Å gå på den trange linjen med AI: Hvorfor operasjonslag må balansere effekt med risiko

AI utvikler seg i så dramatisk takt at hvert skritt fremover er et skritt inn i det ukjente. Muligheten er stor, men risikoen er kanskje enda større. Mens AI lover å revolusjonere bransjer – fra å automatisere rutineoppgaver til å gi dyptgående innsikt gjennom dataanalyse – åpner det også opp for etiske dilemmaer, bias, datavernproblemer og til og med negativ avkastning (ROI) hvis det ikke implementeres korrekt.

Analytikere gjør allerede forutsigelser om hvordan fremtiden for AI vil – i alle fall delvis – bli formet av risiko.

Ifølge en rapport fra Gartner fra 2025 med tittelen Riding The AI Whirlwind, vil vår relasjon til AI endre seg når teknologien utvikler seg og denne risikoen tar form. For eksempel forutsier rapporten at bedrifter vil begynne å inkludere emosjonell-AI-relaterte juridiske beskyttelser i sine vilkår og betingelser – med helsevesenet forventet å starte med disse oppdateringene innen de neste to årene. Rapporten antyder også at, innen 2028, vil mer enn en fjerdedel av alle datalekkasjer i bedrifter kunne spores tilbake til en form for AI-agentmisbruk, enten fra interne trusler eller eksterne skadelige aktører.

Forbi regulering og datasikkerhet, finnes det en annen – relativt usynlig – risiko, med like høye innsatser. Ikke alle bedrifter er “klare” for AI, og selv om det kan være fristende å skynde seg gjennom AI-utviklingen, kan dette føre til store finansielle tap og operative tilbakeslag. Ta en dataintensiv bransje som finansielle tjenester, for eksempel. Mens AI har potensialet til å gi kraftigere beslutninger for operasjonslag i denne sektoren, fungerer det bare hvis disse lagene kan stole på innsiktene de handler på. I en rapport fra 2024 av ActiveOps ble det avdekket at 98% av ledere i finansielle tjenester nevner “betydelige utfordringer” når de skal adoptere AI for datainnsamling, analyse og rapportering. Selv etter utviklingen, finner 9 av 10 det vanskelig å få de innsiktene de trenger. Uten strukturert styring, tydelig ansvar og en kompetent arbeidsstyrke til å tolke AI-drevne anbefalinger, er den virkelige “risikoen” for disse bedriftene at deres AI-prosjekter kan bli mer av en byrde enn en aktivitet. Å gå på den trange linjen med AI handler ikke om å gå raskt; det handler om å gå smart.

Høye innsatser, høy risiko

AI sitt potensiale til å transformere bedrifter er ubestridt, men likeledes er kostnadene ved å gjøre det feil. Mens bedrifter er ivrige etter å utnytte AI for effektivitet, automatisering og beslutninger i sanntid, øker risikoen like raskt som mulighetene. Et missteg i AI-styring, manglende tilsyn eller for stor tillit til AI-genererte innsikter basert på utilstrekkelig eller dårlig vedlikeholdt data, kan føre til alt fra reguleringstiltak til AI-drevne sikkerhetshendelser, feil beslutninger og skader på omdømme. Med AI-modeller som stadig mer – eller i alle fall påvirker – kritiske forretningsbeslutninger, er det en presserende behov for bedrifter å prioritere datasikkerhet før de utvikler AI-initiativer. Som McKinsey sier, må bedrifter adoptere en “alt, overalt, samtidig” holdning for å sikre at data på hele bedriften kan brukes trygt og sikkert før de utvikler AI-initiativene sine.

Dette er kanskje en av de største risikoene forbundet med AI. Løftet om automatisering og effektivitet kan være forlokkende, og får selskaper til å bruke ressurser på AI-drevne prosjekter før de sikrer at deres data er klare til å støtte dem. Mange organisasjoner skynder seg å implementere AI uten først å etablere robust datasikkerhet, tverrfaglig samarbeid eller intern ekspertise, og ender med AI-modeller som forsterker eksisterende bias, produserer upålitelige utdata og til slutt ikke genererer en tilfredsstillende avkastning. Virkeligheten er at AI ikke er en “plug and play”-løsning – det er en langtidsstrategisk investering som krever planlegging, strukturert tilsyn og en arbeidsstyrke som forstår hvordan man bruker det effektivt.

