Det var en gång en ambitiös VD, Ronald, som ville visa styrelsen att han var innovativ och rätt man för företagets framtid. Digitalisering var det stora modeordet då, och hans organisation förstod snabbt att det för dem innebar att bli ett data- och AI-drivet företag. En efter en försökte hjälparna få AI att fungera, men misslyckades.
Först, Datatillgångstrollet
Först ut var Peter som försökte. Han var den flamboyanta marknadsföraren som hade sagt till VD:n att det här handlade om att visa kortsiktiga resultat, så skulle resten komma i kölvattnet. För att få en tidig vinst satte han igång ett experiment. Han hade hört talas om några hjälpare man kunde anlita för en stor summa, och de kunde fixa AI åt dig riktigt snabbt.
Smart som han trodde att han var, gav han dem ett testfall inom personlig marknadsföring för att bevisa sitt värde. De försökte och misslyckades, och försökte och misslyckades i över tre månader. Till slut gick han tillbaka till VD:n och sa att de gav upp. De hade tillbringat månader med att försöka få tag på data utan framgång. I hans huvud hade företaget ingen chans att konkurrera. Peter hoppade då av och fick ett seriöst jobb på ett internationellt konsultföretag med kärnfokus på AI. Han hade ju trots allt arbetat med stora AI-projekt.
Datatillgångstrollet: I genomsnitt läggs 80–90 % av tiden inom analys och data science på att samla in, rensa, förbereda och kontextualisera data.
För det andra, Arv-trollet
Därefter bestämde VD:n att datatillgångstrollet faktiskt var ett tekniskt problem. Han utsåg den ambitiösa CTO-kandidaten Jack till uppgiften och sa att när han hade lyckats med transformationen skulle han få toppjobbet som CTO.
Jack tog in ett teknik-konsultbolag och efter att ha spenderat månader och en hel del pengar på analyser kom de tillbaka med en offentlig molnbaserad plattform. Den var verkligen toppmodern och sattes upp på några månader. Sedan började de testa användningsfallet på plattformen. Efter tre månaders försök lyckades de inte integrera företagets data i plattformen i realtid. Jack gav upp. Han berättade för VD:n att deras gamla system hade ett troll som var alldeles för gammalt för att vara källa till AI-analys. Han sade upp sig och började som CTO hos en av konkurrenterna — han hade ju trots allt gjort en teknisk AI-transformation.
Arv-trollet: Företag saknar funktioner i sina affärsplattformar för att hantera data och AI på rätt sätt.
För det tredje, Kassaflödestrollet
Ronald, VD:n, hade nu lagt nästan ett år på sitt löfte om Digital Transformation och hade få affärsresultat att visa upp. För att dölja misslyckandet lanserade han en ny strategi för styrelsen som fokuserade på kärnverksamheten och målet var att generera starkt kassaflöde och god aktieavkastning. Han sa att andra företag i branschen gjorde samma sak och hade haft framgång nyligen. Eftersom Ronald hade varit en stjärna i företaget i många år och hade stöd från många äldre anställda, stöttade styrelsen honom.
Efter beslutet gick Ronald tillbaka till sitt företag och berättade om den nya strategin. Uppsägningar och kostnadsbesparingar sattes igång och allt fokus låg på att öka befintliga intäkter på traditionella sätt. Organisationen var förvirrad. Några av de gamla rävarna tyckte att det var vettigt. Låt oss göra som vi alltid har gjort. Det har alltid varit ett framgångsrecept för oss. Andra blev mycket besvikna och många slutade.
En rebell i organisationen, Mary hette hon, som hade experimenterat med AI i det tysta medan allt detta pågick, bestämde sig för att detta inte var okej. Hon lyckades få tag på företagets styrelseordförande och frågade rakt ut: ”Kan jag få lite pengar och ett litet gerillateam för att bevisa att Ronald, VD:n, hade fel i strategin?” Mot alla odds sa ordföranden ja—utan att VD:n visste om det. Mary och hennes team började gräva.
