Hvor skal jeres virksomhed bruge AI først?

Jeg hjælper ledelser med at finde de use cases, der skaber målbar værdi, regne dem hjem og få dem i drift. Fordi jeg selv bygger løsningerne, ender strategien ikke i en rapport.

Prioriteringsmatrix: forretningsværdi mod gennemførlighed Eksempler på use cases placeret efter værdi og gennemførlighed. Tre leverede løsninger – compliance-agent, forskningsassistent og billedklassifikation – ligger i feltet med høj værdi og høj gennemførlighed. Store satsninger Start her Vent Små gevinster lav høj Gennemførlighed: data, teknik og risiko høj lav Forretningsværdi Kontraktgennemgang Kundeservice-chatbot Fakturamatching Mødereferater Salgsprognoser Prisoptimering Læs casen: compliance-agent Compliance-agent Læs casen: AlgaeBrain Forskningsassistent Læs casen: billedklassifikation Billedklassifikation
Sådan ser en prioriteret portefølje ud efter en AI-afklaring. De gule punkter er løsninger, jeg har taget i drift. Klik på dem for at læse casen.

Fra første workshop til løsning i drift

Et forløb i tre dele. I kan stoppe efter hver del og står altid med noget, I kan bruge.

AI-afklaring

2–4 uger, fast pris

I får en prioriteret liste over use cases og en business case for de bedste.

  1. Afdækning

    Workshops og interviews med ledelse, brugere og fageksperter. Processer brydes ned i opgaver, så det bliver tydeligt, hvor AI kan spare tid eller fejl.

  2. Prioritering

    Hver use case vurderes på værdi, datamodenhed, teknisk gennemførlighed, risiko og sandsynlighed for, at medarbejderne tager den i brug.

  3. Business case

    Tid, volumen og automatiseringsgrad regnes om til kroner og holdes op mod udvikling og drift. Inklusive krav fra AI Act og GDPR.

Pilot

6–8 uger

En første version, testet med rigtige brugere og med målt effekt.

  1. Byg og mål

    Jeg bygger den første version og måler effekten, fx med A/B-test eller før-og-efter.

Drift

Efter behov

Løsningen i produktion, overdraget til jeres egne folk.

  1. Sæt i drift og overdrag

    Løsningen bygges færdig, med menneskelig kontrol hvor det er nødvendigt, og jeres team bliver klædt på til at eje den.

Tre løsninger, der bruges i dag

Hver af dem startede med et forretningsspørgsmål, ikke med en teknologi.

Data scientist med en journalists spørgsmål

Før jeg blev data scientist, var jeg erhvervsjournalist i fem år. Det har givet mig en vane, jeg tager med ind i hvert AI-projekt: at spørge hvorfor, før jeg spørger hvordan.

Siden 2019 har jeg bygget AI-løsninger, der bruges hver dag. Fra 200.000 automatisk skrevne artikler om året hos Jysk Fynske Medier til agenter og machine learning hos Autorola Group. Jeg arbejder med hele kæden: data, model, API, brugerflade og drift.

Det gør mine anbefalinger realistiske. Jeg ved, hvad det kræver at få en løsning i drift, fordi jeg har gjort det mange gange.

Uddannelse
Cand. i Data Science, Syddansk Universitet
Erfaring
7 år med AI-løsninger i produktion
Sprog
Dansk og engelsk
Base
Odense

Lad os finde ud af, hvor AI kan betale sig hos jer

Skriv til mig