Vilket arbete blir klart med ditt nya AI-verktyg?

Vad vill vi ha gjort när bygget är klart?

Det är lätt att börja i möjligheten. Vi kan koppla ihop system, generera material och bygga en ny vy över siffrorna. I avsnittet är min första fråga i stället vart vi vill komma. Vilken uppgift ska bli bättre? Vad är resultatet av arbetet?

Det behöver finnas en riktning före nästa prompt. Annars finns det nästan ingen gräns för vad som kan byggas, men heller ingen tydlig grund för att säga att något är färdigt.

Sätt samma krav på AI-arbetet som på en produktlansering: vem ska använda resultatet, vad behöver fungera runt det och vem avgör att det är klart? Då går det att avgränsa bygget.

En sida kan vara logisk i koden och obegriplig för människan.

Fredrik beskriver hur han har fått tillbaka dashboards som består av rutor i rutor, mycket text och flera starka knappar. Informationen finns där, men det är svårt att se vad som är viktigt eller vad användaren ska göra först.

Det är en användbar skillnad. Att data är strukturerad betyder inte att den är presenterad på ett sätt som hjälper någon. En tekniskt fungerande sida kan fortfarande lägga ett stort tolkningsarbete på personen framför skärmen.

I hans resonemang blir därför designregler och konkreta exempel viktiga. Vad är en tydlig hierarki? Vilken åtgärd ska prioriteras? Vilken information behöver synas direkt, och vilken kan vänta tills den efterfrågas?

En förklaring kan ibland behövas. Men om varje del av gränssnittet kräver långa instruktioner behöver själva utformningen också prövas. Annars har vi byggt något som ser färdigt ut, men ännu inte hjälper användaren.

Räkna vägen till användbart, inte bara kostnaden per steg.

Vi diskuterar också värdet i ett specialiserat verktyg ovanpå en generell AI-modell. Den förenklade invändningen är att samma modell finns att använda direkt. Men användaren betalar även för sammanhanget runt modellen.

Det kan vara instruktioner, ett tydligare gränssnitt och att flera delar av arbetsflödet redan hänger ihop. Om det krävs färre omtag för att komma till ett användbart resultat kan det göra skillnad även när en enskild körning kostar mer.

Fråga hur mycket arbete som återstår efter svaret från modellen. Vem behöver ändra materialet, koppla ihop delarna och kontrollera leveransen? Ta med den tiden när ni jämför ett specialverktyg med en generell modell.

AI kan också göra dig upptagen med fel saker.

En annan del av samtalet handlar om fokus. Fredrik berättar om dagar då arbetet med AI hade känts intensivt, men den ursprungliga uppgiften ändå inte blivit klar. Verktyget hade hittat fler frågor, fler fel och fler möjliga förbättringar.

Varje enskilt sidospår kunde låta rimligt. Tillsammans tog de över dagen. Det är ett konkret problem att känna igen om man bygger egna lösningar: fler förslag betyder också fler beslut för människan.

Därför behöver uppgiften och prioriteringen hållas synliga. Vad försöker vi slutföra nu? Vilka fel behöver lösas för att det ska fungera? Vilka idéer kan läggas åt sidan?

Låt den valda uppgiften styra. Ett nytt fel eller förbättringsförslag behöver bara tas nu om det hindrar leveransen. Resten kan vänta tills det ni började med är klart.

Ett automatiserat flöde behöver tydliga beslutspunkter.

I avsnittets senare del berättar jag om arbetet i ett nytt posterbolag. Vid inspelningen har teamet byggt ett flöde från trendspaning och nytt material till utkast för produktinformation och annonser. Utkasten granskas innan publicering.

Det är värt att stanna vid just utkast. Att systemet kan producera snabbt betyder inte att det ska få publicera allt. Någon behöver fortfarande bedöma hur materialet ser ut, om det passar sortimentet och vad som faktiskt ska visas för kund.

Samma sak gäller uppföljningen. Vi diskuterar att använda försäljningsdata från e-handeln och att skilja den från vad en annonsplattform tillskriver sig. Det är olika frågor: vad plattformen rapporterar och vilka produkter som faktiskt har sålts.

Mer produktion skapar också ett sortimentsarbete. Om nya motiv tillkommer hela tiden behöver någon bestämma vad som ska vara kvar, vad som ska tas bort och hur kunden ska hitta bland alternativen. Annars bygger automatiseringen bara ett större problem snabbare.

Nästa marknad finns också utanför skärmen.

Samtalet slutar inte i att allt nu är automatiskt. Vi pratar om kvalitet, rättigheter och vad som skulle krävas om ett lokalt tryckeri ska möta kunder på andra marknader. Det är frågor som behöver verkliga ansvariga och underlag.

Någon behöver välja produktions- och leveransupplägg och kontrollera att kunden får det som utlovats. Lägg det ansvaret i planen även när mer av innehållsarbetet kan gå automatiskt.

Prova sedan flödet från nytt motiv till granskad produkt och beställning. Notera var teamet behöver gripa in och vad kunden får se. Det ger en mer användbar lista att arbeta vidare med än ännu fler möjliga AI-funktioner.