Kassaflödestrollet: Innovatörens dilemma är mycket närvarande inom datavetenskap. Kortsiktiga vinster och aktieägarnas avkastning hindrar verklig digital affärstransformation.
Fjärde är Krafttrollet
Mary påbörjade ett projekt med det tidigare användningsfallet från Peter och molndataplattformen som Jake hade byggt. De hade gjort ett riktigt bra jobb det senaste året och hon och hennes team tyckte att detta var något att bygga vidare på.
Mary bestämde sig för att gräva djupare än sina föregångare och pratade med en av de tekniska arkitekterna, Winfred, på plattformen som Jake ursprungligen hade byggt. Det Winfred berättade för henne var ganska överraskande. Han sa att det var ganska enkelt att sätta upp en realtidsström från plattformen. "Verkligen", sa hon, "varför gjorde de det inte då?". Hans svar var lika överraskande: "Chris, ägaren av området som hade datan, vill inte. Han är rädd att hans team då kommer att förlora budgetar för viktiga analysuppgifter de gör idag". Wow! Nu förstod Mary. Det här handlade om Chris makt i organisationen. Eftersom hon hade fått rebellmandatet övertalade hon Winfred att hjälpa henne, och under en vecka hade de satt upp en datastream till plattformen — under radarn.
Makt-trollet: Data är makt, och datacentrering är svårt eftersom data hamstras av sina ägare.
Den femte är Dataskyddstrollet
Med bra realtidsdata som strömmade in till plattformen kände Mary att testningen av användningsfallet var inom räckhåll. Men även om hon var villig att bryta företagets policy och gå under radarn för att lyckas, var hon inte redo att bryta mot lagen.
Hon antog att juridiskt godkännande skulle vara en formalitet, men så var det tyvärr inte. Enligt den juridiska rådgivning hon fick var den typ av aktivitet de planerade inte laglig utan kundens tillstånd. Det innebar att hon behövde be kunden om förhandsgodkännande både för att träna fram en AI-modell och för att använda datan till det personliga marknadsföringsfallet. Det lät väldigt svårt eftersom detta var ett experiment och de letade efter insikter i datan.
"OMG", tänkte Mary, är det här slutet?
Dataskyddstrollet: Under de kommande 5 åren kan du förvänta dig en omvälvande överföring av dataägande från företag till kund. Precis som tidigare revolutioner kommer idéerna från Europa via GDPR-regleringen, men effekterna sprider sig globalt.
Sjätte, Kompetenstrollet
Efter att ha sovit på gårdagens juridiska stoppkloss bestämde sig Mary för att inte ge upp. Hon ringde en gammal klasskamrat som jobbade på ett konkurrerande företag och fick en betydligt mer nyanserad bild. Faktum är att ärendet inte var så svart som hennes juridiska avdelning hade sagt. Egentligen skulle användningsfallet nog kunna genomföras, men man skulle behöva ge kunderna möjlighet att välja bort det. ”Okej”, tänkte hon, ”det är goda nyheter. Men varför är inte vår juridiska avdelning uppdaterad?”
Men dåliga råd var tyvärr inte bara begränsade till företagets integritetsteam. Sammantaget fanns det få talanger med digital erfarenhet. Och när det gällde personer med AI- och Big Data-kompetens hade organisationen egentligen inga. Det lustiga var att det under det senaste året faktiskt hade funnits några personer med rätt kompetens. De hade rekryterats eller skickats på omfattande utbildning, men alla dessa hade slutat. Marknaden var full av möjligheter för kvalificerade talanger och de hittade spännande möjligheter någon annanstans.
Kompetenstrollet: Marknaden för bra talanger inom big data management, analys och data science är het och kommer att fortsätta vara det. Enligt forskning finns det 0,3 kandidater per jobb inom området.
