Det største AI-potentiale er ikke en chatbot

For virksomheder ligger den største AI-mulighed ikke i chatbots, men i billigere software, der kan lukke hullerne mellem systemerne. En reel AI-strategi handler derfor om at gøre virksomheden klar til stigende kompleksitet og kundekrav, ikke om at bruge AI for AI’s egen skyld.

De seneste snart fire år har hele verden været optaget af den direkte, chatbaserede AI-oplevelse. I 2026 er tyngdepunktet imidlertid begyndt at flytte sig. Efterhånden som agentisk AI-kodning modnes, flytter virksomhedernes fokus sig gradvist fra den direkte anvendelse af AI til det, AI kan hjælpe dem med at bygge.

I stedet handler spørgsmålet nu om, hvilke løsninger AI kan hjælpe os med at skabe, frem for hvilken løsning AI skal være i sig selv.

Tre forhold er især afgørende for dette skifte:

• Kode er rent digital. Kode opererer udelukkende på det, der konkret findes i koden, på skærmen og på serveren.

• Kode er et formelt sprog. Programmeringssprog er formelle sprog, hvor betydningen ikke afhænger af tonefald, kropssprog eller skjulte konnotationer. På mange måder er kode sprog i sin reneste form, og det passer naturligvis godt til en model, der netop arbejder med sprog.

• En stor sprogmodel er, for nu at formulere det en smule tautologisk, trænet på enorme mængder sprog. Det gælder naturligvis også programmeringssprog. Modellerne kan dette sprog.

For AI og for autonome eller automatiserede processer generelt er tvetydighed den afgørende akilleshæl. Når det er vanskeligt præcist at afgøre, hvilken beslutning der skal træffes, har maskinerne ikke selv det ansvar eller den dømmekraft, der kræves for at handle eller sikre, at de handler i overensstemmelse med deres menneskelige ejeres intentioner. Det bør de heller ikke have.

Men som de tre forhold ovenfor viser, gælder denne akilleshæl i mindre grad for agentisk AI-kodning. Kodning rummer ganske enkelt så lidt tvetydighed og er så tæt knyttet til sprog, at store sprogmodeller kan præstere på et højt niveau og være særdeles produktive på området.

Det har flere konsekvenser for moderne virksomheder.

Billigere kode

Først og fremmest betyder det, at kode bliver billigere. Prisen på velkendte løsninger som basale integrationer eller mindre ændringer i eksisterende brugerflader kan forventes at falde betydeligt.

På længere sigt vil efterspørgslen blive mere kompleks, fordi vores ambitioner vokser, når det bliver billigere og hurtigere at få nye løsninger. Men på kort sigt, mens vi optimerer vores nuværende løsninger og arbejder os gennem årgamle backlogs fra før eksplosionen i agentisk AI-kodning, vil billigere kode præge dagsordenen. Ganske enkelt fordi de fleste af vores gamle problemer er enkle for AI at håndtere.

Billigere kode kan lukke hullerne mellem systemerne

Hvis vi zoomer lidt længere ud, betyder billigere kode også, at vi endelig kan lukke de huller mellem vores best-of-breed-systemer, der så ofte har ført til hovedbrud, e-mails, PowerPoint-præsentationer, møder, regneark og så videre.

Da vi implementerede standardløsninger fra markedet for at reducere vores investeringer og sænke omkostningerne til IT-vedligeholdelse, forudså vi ikke fuldt ud, hvor meget af vores værdikæde der ville gå tabt eller blive skjult i mellemrummene mellem systemerne. Det har vist sig, at en standardløsning, som alle kan købe, naturligvis ikke er et komplet svar på det, der skaber en specifik konkurrencefordel, som for eksempel din.

Den indsigt er hverken ny eller banebrydende. Alligevel kommer den af en eller anden grund fortsat bag på mange virksomheder i arbejdet med deres enterprise-arkitektur.

Når agentisk AI-kodning gør løsninger billigere, kan hullerne mellem standardsystemerne lettere lukkes, uden at virksomhederne i samme grad behøver at give afkald på fordelene ved SaaS-løsninger. Måske kan din virksomhed endda bygge lette applikationer, der erstatter mindre SaaS-løsninger.

Har din virksomhed tusindvis af regneark i lønreguleringsprocessen udenom HR og lønsystemet? Så byg en app, og spar mange timer. Så enkelt er det.

Tab af viden kan reduceres

Her begynder indirekte AI samtidig at møde den direkte anvendelse af AI. Ved at indbygge sprogmodeller i sine applikationer kan virksomheden analysere historiske data på nye måder.

