SMV’ernes næste skridt i AI-rejsen: Med den rette data er potentialet enormt

Barriererne: Data, data, data

Vi har spottet en tendens til, at de AI-sprogmodeller, som medarbejderne bruger privat, som fx ChatGPT, Gemini og andre LLM’er, ønsker de også at kunne bruge på deres arbejdsplads. 

Problemet er blot, at de åbne AI-platforme ikke er egnet til virksomhedens data. SMV’er efterspørger derfor sikre, interne chatløsninger, hvor dataen er sikkert placeret i organisationen, og hvor adgang, rettigheder og datakilder kan styres.

Den største udfordring er ikke AI-teknologien. Det er datakvaliteten. For at en model kan give gode svar, eller udføre en given opgave, kræver det data, der er strukturerede, tilgængelige og placeret de rigtige steder. Og her støder mange SMV’er på udfordringer:

• Systemer, der ikke taler sammen.
  
• Data, der ligger i siloer.
  
• Manglende rolle- og adgangsstyring.
  
• Manuelle processer, hvor fejl let opstår.
  
• Uklare ejerskaber, hvor ingen helt ved, hvor data stammer fra
  

Derfor begynder arbejdet ofte med spørgsmål som: Hvilke systemer har I? Hvor ligger jeres nuværende data? Hvem har adgang? Hvilke processer sikrer korrekt registrering?

Først når datagrundlaget er i orden, kan man begynde at bygge sine AI-værktøjer, der kan skabe reel værdi.

Sikkerhed og compliance: AI ændrer ikke ansvaret – det skærper det

Et naturligt spørgsmål for mange SMV’er er, om man udsætter sig for større cyber- og sikkerhedsrisici ved at tage AI i brug. Svaret er både ja og nej.

Når AI-løsninger implementeres i det eksisterende økosystem – for de fleste SMV’er betyder det i en Microsoft- eller Amazon-løsning – følger sikkerhedsniveauet med. Data bliver i de samme infrastruktur-rammer som før. Risikoen ligger derfor ikke i teknologien i sig selv, men i, hvem der får adgang til hvad.

Derfor fylder adgangsstyring, datakompliance og GDPR mere end nogensinde. Og her er udviklingen positiv: De store cloud-udbydere som Microsoft, Google og AWS introducerer nu platforme, hvor man kan styre AI-adgang på samme måde, som man i dag styrer mappeadgange på OneDrive eller SharePoint. Det gør det langt nemmere for SMV’er at implementere AI sikkert. Men derfor er det stadig vigtigt at have tydelige roller, processer og governance på plads, så det ikke er teknologien, men virksomheden der bestemmer, hvem der må hvad med hvilke data.

Næste store skridt: Agenterne

Hvor de fleste virksomheder i dag arbejder med chatbaseret AI, står næste bølge allerede og banker på: AI-agenter.

Hvor en chatbot giver svar, kan en agent udføre handlinger på tværs af systemer. I praksis betyder det, at en opgave både bliver besvaret og eksekveret.

Overført til fx en virksomheds finansfunktion kan det se sådan ud:

• En medarbejder spørger: “Hvorfor steg vores rejseomkostninger i Q3?”
  
• AI-agenten henter data fra økonomisystemet
  
• den analyserer udgiftskategorier
  
• den sammenholder med eksterne markedsdata
  
• den identificerer årsager (fx højere flypriser)
  
• og leverer et samlet svar med forklaring, beregninger og dokumentation. 

Det kan lyde futuristisk, men teknologien lander hurtigere, end de fleste tror. Det er muligt at disse agenter gør deres indtog i virksomheder så tidligt som Q1 i 2026.

AI ændrer vores arbejde – men den fjerner det ikke

Når repetitive og tidskrævende processer automatiseres, frigives der tid til det, der også skaber værdi for virksomhederne: analyse, kvalitetssikring, samarbejde og rådgivning. Rollerne i fx. finansfunktionerne bliver derfor ikke mindre vigtige, men mere strategiske.

For at lykkes med AI kræver det dog, at virksomhederne tager de første skridt på et solidt grundlag. Det handler om at være tydelig i sit formål, før teknologien vælges: Hvilken forretningsmæssig udfordring skal AI egentlig løse?

Dernæst om at skabe et klart billede af den data og de systemer, virksomheden arbejder i dag: Hvor registreres informationer? Hvordan bevæger de sig gennem organisationen, og hvilke processer sikrer både kvalitet og adgang?

Med det på plads kan virksomheder bygge småt, men sikkert. Mange starter med en afgrænset løsning inden for deres eksisterende Microsoft-økosystem, hvor data bliver på virksomhedens egen infrastruktur, og compliance kan styres fra første dag. Det kræver ikke en fuld teknologisk transformation – men et klart, afgrænset pilotprojekt, der demonstrerer konkret værdi, før man skalerer.

En anden vigtig del af rejsen er medarbejderne. AI ændrer arbejdsgange og stiller nye krav til kompetencer, og derfor er opkvalificering og løbende træning afgørende. Erfaringen viser, at læringskurven ikke behøver være stejl: De fleste medarbejdere bruger allerede AI privat og kan hurtigt omsætte den erfaring til deres arbejde, hvis de får en tryg ramme og en klar retning. Nye værktøjer kræver i virkeligheden det samme som tidligere digitaliseringsbølger: nysgerrighed, struktur og viljen til at lære.

Potentialet er stort. Ikke som et fremtidsscenarie, men her og nu. Men uden tillid til sin data og uden klare processer bliver AI ikke et værktøj, der frigiver tid og skaber bedre beslutninger. Tværtimod.

Hos Deloitte hjælper vi SMV’er med at tage de første skridt: fra afklaring og datagennemgang til pilotprojekter og implementering af sikre, værdiskabende AI-løsninger.

Vil I gerne i gang – eller er I i tvivl om, hvor jeres organisation står i dag? Vi hjælper jer med at skabe et sikkert, effektivt og fremtidssikret afsæt for AI.