Och slutligen, sjunde, Kulturtrollet
Mary såg nu att trollen de hade stött på egentligen var en familj av troll som matade varandra: Datatillgångstrollet matades av Legacy-trollet. Legacy-trollet matades av Kassaflödestrollet. Kassaflödestrollet matades av Makt-trollet. Makt-trollet matades av Skyddstrollet. Och till sist matades Skyddstrollet av Kompetenstrollet.
Men vad var det som matade Kompetenstrollet? Varför slutade de mest värdefulla personerna för företagets framtid? Visst matades Kompetenstrollet lite av alla trollen, men det var nog inte den verkliga grundorsaken, tänkte hon. Så en dag läste hon en artikel. Forskning visade att folk sade upp sig från sina jobb “.. när jobbet inte var roligt, deras styrkor inte användes och de inte växte i sina karriärer”. Så egentligen handlade det här om företagets kultur och kärnfokus?
Då slog det henne – kanske var det Ronald, VD:n, som matade Kultur-trollet? Han kom från en annan tid då allt handlade om business process reengineering, outsourcing, aktieägar- och kassaflödesfokus, balanserade styrkort och årliga prestationsbedömningar, och där den enda karriärstegen byggde på att avancera till chefspositioner. Alla kulturella artefakter, hjältar och processer grundade sig på detta gamla sätt att tänka.
De personer som behövdes för AI-transformationen passade inte in i denna bild. De som hade kompetensen hittade så många andra spännande saker att göra, där de fann mening, kunde utveckla sina styrkor och fann mening. Därför lämnade de.
Mary gick till styrelseordföranden och berättade hela historien. Hon förklarade om trollfamiljen som matade varandra och att det i grunden satt ett kulturtroll som matades av den nuvarande VD:ns tankar och beteenden. Ordföranden lyssnade på henne. Sa tack. Men sa sedan att detta bara var ett test för Mary. Till hennes förvåning kom Ronald in i rummet. Ronald, VD:n, hade känt till Marys projekt hela tiden. Han sa att han behövde Mary och hennes nya AI-förståelse för att ta in ett externt konsultföretag så att de kunde hjälpa henne att minska verksamheten och befintliga intäkter genom AI-automatisering. Detta skulle maximera kassaflödet ännu mer.
Mary — tog en minut och funderade över allt detta. Hon sa sedan till ordföranden och VD:n: ”Nej, jag kommer aldrig att följa med er på den resan. Jag ska ägna min karriär åt att göra saker med AI som ger mig mening och gör världen till en bättre plats.” VD Ronald blev chockad. Sedan lämnade Mary rummet.
Kulturtrollet: Det handlar om människor och kunder, inte processer. Att bli datadriven är väldigt svårt. Att vara ett AI- och datadrivet företag kräver att du måste kasta bort eller omdefiniera flera av de praktiska saker som tidigare varit avgörande framgångsfaktorer.
Epilog
Historien slutade förstås inte där. Ronald och hans organisation fortsatte i flera år till och levererade ökande kassaflöde och bättre resultat. Han lämnade företaget som en stor hjälte tack vare sin strategi att fokusera på kärnan. Några år efter att han lämnat mötte samma företag en tuff marknadsstörning och blev en nischaktör på en marknad de tidigare dominerat.
Mary gick vidare och startade sitt eget AI-startup. Hon tog med sig försvarstaktikerna mot alla de 7 AI-trollen som hon hade lärt sig på Ronalds företag. Hon behöll också några av Ronalds knep, med fokus på kassaflöde och aktieägarvärde, men kanske på ett lite mer balanserat sätt. Grundläggande affärspraxis går ju aldrig ur tiden, eller hur? Hennes företag blev en stor framgång, lever och frodas och har blivit en dominerande aktör i sin bransch. Hon levde lycklig i alla sina dagar.
Bekämpa trollen genom att samarbeta med oss på SMOC.AI plattformen och ekosystemet.