Hvad rapporterede vi i februar, og hvordan bør det påvirke det, vi rapporterer ved årets udgang? En AI-understøttet rapporteringsapplikation kan hjælpe med at holde styr på sammenhængen.

I denne sammenhæng adresserer AI en af de centrale udfordringer for enhver virksomhed, hvad enten der er tale om en global koncern, en mellemstor virksomhed eller en scaleup: Hvordan reducerer vi tabet af viden, når medarbejdere stopper, når projekterne bliver for mange til, at nogen kan bevare det fulde overblik, eller når juridiske risici vokser på tværs af lande og over tid?

En AI-understøttet løsning kan fx opdage, at en hændelse i august hænger sammen med noget, der allerede skete i januar. Sprogmodeller kan på den måde holde øje med, hvad vi tidligere har skrevet, og bringe historisk viden i spil, når den igen bliver relevant.

AI-understøttede apps kan hjælpe dig med at holde styr på, hvad der er sket, og gøre det muligt at reagere hurtigere og på det rette tidspunkt. De kan samtidig understøtte en mere præcis rapportering til kunder, ledelse, bestyrelser og investorer.

Det er også et konkret eksempel på, at vigtig viden ofte ligger uden for kernesystemerne, i Excel-ark, PowerPoint-præsentationer og manuelle arbejdsprocesser.

Da vi forlod de store monolitiske systemers verden og begyndte at købe standardsystemer, opnåede vi agilitet, men mistede også noget andet.

Alt for meget negativt fokus og hån har været rettet mod faldgruberne ved gamle monolitter, såsom AS/400-systemer og store customiserede løsninger, mens meget få har spurgt, hvad de faktisk var gode til.

Måske skyldes det, at standardsystemerne gav rådgivere en god mulighed for at udfordre, gentænke og forandre de gamle arbejdsgange, mens den store, tunge og dyre IT-afdeling fungerede som et solidt argument for forandringen. Måske skyldes det også, at systemerne gav nye ledere en anledning til at markere deres autoritet og indføre nye metoder på deres ansvarsområder frem for blot at være forvaltere af gårsdagens løsninger.

Uanset årsagen var det ikke irrelevante detaljer, der gik tabt i begejstringen for de nye trends, og de fortjener at blive genbesøgt. De gamle monolitter var bygget stramt op omkring virksomhedernes centrale værdikæder, som en slags fordums digitale tvillinger af de virksomheder, de betjente.

Det, der gik tabt, var den digitale sammenhængskraft. Den blev siden lappet sammen med enorme mængder regneark i et Picasso-lignende enterprise-landskab af overlappende systemer, der aldrig helt passede sammen. Hvilken kundetabel er den rigtige? Den i CRM-systemet? ERP-systemet? E-handelsplatformen eller produktionssystemet?

For de modige virksomheder giver indirekte AI og agentisk AI-kodning mulighed for at genbesøge dette og skabe større klarhed.

Måske bør du ikke udskifte alle systemer endnu. Men hvis din vigtigste differentiering er knyttet til dit CRM-system, bør du måske undersøge, om det nuværende system er skræddersyet til din virksomheds behov. Hvis din vigtigste differentiering i stedet er knyttet til, hvor hurtigt du fx producerer sofapuder, skal du måske se nærmere på produktionssystemet.

Måske kunne produktionssystemet endda bygges op omkring og sammen med e-handelsplatformen, så hele værdikæden understøttes fra ende til anden?

For de fleste virksomheder er det ikke AI, der accelererer. Det er behovet for at spørge hvorfor, der melder sig stadig oftere og mere presserende.

Indirekte AI’s evne til at tilvejebringe alle slags løsninger understreger og forstærker dette behov.

Hvis billigere kode, bedre AI og lukning af huller mellem systemer betragtes som taktiske fokusområder for de næste tre år, rejser det spørgsmålet: Hvad bør vores strategi og strategiske vision så være?

Det interessante ved AI er i virkeligheden ikke, hvor hurtigt du kan skabe noget nu, selv om det har været denne artikels fokus. Det interessante er, hvor meget denne hastighed vil øge fremtidens forventninger til, hvad vi kan skabe og efterspørge.

Hvad får vi brug for at gøre mere af? Hvor meget mere vil vores kunder forvente? Og hvor meget vil det øge kompleksiteten i vores drift og værdikæder?

Hvordan forbereder vi os på det?

Det spørgsmål bør være kernen i din AI-strategi. For i virkeligheden er det en strategi for en verden, hvor evnen til at skabe og ændre løsninger bliver langt billigere og hurtigere.