Spørgsmål og svar

Nej.

I behøver ikke begynde med en strategi for hele virksomheden. Begynd med ét stykke arbejde, der er værd at gøre bedre. Hvis det virker, har I noget konkret at bygge videre på.

Start med arbejde, der gentager sig, tager meget tid eller bliver løst forskelligt alt efter, hvem der sidder med det.

Det behøver ikke være en simpel opgave. Faktisk bliver det interessant, når arbejdet kræver jeres egne regler, data og erfaring for at blive gjort rigtigt.

Vis os det arbejde, I gerne vil have hjælp til. Helst med et par rigtige eksempler, løst sådan som I gerne vil have dem løst.

Vil I hellere starte med en snak, er kalenderen åben. kontakt.md →

Det er netop derfor, vi beder om rigtige eksempler frem for lange procesbeskrivelser.

Vis os arbejdet, som det allerede bliver lavet. Så bruger vi tiden på at forstå mønsteret og kommer tilbage med de steder, hvor vi mangler et svar.

Findes arbejdet allerede i kataloget, går det hurtigst. Typisk tager opsætningen omkring 2 uger. Det meste af tiden går ikke med teknik, men med at lære jeres regler, undtagelser og gråzoner at kende.

Så siger vi det. I får en dato for, hvornår I har et endeligt svar, også hvis svaret er nej.

Nej. Vi starter med mennesker, der allerede er gode til deres arbejde, og ser på, hvad AI kan tage fra deres bord.

Pointen er ikke at presse flere opgaver ind i den samme arbejdsdag. Det er at frigive kapacitet og overskud til det arbejde, hvor mennesket gør den største forskel.

Så siger den det. Den skal ikke finde på det næstbedste svar for at komme videre. Hvor der findes en kilde, viser den, hvad den bygger svaret på.

En chatbot er typisk lavet til en samtale. Det, vi bygger, er lavet til et stykke arbejde.

Det har et afgrænset job og bliver sat op efter den måde, I faktisk løser det på.

De systemer, arbejdet allerede foregår i. Det kan fx være mail, kalender, CRM, regnskab, dokumenter eller kundeservice. Vi starter med læseadgang og giver først mere adgang, når I er klar til det.

Nej. Opsætningen er ikke låst til én AI-udbyder. I kan skifte model eller udbyder, når det giver mening.

Nej. Ikke uden at I har godkendt, at den må.

Teknikken er sjældent den svære del.

Det svære er at få frem, hvordan arbejdet faktisk bliver gjort. Hvilke regler gælder? Hvornår gælder de ikke? Hvilke systemer bruges? Og hvad ved den erfarne medarbejder, som aldrig er blevet skrevet ned?

Derfor starter vi med rigtige eksempler på arbejdet — ikke en to-linjers beskrivelse af processen.

Nej. Hvis alt allerede stod perfekt beskrevet, ville vores arbejde være noget nemmere.

Vi tager udgangspunkt i rigtige eksempler og de mennesker, der kender arbejdet. Undervejs får vi regler, undtagelser og arbejdsgange ud af hovedet på dem og gjort dem konkrete. Dokumentationen bliver derfor også bedre som en del af arbejdet.

Det er ret normalt.

Vi finder ud af, hvilke data AI'en faktisk har brug for. Noget kan ryddes op én gang. Andet bliver mere struktureret løbende, fordi AI'en kræver, at informationen ligger et sted og betyder det samme hver gang.

I behøver altså ikke have perfekte data for at begynde.

Ja, og det er ofte dér, det rigtige arbejde ligger.

»Gør altid X« er nemt. Det interessante er: »Gør X, medmindre kunden er sådan her, ordren ser sådan ud, eller det her allerede er sket.« Det er de regler og gråzoner, vi lærer AI'en sammen med jer.

Ikke bare for AI'ens skyld.

Vi starter med arbejdet, som det ser ud i dag. Hvis noget allerede fungerer godt, skal AI'en lære det. Finder vi undervejs en arbejdsgang, der kun eksisterer, fordi »sådan har vi altid gjort«, kan vi tage den snak dér.

Så ændrer opsætningen sig med den.

Nye regler, nye produkter og nye undtagelser dukker op. Derfor ser vi ikke opsætningen som noget, der bliver afleveret og glemt. Den bliver bedre af at være tæt på det rigtige arbejde.

Først og fremmest bliver folk bedre til deres eget arbejde. Når researchen er lavet og næste skridt er forberedt, går mere af tiden til det, personen faktisk er god til.

Når AI skal lære arbejdet, bliver regler, undtagelser og arbejdsgange gjort konkrete. Det gør kvaliteten mere ensartet, onboarding lettere og virksomheden mindre afhængig af viden, der kun findes hos enkelte personer.

Og når det gentagne og konteksttunge arbejde fylder mindre, bliver der mere overskud til dømmekraft, kunder, kolleger og relationer.

Det er noget af det første, vi går efter.

Næsten alle virksomheder har arbejde, som »bare er sådan, man gør det«, fordi en bestemt medarbejder har gjort det i fem år. Problemet kommer først den dag, personen er syg, skifter job eller skal lære en anden det.

