Det var en gang en ambisiøs administrerende direktør, Ronald, som ønsket å vise styret at han var innovativ og den rette mannen for selskapets fremtid. Digitalisering var det store buzzordet på den tiden, og organisasjonen hans forsto raskt at for dem betydde det å bli et data- og AI-drevet selskap. Én etter én prøvde hjelperne å få til AI, men mislyktes.
Først, Datatilgangstrollet
Først ut var det Peter som prøvde. Han var den fargerike markedsføreren som hadde fortalt daglig leder at dette handlet om å vise kortsiktige resultater, så ville resten komme i kjølvannet. For å få en tidlig seier satte han i gang et eksperiment. Han hadde hørt om noen hjelpere man kunne hyre inn for en stor sum, og de kunne fikse KI for deg veldig raskt.
Smart som han trodde han var, ga han dem en testcase innen personlig markedsføring for å bevise deres verdi. De prøvde og feilet, og prøvde og feilet i over tre måneder. Til slutt gikk han tilbake til daglig leder og sa at de ga opp. De hadde brukt måneder på å prøve å få tak i data uten hell. I hans hode hadde selskapet ingen sjanse til å konkurrere. Peter hoppet så av og fikk en seriøs jobb i et internasjonalt konsulentselskap med kjernefokus på KI. Tross alt — han hadde jo jobbet med store KI-prosjekter.
Datatilgangs-trollet: I gjennomsnitt brukes 80–90 % av tiden innen analyse og data science på å samle inn, rense, forberede og sette data i kontekst.
For det andre, Arvetrollet
Deretter bestemte CEO-en at datatilgangstrollet faktisk var et teknisk problem. Han utnevnte den ambisiøse CTO-kandidaten Jack til oppgaven, og sa at når han hadde lykkes med transformasjonen, ville han få toppjobben som CTO.
Jack hentet inn et teknologikonsulentselskap, og etter å ha brukt måneder og en god del penger på analyser, kom de tilbake med en offentlig skybasert plattform. Den var virkelig topp moderne og ble satt opp i løpet av noen måneder. Så begynte de å teste brukstilfellet på plattformen. Etter tre måneders forsøk klarte de ikke å integrere selskapets data i plattformen i sanntid. Jack ga opp. Han fortalte CEO-en at deres gamle systemer hadde et troll som var altfor gammelt til å brukes som kilde for AI-analyse. Han sluttet i jobben og startet som CTO hos en av konkurrentene — tross alt hadde han gjennomført en teknisk AI-transformasjon.
Arvetrollet: Bedrifter mangler funksjoner i sine forretningsplattformer for å håndtere data og KI på en skikkelig måte.
For det tredje, Kontantstrømtrollet
Ronald, administrerende direktør, hadde nå brukt nesten et år på sitt løfte om Digital Transformasjon og hadde få forretningsresultater å vise til. For å skjule fiaskoen lanserte han en ny strategi for styret som fokuserte på kjernevirksomheten, og målet var å generere sterk kontantstrøm og god avkastning på aksjene. Han sa at andre selskaper i bransjen gjorde det samme og hadde hatt suksess i det siste. Siden Ronald hadde vært en stjerne i selskapet i mange år og hadde støtte fra mange eldre ansatte, støttet styret ham.
Etter avgjørelsen dro Ronald tilbake til selskapet sitt og fortalte om den nye strategien. Oppsigelser og kostnadskutt ble iverksatt, og alt fokus ble rettet mot å øke eksisterende inntekter på tradisjonelle måter. Organisasjonen var forvirret. Noen av de gamle traverne syntes det ga mening. La oss gjøre det vi har gjort før. Det har alltid vært en suksessformel for oss. Andre ble veldig skuffet, og mange sluttet.
En rebell i organisasjonen, Mary het hun, som hadde drevet litt eksperimentering med KI mens alt dette pågikk, bestemte seg for at dette ikke var greit. Hun var heldig og fikk tak i styrelederen i selskapet og spurte rett ut: «Kan jeg få litt penger og et lite geriljateam for å bevise at Ronald, administrerende direktør, tok feil i strategien?» Mot alle odds sa styrelederen ja—uten at administrerende direktør visste det. Mary og teamet hennes begynte å grave.
