduserende tiltaket som finnes, fordi det angriper de dokumenterte grunnårsakene til at AI-prosjekter mislykkes – feil problem, svake data og arbeidsflyter som ikke er integrert – før problemene rekker å hope seg opp og føre til at et pilotprosjekt blir lagt ned. Å asfaltere ku-stier vil skape tilnærmet ingen verdi – og kan faktisk redusere den. Trettifem års forskning, fra business process reengineering [6], via komplementaritetens økonomi [7], [8], til dagens gjennomganger av AI-prosjekter som har mislyktes [1], [2], forteller en konsekvent historie: Teknologien forsterker organisasjonen den tas i bruk i. Optimaliser organisasjonen først, så forsterker AI noe det er verdt å forsterke.
Spørsmålet ledergrupper bør stille seg, er derfor ikke «hvor raskt kan vi ta i bruk AI?», men «hvilke av prosessene våre vil AI virkelig kunne transformere når vi først har forstått og optimalisert dem?». Å svare på dette i riktig rekkefølge er det som skiller de 5 % fra de 95 %.
Mourinho Solutions sørger for at organisasjonen din tilhører de 5 %.
Hos Mourinho Solutions er dette rekkefølgen vi jobber etter. Vi hjelper organisasjoner med å kartlegge og analysere prosessene sine, optimalisere dem for målbare gevinster og først deretter utforme og implementere AI der det beviselig lønner seg. Hvis virksomheten din planlegger et AI-initiativ, bør du starte med en samtale om prosessene deres – kontakt oss for en prosessvurdering.
Referanser
[1] J. Ryseff, B. F. De Bruhl, and S. J. Newberry, The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed: Avoiding the Anti-Patterns of AI. Santa Monica, CA, USA: RAND Corporation, 2024. [Online]. Tilgjengelig: https://www.rand.org/pubs/research_reports/RRA2680-1.html
[2] A. Challapally, C. Pease, R. Raskar, and P. Chari, “The GenAI divide: State of AI in business 2025,” MIT NANDA, Cambridge, MA, USA, 2025. [Online]. Tilgjengelig: https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
[3] S&P Global Market Intelligence, “Voice of the Enterprise: AI & machine learning”-undersøkelsen, 2025; funnene ble omtalt i “AI project failure rates are on the rise: Report,” CIO Dive, mars 2025. [Online]. Tilgjengelig: https://www.ciodive.com/news/AI-project-fail-data-SPGlobal/742590/
[4] Gartner, “Gartner predicts 30% of generative AI projects will be abandoned after proof of concept by end of 2025,” pressemelding, 29. juli 2024. [Online]. Tilgjengelig: https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025
[5] S. Ransbotham, S. Khodabandeh, R. Fehling, B. LaFountain, and D. Kiron, “Winning with AI,” MIT Sloan Management Review and Boston Consulting Group, Cambridge, MA, USA, forskningsrapport, 2019. [Online]. Tilgjengelig: https://sloanreview.mit.edu/projects/winning-with-ai/
[6] M. Hammer, “Reengineering work: Don’t automate, obliterate,” Harvard Business Review, vol. 68, nr. 4, s. 104–112, juli–aug. 1990. [Online]. Tilgjengelig: https://hbr.org/1990/07/reengineering-work-dont-automate-obliterate
[7] E. Brynjolfsson and L. M. Hitt, “Beyond computation: Information technology, organizational transformation and business performance,” Journal of Economic Perspectives, vol. 14, nr. 4, s. 23–48, 2000, doi: 10.1257/jep.14.4.23.
[8] E. Brynjolfsson, D. Rock, and C. Syverson, “The productivity J-curve: How intangibles complement general purpose technologies,” American Economic Journal: Macroeconomics, vol. 13, nr. 1, s. 333–372, jan. 2021, doi: 10.1257/mac.20180386.
[9] W. M. P. van der Aalst, M. Bichler, and A. Heinzl, “Robotic process automation,” Business & Information Systems Engineering, vol. 60, nr. 4, s. 269–272, 2018, doi: 10.1007/s12599-018-0542-4.
[10] R. Syed et al., “Robotic process automation: Contemporary themes and challenges,” Computers in Industry, vol. 115, art. nr. 103162, feb. 2020, doi: 10.1016/j.compind.2019.103162.
[11] T. Nagle, T. C. Redman, and D. Sammon, “Only 3% of companies’ data meets basic quality standards,” Harvard Business Review, 11. sep. 2017. [Online]. Tilgjengelig: https://hbr.org/2017/09/only-3-of-companies-data-meets-basic-quality-standards
[12] N. Sambasivan, S. Kapania, H. Highfill, D. Akrong, P. Paritosh, and L. Aroyo, “‘Everyone wants to do the model work, not the data work’: Data cascades in high-stakes AI,” i Proc. 2021 CHI Conference on Human Factors in Computing Systems (CHI ’21), Yokohama, Japan, 2021, art. nr. 39, doi: 10.1145/3411764.3445518.
[13] T. H. Davenport and R. Ronanki, “Artificial intelligence for the real world,” Harvard Business Review, vol. 96, nr. 1, s. 108–116, jan.–feb. 2018. [Online]. Tilgjengelig: https://hbr.org/2018/01/artificial-intelligence-for-the-real-world
[14] M. Dumas, M. La Rosa, J. Mendling, and H. A. Reijers, Fundamentals of Business Process Management, 2. utg. Berlin, Germany: Springer, 2018, doi: 10.1007/978-3-662-56509-4.
[15] W. M. P. van der Aalst, Process Mining: Data Science in Action, 2. utg. Berlin, Germany: Springer, 2016, doi: 10.1007/978-3-662-49851-4.
[16] M. C. Lacity and L. P. Willcocks, “Robotic process automation at Telefónica O2,” MIS Quarterly Executive, vol. 15, nr. 1, s. 21–35, mars 2016. [Online]. Tilgjengelig: https://aisel.aisnet.org/misqe/vol15/iss1/4/
[17] I. M. Enholm, E. Papagiannidis, P. Mikalef, and J. Krogstie, “Artificial intelligence and business value: A literature review,” Information Systems Frontiers, vol. 24, nr. 5, s. 1709–1734, 2022, doi: 10.1007/s10796-021-10186-w.
[18] J. Jöhnk, M. Weißert, and K. Wyrtki, “Ready or not, AI comes — An interview study of organizational AI readiness factors,” Business & Information Systems Engineering, vol. 63, nr. 1, s. 5–20, 2021, doi: 10.1007/s12599-020-00676-7.
[19] T. Fountaine, B. McCarthy, and T. Saleh, “Building the AI-powered organization,” Harvard Business Review, vol. 97, nr. 4, s. 62–73, juli–aug. 2019. [Online]. Tilgjengelig: https://hbr.org/2019/07/building-the-ai-powered-organization
Relaterte artikler
Mørke skyer og lyspunkter for ideelle organisasjoner og humanitære hjelpeorganisasjoner: 3 tilnærminger for å lykkes i 2026
Når julen og nyttårsaften nærmer seg, er det tid for å se tilbake på et krevende år. For ideelle organisasjoner og humanitære fagfolk har året vært tøft. Verden har sett konfliktene tilspisse seg, sulten øke, og bærekraftsmålene virker nå som en fjern visjon. Men bak de mørke skyene skinner håpet fortsatt for 2026.
Kunstig intelligens: kjøp hypen, men ikke for mye
Selv om kunstig intelligens har vært dagens moteord, viser virkeligheten hvorfor det er klokt å vurdere et bredere utvalg av verktøy for å løse forretningsproblemer.