Den tryggeste KI-strategien er den dyreste på sikt
Pengene står trygt. Avkastningen forsvinner.
Tenk deg en investor som er livredd for å tape penger. Han selger hele porteføljen og setter alt på konto. Ingen svingninger. Ingen tap. Ingen ubehagelige overskrifter når markedet faller.
På tretti år har han tapt enormt. Bare ikke på en måte han la merke til.
Slik ser de fleste norske KI-strategier ut akkurat nå. Det er bare ikke pengene som ligger i banken. Det er organisasjonens evne til å lære, endre og tilpasse seg.
Når ryddighet blir risiko
Frykten er spesifikk og forståelig. Den handler om lekkasjer og konkurransesensitive data på avveie: interne analyser, kundemønstre, prismodeller, operasjonell know-how. Det som gjør selskapet verdt mer enn summen av sine ansatte og som alle konkurrentene gjerne skulle ha hatt innsikt i.
Reaksjonen er gjenkjennelig. KI-utrullingen låses inn gjennom IT, juridisk og innkjøp. Sentralt avtaleverk. Godkjent verktøyliste. Nedlåst datatilgang. Eller, minst like vanlig: generelle direktiver og implisitte signaler som skaper nok friksjon til at de færreste gidder å prøve noe annet og nytt og dristig.
Det ser ryddig ut. Det er ryddig. Men det er ikke en risikovurdering. Det er en risiko-aversjon.
Tapet som aldri kommer til syne
Det synlige tapet har en dato og et navn. En datalekkasje. En pressemelding. Et krisemøte med styret. Du ser for deg overskriften før den finnes.
Det usynlige tapet er distribuert over tusen små beslutninger som aldri ble tatt, hundre transformerte arbeidsflyter som aldri ble forsøkt, ti ansatte som ga opp etter tredje gang verktøyet sa nei. Det får aldri en overskrift.
Vi vet at hjernen vekter det synlige tapet mye sterkere enn det usynlige. Selv når det usynlige tapet er mye større. Resultatet er en beslutning som føles balansert, men som er systematisk skjev.
KI-parodien starter der konteksten stopper
Du har sannsynligvis sett denne:
Vitsen er kjent. Avsender skriver én bullet. KI blåser den opp til fem avsnitt. Mottakerens KI komprimerer det tilbake til én bullet. Tekstinflasjon på begge sider. KI-utført bullshit-arbeid.
Det er et poeng her, men bare så lenge én forutsetning er oppfylt: at KIene ikke har kontekst.
Tenk gjennom hva som skjer når den faktisk har det. Du skriver én bullet om en avvikssak hos kunde X. KI-en vet hvem kunde X er, hvilket avtaleverk dere har, hvordan tre lignende saker er løst tidligere, og hva kollegaen din i KAM-teamet alltid spør om først. Det den produserer er ikke fem avsnitt med fyll. Det er en tolkning, en konsekvensvurdering, et forslag til neste steg. På mottakersiden brukes deres kontekst til å destillere ut det som betyr noe for dem.
Bullet inn er ikke bullet ut lenger. KI har gjort kontekstoversettelse, ikke tekstinflasjon.
Konsekvensen er ubehagelig for risiko-aversjonsstrategien: kontekst er ikke en bonus. Det er hele forutsetningen for at KI ikke blir parodien sin.
Gi retning, slipp initiativet løs
Det er fristende å avfeie dette som uansvarlig «slipp folk fri og se hva som skjer», men det finnes rammeverk for å kontrollere nettopp denne typen inngang og det er gammelt og velprøvd i mer alvorlige situasjoner enn din.
Midt på 1800-tallet formulerte Helmuth von Moltke et prinsipp som Stephen Bungay senere har tatt videre inn i en moderne kontekst i boken The Art of Action: folk på bakken vet ting toppledelsen ikke kan agere på. Sentralisert detaljstyring taper systematisk mot lokalt initiativ med klar retning.
Doktrinen gikk fra prøysserne og direkte inn i NATO som mission command. Ledelsen setter intent og rammer. Beslutningene flyttes til der informasjonen er ferskest. Bungay kaller den moderne anvendelsen directed opportunism: folk får mandat til å gripe muligheter ledelsen aldri kunne spesifisert i forveien.
Oversatt til KI: de som faktisk gjør jobben vet hvilke flyter som kan endres, hvilken kontekst KI trenger, og hvilke arbeidsformer som ville vært usynlige i en kravspek fra IT-avdelingen.
En sentralisert, IT-styrt KI-utrulling er motsatsen til mission command. Det er detaljstyring uten lokal informasjon. Historisk taper det.
Nedsiden finnes. Den er bare ikke hele regnestykket.
Ja, det kan hende en intern bullet havner i treningsdataene hos en stor leverandør. Ja, det kan hende et amerikansk etterretningsbyrå får tilgang til noe det ikke burde hatt. Ja, det er en reell kostnad. Den er ikke null.
Men de fleste tilbakesteg er midlertidige. Konkurransefortrinn som hviler på at ingen andre vet hva du gjør internt, eroderer uansett. Gjennom ansattbevegelser. Kundesamtaler. Leverandørbytter. Bransjestandarder som utvikler seg. Du endrer hvordan du opererer selv.
Den langsiktige gevinsten er strukturell. Bedre prosesser. Fit-for-purpose KI-bruk. Høyere læringstempo. Det gir rentes rente. Bytteforholdet er asymmetrisk: en synlig, kortvarig risiko mot en kumulativ kapabilitetsforskjell som vokser måned for måned.
Design for læring, ikke godkjenning
Dette er en vanskelig del av lederjobben. Formuler intent. Hva prøver organisasjonen å lære i år? Hvilke arbeidsformer er åpne for eksperimentering, og hvilke er det ikke?
Tegn klare nei-er. Regulerte data. Kontraktsbeskyttet informasjon. Identifiserende kundedata. Det hører ikke inn i en åpen leverandør, og det er hverken modig eller smart å tenke noe annet.
Tegn klare ja-er. Her er ferdig godkjente verktøy. Her er ting vi vet at fungerer bra og er trygt.
Alt imellom er opp til den ansatte som står i situasjonen, med organisasjonens overordnede mål som styringsverktøy.
Lederens jobb er ikke å godkjenne hvert eksperiment. Den er å sørge for at folk får eksperimentere, at læringen sirkulerer, og at feil blir læringsmateriale i stedet for skyldspørsmål. Som Bungay skriver: bortsett fra sabotasje er det fullstendig irrelevant hvem som gjorde feilen. Alle kan lære av den, uavhengig av hvem som står bak.
Det dyreste spørsmålet i KI-strategien
I mange KI-styringsmøter er spørsmålet: «Hvordan kan vi sikre at dataene våre ikke lekker?»
Det riktige spørsmålet er: «Hvordan minimerer vi friksjon i eksperimentering og maksimerer læring og transformasjon uten å gå på kritiske tap?»
Det finnes data du skal beskytte for enhver pris. Det finnes også data som taper verdi hver måned de ikke brukes.
Om forfatteren