Kontantstrømtrollet: Innovatørens dilemma er svært tilstede innen datavitenskap. Kortsiktige gevinster og avkastning til aksjonærene hindrer ekte digital forretnings-transformasjon.
Fjerde, er Kraft-trollet
Mary startet et prosjekt med det forrige brukstilfellet til Peter og sky-dataplassen som Jake hadde bygget. De hadde gjort en ganske god jobb det siste året, og hun og teamet hennes mente dette var noe å bygge videre på.
Mary bestemte seg for å grave dypere enn sine forgjengere og snakket med en av de tekniske arkitektene, Winfred, på plattformen Jake opprinnelig hadde bygget. Det Winfred fortalte henne var ganske overraskende. Han sa at det å sette opp en sanntidsstrøm fra plattformen var ganske enkelt. «Virkelig», sa hun, «hvorfor gjorde de det ikke da?». Svaret hans var like overraskende: «Chris, eieren av området som hadde dataene, vil ikke. Han er redd for at teamet hans da vil miste budsjetter på viktige analyseoppgaver de gjør i dag». Wow! Nå forsto Mary. Dette handlet om Chris sin makt i organisasjonen. Siden hun hadde fått opprørermandatet, overtalte hun Winfred til å hjelpe henne, og i løpet av en uke hadde de satt opp en datastrøm til plattformen — under radaren.
Makttrollet: Data er makt, og sentralisering av data er vanskelig fordi data hamstres av eierne.
Den femte er Databeskyttelsestrollet
Med gode sanntidsdata som strømmet til plattformen, følte Mary at brukstilfelle-testingen var innen rekkevidde. Men selv om hun var villig til å bryte selskapets retningslinjer og jobbe under radaren for å lykkes, var hun ikke klar for å bryte loven.
Hun antok at juridisk godkjenning ville være en formalitet, men det var dessverre ikke tilfelle. Ifølge den juridiske rådgivningen hun fikk, var den typen aktivitet de planla ikke lovlig uten kundens tillatelse. Det betydde at hun måtte be kunden om forhåndssamtykke både for å gjøre opplæring for å lage en KI-modell og for å bruke dataene til det personlige markedsføringsbrukstilfellet. Det hørtes veldig vanskelig ut, siden dette var et eksperiment og de lette etter innsikt i dataene.
"OMG", tenkte Mary, er dette slutten?
Datavern-trollet: De neste 5 årene kan du forvente et omveltende skifte av dataeierskap fra virksomheten til kunden. Som tidligere revolusjoner, kommer ideene fra Europa gjennom GDPR-reguleringen, men effektene sprer seg globalt.
Sjette, Kompetansetrollet
Etter å ha sovet på gårsdagens juridiske showstopper bestemte Mary seg for å ikke gi opp. Hun ringte en gammel klassevenninne som jobbet for en konkurrent og fikk et langt mer balansert bilde. Saken var faktisk ikke så svart som hennes juridiske avdeling hadde sagt. Faktisk kunne brukstilfellet sannsynligvis gjennomføres, men man måtte nok gi kundene mulighet til å reservere seg. «Ok», tenkte hun, «det er gode nyheter. Men hvorfor er ikke våre juridiske folk oppdatert?»
Men dårlige råd var dessverre ikke bare begrenset til selskapets personvernavdeling. Totalt sett var det få talenter med digital erfaring. Og når det gjaldt folk med AI- og Big Data-kompetanse, hadde organisasjonen egentlig ingen. Det morsomme var at det i løpet av det siste året faktisk hadde vært noen som virkelig hadde den rette kompetansen. De hadde blitt rekruttert eller sendt på omfattende opplæring, men alle disse hadde sluttet. Markedet var fullt av muligheter for kvalifiserte talenter, og de fant spennende jobber andre steder.
Kompetansetrollet: Markedet for gode talenter innen big data management, analyse og data science er hett og vil fortsette å være det. Ifølge forskning er det 0,3 kandidater per stilling i feltet.
