AI som stöd för verksamhetsutveckling

Hur kan vi använda AI i verksamhetsutveckling?

Den 30 november 2022 lanserades ChatGPT publikt och AI som fenomen exploderade på marknaden och i alla media. AI gick från att vara något som bara forskare och stora organisationer höll på med, till att vara allmängods som alla med en internetuppkoppling kunde använda.

En effekt av det är att AI som fenomen har blivit avdramatiserat och i kölvattnet har nya frågor kommit högt upp på dagordningen både i samhällsdebatten och internt i många organisationer. Från ”vad är AI”? till ”hur kan vi använda AI”? och ”behöver AI regleras? och hur ska det i så fall gå till”?

Många likställer AI med ChatGPT, men den teknik som ChatGPT, Dall-E, Co-pilot och liknande bygger på, generativ AI, är bara en av väldigt många olika AI-tekniker. AI är inte heller en ny företeelse, man kan spåra rötterna mer än 70 år bakåt i tiden.

Om vi specifikt tittar på ämnet verksamhetsutveckling, hur kan vi använda AI där?

I arbetet att gå från behov till effekthemtagning och uppföljning kan AI komma till nytta på olika sätt.

Förstå behovet – AI som stöd för behovsanalys

I det här skedet försöker man skaffa sig en så god förståelse för behovet som möjligt så att man har ett bra underlag när man utformar lösningen. Ibland är behovet enkelt, uppenbart och tydligt, men ibland är det komplext med många orsaker och beroenden, varianter och variationer över tiden. Här kan en AI designad för att hitta mönster i stora datamängder hjälpa till med att tydliggöra mekanismerna och dynamiken bakom de problem man ser.

Ibland är man inte ens medveten om att man har ett problem eller en förbättringsmöjlighet och där kan en ”big data”-analys med AI hjälpa till att upptäcka mönster.

Utforma lösning – konsekvensanalys och verksamhetsbeskrivningar

Här försöker man hitta den bästa lösningen på behovet utifrån de förutsättningar man har. En fälla här är att man sitter fast i gamla tankespår och gamla lösningar. Här kan en generativ AI hjälpa till med att komma på idéer till lösningar. I komplexa verksamheter skulle en AI, givet tillgång till rätt data om verksamheten, kunna hjälpa till när man gör konsekvensanalyser av olika lösningar genom att simulera effekter.

Om det saknas tydliga beskrivningar av hur en verksamhet fungerar kan man ta hjälp av generativ AI för att få förslag på hur en verksamhet av ett visst slag fungerar, exempelvis vilka de centrala processerna är eller de viktigaste förmågorna.

Formulera krav och dokumentation

En komplex övergripande lösning behöver brytas ner i delar som kan lösas mer eller mindre parallellt i olika team. Här kan en generativ AI hjälpa till med att föreslå en lämplig nedbrytning och kritiska integrationspunkter. Den kan också hjälpa till med att formulera text till olika dokument i sammanhanget. Man behöver dock alltid noggrant granska det som en generativ AI producerar. Det kan bli fel och tokigt om AIn inte har tillräcklig information och då får man rätta till det, men ofta blir det tillräckligt bra för att man ska kunna ha det som ett bra underlag att utgå från.

Utveckling och automatisering med AI

Här kan finnas många tillämpningar av AI, här är ett par exempel:

En del i en lösning kanske är att automatisera ett repetitivt bildskärmsarbete, exempelvis mata in uppgifter, kopiera information från ett gränssnitt till ett annat, trycka på knappar i en specifik ordning beroende vilken typ av ärende det är och så vidare. Här kan en annan AI-teknik, Robotic Process Automation (RPA) komma till användning. En sådan kan läras upp att utföra de handgrepp som behövs i olika IT-system för att utföra en åtgärd. När den väl är upplärd kan den snabbt och utan misstag göra det monotona arbetet.

Ett annat exempel är att automatisera beslutsfattande där det finns komplexa, men tydliga regelverk som styr vilka beslut som får eller ska fattas beroende på indata. Här kan AI-tekniken expertsystem komma till nytta. Verksamhetsreglerna kan samlas i ett expertsystem som övriga program kommunicerar med. Det man vinner är att reglerna finns på ett ställe istället för utspridda i många applikationer. Då har man också koll på att rätt regelversioner används varje gång.

Etablera, följa upp och ta hem effekt

Här kan man ta hjälp av AI för att följa upp verksamhetens prestanda och hitta systematiska brister i etableringsarbetet. En AI kan hjälpa till med att hitta förbättringar i hur vi arbetar med verksamhetsutveckling baserat på data.

Avslutande tankar och elefanten i rummet

Det här är bara en skrapning på ytan, det finns mycket potential med AI inom verksamhetsutveckling. Ju mer man lär sig om olika former av AI och vad de kan göra desto enklare är det att se hur man skulle kunna använda tekniken för att förbättra verksamheten.

Det finns naturligtvis baksidor med AI också. En ofta omtalad elefant i rummet är att införandet av AI-tekniker kan innebära att manuella arbetsuppgifter automatiseras eller försvinner. Det kan påverka människors roller, arbetsuppgifter och även anställning. Hur vi väljer att hantera den situationen är naturligtvis upp till oss människor.

Men vill vi få hjälp att fundera på alternativ kan man fråga en generativ AI om idéer och kanske få förslag på sådant vi inte tänkt på.

AI-tips för verksamhetsutvecklare

Jag är ingen expert på AI, men jag har en del erfarenhet av att arbeta med AI i samband med verksamhetsutveckling i olika sammanhang. Jag har varit med och byggt expertsystem, har byggt enklare regelmotorer för att demonstrera automatisk hantering av förordningsregler, chatbotar och annat. På senare tid har jag använt generativ AI bland annat som stöd vid framtagning av verksamhetsmodeller och kvalitetssäkring av sådana.

Avslutningsvis här är mina tre bästa tips för att komma igång med AI i rollen som verksamhetsutvecklare.