Automatisering er ikke først blevet et tema med ChatGPT. Virksomheder har automatiseret processer i årtier, med makroer, scripts, workflows, Robotic Process Automation. Det virker, det er gennemprøvet, og det har en afgørende fordel: Det er deterministisk. Når jeg i dag regner 3 plus 3, kommer der 6 ud. Også i morgen. Også i overmorgen.

Gennembruddet for Large Language Models og fremskridtene inden for Natural Language Processing har ændret forventningerne til automatisering massivt. Pludselig synes alt muligt. Men netop her lurer fælden: Ikke alt, der er muligt, giver også mening.

Tre niveauer af automatisering

I sin rådgivningspraksis skelner Vellmerk.ai mellem tre niveauer, formet af erfaring fra flere kundeprojekter. Hvert har sin plads, og sine grænser.

Niveau 1: Klassisk automatisering, uden AI

Regelbaserede workflows, API-integrationer, databaseoperationer, filoverførsler, formularer, der behandles automatisk. Alt, der kan formuleres i klare hvis-så-regler.

Den store fordel: Disse processer er det mest robuste, vi kan bygge. Vi bevæger os fuldstændigt i det deterministiske rum. Resultatet er forudsigeligt, reproducerbart, testbart. Ingen overraskelser.

Typiske værktøjer: n8n, Make, Zapier, Python-scripts, REST APIs, klassiske RPA-værktøjer.

Niveau 2: AI-assistance, AI som værktøj i processen

Her tilføjer vi målrettet AI til en ellers klassisk proces. Hvorfor? Fordi bestemte opgaver ikke kan løses regelbaseret:

Naturligt sprog skal forstås, klassificeres eller genereres. Billeder, håndskrift eller scannede dokumenter skal genkendes. Ustrukturerede data skal omdannes til strukturerede formater. Særtilfælde skal genkendes, som ikke kan formuleres i enkle regler.

På dette niveau forbliver den samlede proces modelleret på forhånd: forløbet ligger fast. Kun bestemte steder kommer AI i spil som værktøj for at løse opgaver, der ikke ville være mulige uden den.

Niveau 3: AI-agenter, AI som beslutningstager

Her vender vi princippet om. Vi modellerer ikke længere hele forløbet på forhånd, men stiller værktøjer til rådighed for en AI-agent, og agenten beslutter selv, hvilke den bruger, i hvilken rækkefølge, og hvor ofte.

Den store fordel: Enorm fleksibilitet. Agenten kan reagere på uforudsete situationer, finde kreative løsningsveje og håndtere komplekse opgaver, som vi ikke kunne bygge et stift workflow til.

Ulempen: Vi giver kontrol fra os. Og det kræver guardrails, klare grænser, inden for hvilke agenten må agere. For en agents autonomi betyder også: Den kan træffe forkerte beslutninger. Og de risici, der opstår undervejs, skal vi aktivt begrænse.

Naturligvis findes der i litteraturen yderligere automatiseringsniveauer og modenhedsgrader. Men når man har forstået disse tre niveauer, og at hvert har sit helt specifikke anvendelsestilfælde og nytte, så er meget allerede vundet.

Fra praksis: Vellmerk.ai havde en kunde, der drev talrige automatiseringsprocesser, effektivt, stabilt, pålideligt. Alt kørte. Så kom ønsket om at indbygge AI i disse eksisterende processer. Ikke fordi der var et konkret problem. Ikke fordi der manglede noget. Men fordi AI netop lige var det store tema.

Det er et mønster, vi ofte ser. Og det er præcis den forkerte tilgang.

„Vi implementerer ikke AI for AI'ens skyld. Vi implementerer AI dér, hvor vi har brug for den, til at løse problemer, der ikke kan løses uden.“, Thorsten Vellmerk

Hvorfor mindre AI ofte er mere

Kunstig intelligens, sådan som vi kender den i dag, bygger på sandsynligheder. Det er fundamentalt anderledes end en lommeregner. Ved lommeregneren er 3 plus 3 i dag 6, i morgen 6, altid 6.

Ved sandsynlighedsbaserede systemer kan der i morgen komme 5,9 ud. Eller 6,1. Disse afvigelser er systemiboende, og i mange tilfælde endda ønskede, for de muliggør i første omgang den kreativitet og fleksibilitet, der gør AI så kraftfuld.

Naturligvis arbejder vi i udviklingsprocessen på at minimere disse afvigelser, gennem bedre prompts, snævrere kontekster, valideringstrin. Men grundprincippet består:

„Hvis jeg kan løse noget deterministisk, så bruger jeg ikke AI. For hver AI-komponent gør processen en smule mere usikker, og som regel også dyrere.“, Thorsten Vellmerk

Det er ikke et anti-AI-udsagn. Tværtimod: Det er forudsætningen for, at AI bliver brugt dér, hvor den virkelig glimrer. Hvis vi bruger AI overalt, også dér, hvor et enkelt if-then rækker, så udvander vi dens merværdi og øger samtidig omkostninger, kompleksitet og fejlrisiko.

Vælg det rigtige niveau

I sin rådgivning begynder Vellmerk.ai derfor altid med spørgsmålet: På hvilket niveau bør denne proces automatiseres? Svaret er ofte overraskende: Mange processer, som kunder tror, de har brug for AI til, kan løses med klassisk automatisering, hurtigere, billigere, mere pålideligt.

Og dér, hvor AI virkelig er nødvendig, sætter vi den målrettet ind, som assistance i en kontrolleret proces eller som agent med klart definerede guardrails.

Konklusion

De tre niveauer af automatisering er ingen fremskridtsmodel, hvor man vil nå det højeste niveau så hurtigt som muligt. De er en værktøjskasse. Og som med enhver god værktøjskasse gælder: Tag det værktøj, der passer til problemet, ikke det, der ser mest imponerende ud.

Er I ikke sikre på, hvilket niveau der er det rigtige for jeres proces? Tag kontakt til os, Vellmerk.ai hjælper jer med at finde den rigtige balance mellem automatisering og AI.

Om Vellmerk.ai

Vellmerk.ai er et AI-rådgivningsfirma (dansk ApS) grundlagt af Thorsten Vellmerk. Med over 20 års proces- og IT-erfaring og flere års praktisk AI-rådgivning hjælper Vellmerk.ai SMV'er og offentlig forvaltning med at bruge AI praksisnært og suverænt, fra strategi til lokal, on-premise-klar implementering. Afprøvet i flere kundeprojekter. Book en indledende samtale.