Når vi bygger AI ind i arbejdet, skal den viden ud af hovedet og gøres konkret. Reglerne, rækkefølgen, undtagelserne og eksemplerne bliver en del af opsætningen.

Så AI'en får ikke bare noget at arbejde efter. Virksomheden får bedre styr på sin egen viden.

Ja. Den nye medarbejder skal ikke opdage hele processen fra bunden eller være heldig nok til at spørge den rigtige person.

Arbejdet, reglerne og eksemplerne er allerede gjort konkrete. Og AI'en kan hjælpe den nye medarbejder med at udføre arbejdet på samme måde som resten af teamet fra starten.

Ja. Et generationsskifte handler ikke kun om ejerskab. Der kan ligge årtiers viden i måden, virksomheden arbejder på.

Når arbejdsgange, regler og undtagelser bliver gjort konkrete, bliver mindre af virksomheden afhængig af, at bestemte mennesker kan huske, hvordan tingene plejer at blive gjort.

Ja. Og det bør I.

Hvor lang tid tog opgaven før? Hvor lang tid tager den nu? Hvor meget bliver produceret? Hvor ofte skal noget rettes? Hvor ender arbejdet med at gå i stå?

Når arbejdet bliver mere struktureret, bliver det også nemmere at måle. Så værdien behøver ikke ende som en mavefornemmelse om, at »AI vist sparer noget tid«.

Ja. Når arbejdet kan måles, bliver den menneskelige indsats også tydeligere.

Hvis en medarbejder med AI'en i ryggen kan håndtere flere kunder, levere mere eller løfte kvaliteten, kan man faktisk se forskellen. Det gør det lettere at tale konkret om den værdi, personen skaber, i stedet for kun at tale om timer ved skrivebordet.

Det burde det ikke være.

For virksomheden kan det betyde mere kapacitet, bedre kvalitet og flere kunder, uden at arbejdet vokser i samme tempo.

For medarbejderen betyder det mindre tid på gentagelser og mere tid på det, personen faktisk er god til. Og når arbejdet bliver målbart, bliver medarbejderens bidrag også nemmere at se.

Hvis du med samme arbejdstid kan håndtere dobbelt så meget arbejde eller levere markant bedre resultater end for et år siden, er det ikke kun virksomheden, der bør kunne se værdien af det. Det er også et ret godt sted at starte en lønsamtale.

Som regel mere om jeres eget arbejde, end I forventer.

For at lære AI'en en opgave skal vi finde ud af, hvad et godt resultat er, hvilke regler der gælder, hvor data kommer fra, og hvad der sker, når normalen bryder sammen.

Det er ofte først dér, man opdager, hvor meget af en proces der aldrig rigtig har været skrevet ned.

Jeres viden, metoder og erfaring bliver hos jer. Selve AI-modellen kører hos den udbyder, I bruger, fx Anthropic eller OpenAI.

Det, vi driver for jer, driver vi fra Danmark. Selve modellen kan køre hos en udbyder uden for Europa.

Hvordan data må bruges og sendes, aftaler vi som en del af opsætningen.

I kan se, hvad den laver. Den starter med læseadgang, og I bestemmer, hvornår og til hvad den får lov til mere.

Ja. I kan altid trække stikket. Og det, vi har sat op til jer, beholder I.

Det afhænger af arbejdet.

Et nyt stykke AI-arbejde bliver afgrænset som et Project: et aftalt resultat, en tidslinje og en fast pris. I får tallet, før vi går i gang, ikke efter.

Vil I have os med løbende bagefter, hedder det Department. Det står samlet under Priser. priser.md →

Nej. Der er ikke noget abonnement at sige op.

Et Project er afgrænset: et aftalt resultat, en tidslinje og en fast pris. Der følger ikke automatisk noget bagefter.

I et Project: at bygge det aftalte, sætte det i drift og blive på gennem en aftalt stabiliseringsperiode.

Vil I have os til at vedligeholde løsningen bagefter og hjælpe, når noget fejler, kan en Care-aftale tilvælges.

Så bygger vi det. Det er sådan, det meste begynder — eksemplerne er arbejde, vi har løst før, ikke en liste at vælge fra.

Stort som småt bliver det afgrænset som et Project, og prisen følger omfanget.

Nej. I skal kende arbejdet. Det tekniske tager vi os af.

Det vigtigste er, at I kan vise os, hvordan opgaven bliver løst rigtigt, også når der er undtagelser og gråzoner.

Nej. Det kører i den AI, I allerede bruger, som ChatGPT eller Claude, og kobles på de systemer, arbejdet allerede foregår i.

Først og fremmest bygger vi den, så den ikke bare gætter sig videre, når den er i tvivl.

Hvor der kræves godkendelse, går arbejdet gennem et menneske. Og går noget alligevel galt, er der et menneske hos os at ringe til.

Ellypsis er stiftet og drevet af Sewar Sidou i Odense. Vil I have resten af historien, står den i brevet. brev.txt →