Etablering av en sterk grunn

Ifølge tightrope walker og forretningsleder, Marty Wolner, er den beste råden når man lærer å gå på en slackline å starte smått: “Ikke prøv å gå på en tightrope over en canyon med en gang. Start med en lav linje og øk avstanden og vanskelighetsgraden etterhvert som du bygger opp ferdighetene og tilliten dine.” Han foreslår det samme for bedrifter: “Små seirer kan forberede deg på større utfordringer.”

For at AI skal kunne levere langsiktig, bærekraftig verdi, er disse “små seirene” avgjørende. Mens mange organisasjoner fokuserer på AI sitt teknologiske potensiale og å komme ett skritt foran konkurrentene, ligger den virkelige utfordringen i å bygge den riktige operative rammen for å støtte AI-adoptsjon i stor skala. Dette krever en tredelt tilnærming: robust styring, kontinuerlig læring og en forpliktelse til etisk AI-utvikling.

Styring: AI kan ikke fungere effektivt uten en strukturert styringsramme som dikterer hvordan det er designet, utviklet og overvåket. Uten styring, risikerer AI-initiativer å bli fragmentert, uansvarlige eller rett og slett farlige. Bedrifter må etablere tydelige retningslinjer for datahåndtering, beslutningsgjennomføring og systemovervåking for å sikre at AI-drevne innsikter kan stole på, forklare og kontrolleres. Regulatorer strammer allerede forventningene rundt AI-styring, med rammer som EU AI Act og utviklende amerikanske reguleringer som skal holde selskaper ansvarlige for hvordan AI brukes i beslutninger. Ifølge Gartner, vil AI-styringsplattformer spille en avgjørende rolle i å muliggjøre for bedrifter å håndtere AI-systemers juridiske, etiske og operative ytelse, sikre overholdelse samtidig som de opprettholder smidighet. Organisasjoner som ikke etablerer AI-styring nå, vil sannsynligvis møte betydelige reguleringer, omdømme- og finansielle konsekvenser lengre ned på linjen.

Mennesker: AI er bare like effektiv som de menneskene som bruker det. Mens bedrifter ofte fokuserer på teknologien i seg selv, er arbeidsstyrkens evne til å forstå og integrere AI i daglige operasjoner like kritisk. Mange organisasjoner faller i fellen med å anta at AI automatisk vil forbedre beslutninger, når i virkeligheten må ansatte trenes til å tolke AI-genererte innsikter og bruke dem effektivt. Ansattene må ikke bare tilpasse seg AI-drevne prosesser, men også utvikle de kritiske tenkeferdighetene som kreves for å utfordre AI-utdata når det er nødvendig. Uten dette, risikerer bedrifter å bli for avhengige av AI – og lar feilaktige modeller påvirke strategiske beslutninger uten kontroll. Treningsprogrammer, oppskolering og tverrfaglig AI-utdanning må bli prioriteringer for å sikre at ansatte på alle nivåer kan samarbeide med AI i stedet for å bli erstattet eller satt på sidelinjen av det.

Etikk: Hvis AI skal være en langsiktig drivkraft for bedriftssuksess, må det være rotfestet i etiske prinsipper. Algoritme-bias, datavernbrudd og uklare beslutningsprosesser har allerede undergravd tillit til AI i noen bransjer. Organisasjoner må sikre at AI-drevne beslutninger er i samsvar med lover og reguleringer, og at kunder, ansatte og interessenter kan ha tillit til AI-drevne prosesser. Dette innebærer å ta proaktive skritt for å eliminere bias, beskytte personvern og bygge AI-systemer som opererer gjennomsiktig. Ifølge Verdensbanken, “AI-styring handler om å skape like muligheter, beskytte rettigheter og – kanskje mest kritisk – bygge tillit til teknologien.”

Data: Å ha en enkelt, konsolidert datasett over hele operasjonen er avgjørende for å fastslå både en start- og en slutt-posisjon for AI sitt engasjement. Å vite hvor AI allerede brukes, å forstå hvor man skal deployere AI og å kunne se muligheter for ytterligere AI-engasjement, er avgjørende for fremtidig suksess. Data er også det beste målet for å måle AI sitt nytte – hvis bedrifter ikke forstår sin “start-posisjon” og ikke måler AI sitt reise, kan de ikke demonstrere dens nytte. Som Galileo en gang sa, “Mål det som er målbart, og det som ikke er målbart, gjør målbart.”

Å gå på den trange linjen handler om forberedelse, ro og å finne balanse med hvert skritt fremover. Bedrifter som nærmer seg AI med målte forsiktighet, strukturert datasikkerhet og en kompetent arbeidsstyrke, vil være de som kommer trygt over, mens de som skynder seg frem uten å sikre fotfesten, risikerer et kostbart fall.