Tänk dig att du flyttar samma kunduppgifter mellan två program. Namnet finns redan. Mejladressen också. Ändå skriver du in båda igen.
Sedan dyker förslaget upp. Skaffa AI.
Det är ett påhittat exempel, men frågan är rimlig. Vad behöver egentligen förstås när uppgifterna redan finns i färdiga fält?
Behöver du AI här, eller behöver programmen bara kunna prata med varandra?
Om regeln redan är tydlig
Vanlig automation kan starta när något händer och sedan utföra bestämda steg. Det kan vara att spara information eller skicka en avisering. Sådana flöden behöver inte använda generativ AI. [1]
I vårt exempel skulle regeln kunna vara enkel. När ett formulär skickas in, för över namnet till kundlistans namnfält. Samma sak med mejladressen.
Ingen tolkning behövs i just det upplägget.
Det liknar att skicka ett paket. Finns adressen redan behöver transportören inte hitta på en ny.
Börja med att skriva regeln i vanligt språk. Om den går att följa utan gissningar, undersök först ett flöde med fasta regler. [1, 4]
När texten faktiskt måste tolkas
Ett fritt skrivet mejl är en annan sorts underlag. Informationen ligger inte alltid i bestämda fält. AI kan användas för att sortera text eller plocka ut vissa uppgifter. [2]
Tänk dig ett annat påhittat exempel. En kund beskriver ett problem i flera stycken. Förfrågan innehåller önskat datum, typ av uppdrag och några sidospår.
Lite mänskligt, helt enkelt.
Ett AI-stöd skulle kunna föreslå en kategori och sammanställa uppgifterna. Det är däremot ett förslag som behöver kunna kontrolleras mot originalet. [2, 3]
Att något kräver tolkning betyder inte att AI passar automatiskt. Nyttan behöver vägas mot felrisk och möjligheten att granska resultatet. [4]
Blanda gärna men ge delarna olika jobb
AI och vanliga systemkopplingar kan ingå i samma arbetsgång. Det finns exempelvis AI-funktioner som kan användas som avgränsade steg i ett automatiserat flöde. [5]
Det påhittade mejlexemplet kan fortsätta så här. AI föreslår vad kunden efterfrågar. Du kontrollerar förslaget. Därefter för ett vanligt flöde över de godkända uppgifterna.
Varje del får en uppgift.
Det är också skillnad på att skapa ett utkast och att skicka det. Håll isär de stegen när ett fel skulle få betydelse för kunden. Mänsklig kontroll behöver vara verklig. [4]
En knapp för godkännande räcker inte som tanke. Den som granskar behöver kunna bedöma innehållet och förstå vad som händer därefter. [4]
Ett välskrivet svar kan fortfarande vara fel
Generativ AI kan ge svar som låter rimliga men innehåller fel. Digg och IMY beskriver detta i sin vägledning för offentlig förvaltning. Resultaten behöver granskas. [3]
Formuleringen bevisar ingenting.
I vårt mejlexempel skulle ett fel kunna vara ett datum som kunden aldrig angav. Ett annat vore att ett önskemål beskrivs som ett bekräftat beslut.
Jämför därför förslaget med originalet. Kontrollera särskilt de uppgifter som nästa steg bygger på. Tillgång till egna dokument tar inte bort behovet av granskning. [3]
En sammanfattning kan vara användbar även om den behöver rättas. Men rättningen hör till arbetet. Den ska finnas med när nyttan bedöms. [3, 6]
Ibland är det bättre att avstå
Om en vanlig regel löser uppgiften finns anledning att pröva den först. Digg och IMY lyfter också regelbaserade alternativ i sin vägledning. [4]
Avvakta med AI om resultatet är svårt att kontrollera. Detsamma gäller om konsekvenserna av ett fel är svåra att hantera. Bedömningen behöver göras före användningen. [4]
Det är inget nederlag.
Du behöver även veta vilka uppgifter verktyget får hantera. Undvik att mata in kundmaterial bara för att prova. Välj testunderlag med hänsyn till informationens innehåll. [7]
Ett påhittat mejl kan vara en första övning. Det visar däremot inte att lösningen fungerar på alla verkliga kundärenden. Det behöver undersökas separat. [6]
Börja med en fråga om arbetet
Skriv ner vad som tar tid i den valda uppgiften. Handlar det om att flytta färdiga uppgifter? Eller behöver någon läsa, tolka och formulera något nytt? [1, 2]
Den skillnaden ger en första riktning.
Pröva sedan lösningen på ett avgränsat underlag. Jämför arbetstid och kvalitet före och efter. Räkna även tiden för att kontrollera och rätta resultatet. [6]
Att verktyget används är inte samma sak som att det hjälper. Fråga också om arbetet blivit lättare för den som gör det. [6]
Du behöver inte välja en AI-strategi i dag. Börja med ett enda exempel på ditt dubbelarbete och skriv vad lösningen behöver göra. [1, 6]
Mindre dubbelarbete. Färre omvägar i vardagen.
Källor och vidare läsning
[1] Microsoft Learn: What is Power Automate?
[2] Microsoft Learn: AI models and business scenarios
[3] Digg och IMY: Använd generativ AI enligt de dataskyddsrättsliga principerna
[4] Digg och IMY: Bedöm riskerna med användningen och säkerställ lämplig säkerhet
[5] Microsoft Learn: AI Builder in Power Automate overview
[6] Microsoft Learn: Employee AI enablement pattern
[7] Digg: Särskilt om användning av allmänt tillgänglig och integrerad generativ AI