Og til slutt, syvende, Kultur-trollet
Mary så nå at trollene de hadde møtt egentlig var en familie av troll som matet hverandre: Datatilgangstrollet ble matet av Legacy-trollet. Legacy-trollet ble matet av Kontantstrøm-trollet. Kontantstrøm-trollet ble matet av Makt-trollet. Makt-trollet ble matet av Beskyttelses-trollet. Og til slutt ble Beskyttelses-trollet matet av Kompetanse-trollet.
Men hva var det som matet Kompetanse-trollet? Hvorfor sluttet de mest verdifulle menneskene for selskapets fremtid? Kompetanse-trollet ble nok matet litt av alle trollene, men det var ikke egentlig hovedårsaken, tenkte hun. Så en dag leste hun en artikkel. Forskning viste at folk sluttet i jobbene sine «.. når jobben ikke var morsom, styrkene deres ikke ble brukt, og de ikke vokste i karrieren sin». Så dette handlet egentlig om kulturen og kjernefokuset i selskapet?
Så slo det henne – kanskje Ronald, administrerende direktør, matet Kultur-trollet? Han kom fra en annen tid, da alt hypet handlet om forretningsprosessreengineering, outsourcing, aksjonær- og kontantstrømsfokus, balanserte målstyringskort og årlige medarbeidersamtaler, og hvor den eneste karrierestigen var å klatre i lederstillinger. Alle de kulturelle artefaktene, heltene og prosessene var basert på denne gamle tankegangen.
Folkene som trengtes for AI-transformasjon passet ikke inn i dette bildet. De som hadde ferdighetene fant så mange andre kule ting å gjøre, hvor de fant mening, kunne virkelig utvikle sine styrker og fant mening. Derfor dro de.
Mary gikk til styrelederen og fortalte hele historien. Hun forklarte om trollfamilien som matet hverandre, og at det innerst satt et kulturtroll som ble matet av tankene og atferden til nåværende CEO. Styrelederen lyttet til henne. Sa takk. Men sa deretter at dette bare var en test for Mary. Til hennes sjokk kom Ronald inn i rommet. Ronald, CEO-en, hadde visst om Marys prosjekt hele tiden. Han sa at han trengte Mary og hennes nye AI-forståelse for å hente inn et eksternt konsulentselskap slik at de kunne hjelpe henne med å nedskalere driften og eksisterende inntekter gjennom AI-automatisering. Dette ville maksimere kontantstrømmen enda mer.
Mary — brukte et minutt på å tenke over alt dette. Hun sa så til styrelederen og CEO-en: «Nei, jeg vil aldri bli med dere på den reisen. Jeg skal bruke karrieren min på å gjøre ting med AI som gir meg mening og gjør verden til et bedre sted.» CEO Ronald ble målløs. Så forlot Mary rommet.
Kulturtrollet: Det handler om mennesker og kunder, ikke prosesser. Å bli datadrevet er utrolig vanskelig. Å være et AI- og datadrevet selskap krever at du må kaste eller redefinere flere av de praktiske tingene som tidligere har vært avgjørende suksessfaktorer.
Epilog
Historien sluttet selvsagt ikke der. Ronald og organisasjonen hans fortsatte i flere år og leverte økende kontantstrøm og bedre resultater. Han forlot selskapet som en stor helt, basert på strategien om å fokusere på kjernen. Noen år etter at han sluttet, møtte det samme selskapet en tøff markedsforstyrrelse og ble en nisjeaktør i et marked de tidligere hadde dominert.
Mary startet senere sin egen AI-oppstartsbedrift. Hun tok med seg forsvarstaktikkene mot alle de 7 AI-trollene hun hadde lært hos Ronalds selskap. Hun beholdt også noen av Ronalds triks, med fokus på kontantstrøm og aksjonærverdi, men kanskje på en litt mer balansert måte. Tross alt går grunnleggende forretningspraksis aldri av moten, ikke sant? Selskapet hennes ble en stor suksess og lever i beste velgående, og har blitt en dominerende aktør i bransjen hennes. Hun levde lykkelig alle sine dager.
Bekjemp trollene ved å samarbeide med oss på SMOC.AI plattformen og økosystemet.
