AI i praksis

Der er en opgavebeskrivelse for bestyrelsen der sjældent står i selve vedtægterne, men som alligevel er dens eksistensberettigelse: at sikre virksomhedens langsigtede overlevelse og udvikling.

Ikke kvartalet. Ikke bonussen. Ikke den næste produktlancering. Bestyrelsen er det sted i organisationen hvor tidshorisonten er længst, og hvor ansvaret for at virksomheden stadig eksisterer om ti år sidder.

De seneste dage har jeg skrevet tre tekster til bestyrelser der forholder sig til AI. Ikke til direktionen. Ikke til IT-chefen. Til det bord hvor ansvaret ender — og hvor sproget typisk er det sværeste.

Her er tråden samlet, i den rækkefølge jeg vil foreslå man læser dem.

1. Start med oversættelsen — ikke teknologien

Bestyrelsen mangler en oversætter — ikke endnu en AI-løsning

Jeg har lavet en kort pjece til bestyrelsesmedlemmer. Den tager tre minutter at læse. Her er hvad den indeholder — og hvorfor hvert punkt er med.

Ingen taler jeres sprog

Direktionen taler om "potentiale" og "transformation". IT-afdelingen taler om tokens og API'er. Konsulenten taler om "rejser" og "enablement".

Ingen af dem taler det sprog en bestyrelse har brug for at høre: hvad koster det, hvad er risikoen, og hvad skal vi konkret beslutte?

Du sidder i en bestyrelse. Måske i et aktieselskab med 200 ansatte. Måske i den lokale gymnastikforening med 14 frivillige trænere og et halvråddent gulv i hallen. Måske begge steder.

Det her brev er til dig. Uanset størrelsen på den organisation du sidder i.

Tak

Lad os starte der. For det gør ingen andre.

I denne uge byggede jeg et værktøj der henter bestyrelsesmedlemmer for 64 danske virksomheder, strukturerer dem i en tabel med formand, direktør og øvrige medlemmer, og gemmer resultatet i et format jeg kan arbejde videre med.

Ingen del af det involverer en sprogmodel. Ingen del af det burde.

Det er et eksempel på en pointe der er vigtigere end den lyder: den største fejl virksomheder laver med AI er at bruge AI til opgaver der ikke kræver AI.

I onsdags havde jeg brug for noget banalt: en liste over bestyrelsesmedlemmer i en række danske selskaber. Ikke til en database. Ikke til et produkt. Bare til en eftermiddags lead-research — hvem sidder hvor, og hvilke formænd overlapper med folk jeg allerede taler med.

Den slags data er offentlig. Den ligger på datacvr.virk.dk. Hver eneste virksomhed i Danmark har en side. Det burde tage tyve minutter.

Jeg har siddet på begge sider af bordet. Som videnskabsjournalist i tyve år har min hovedopgave været at oversætte teknisk virkelighed til folk der skulle træffe beslutninger på baggrund af den. Som bestyrelsesmedlem i Dansk Presseforbund og Danske Videnskabsjournalister har jeg selv siddet i den anden ende — og fået lov til at tage stilling til ting jeg ikke selv kunne bygge.

Det er to forskellige roller. Men de hænger sammen, fordi god ledelse afhænger af at den ene part faktisk forstår hvad den anden siger.

Der er en forskel på at arbejde med AI og at arbejde praktisk med AI.

Det første er at bruge ChatGPT fra en browser. Det andet er at bygge noget hvor AI er ét trin blandt mange — hvor data skal hentes, valideres, sendes til en model, kontrolleres, transformeres og gemmes et andet sted. Næsten alt kommercielt AI-arbejde er af den sidste slags.

Og hvis du laver det sidste, bør Nushell bo i din terminal.

Jeg skrev for nylig om hvordan jeg automatiserer mine blogudgivelser i én kommando — tekst ind, artikel med billede ud. Det flow kører i et shell de fleste aldrig har hørt om: Nushell. Og det er ikke et tilfældigt valg.

Når jeg bygger det jeg kalder compound AI systems — altså systemer hvor eksempelvis sprogmodeller og billedmodeller er sat sammen med andre komponenter til at løse en rigtig opgave — så er langt det vigtigste spørgsmål ikke "hvilken model bruger vi?". Det er "hvad omgiver vi modellen med?".

Og det er dér Nushell kommer ind.

Jeg taler meget om at AI skal løse rigtige forretningsproblemer, ikke bare imponere i en demo. Så lad mig vise et eksempel fra min egen hverdag.

Hver gang jeg skriver en artikel til docujai.com, skal den igennem den samme kæde af småopgaver: post teksten til Drupal via JSON:API, generér et illustrativt billede, giv billedet det rigtige visuelle udtryk med mit logo i hjørnet, upload det til artiklen, sæt alt-tekst, patch relationen mellem node og file. Det tager ikke lang tid at gøre manuelt. Det tager lang tid at gøre det hver gang.