Det är lätt att bli förälskad i en hundvalp.
Den är gullig. Alla vill leka med den. Folk som aldrig tidigare visat något större hundintresse samlas plötsligt runt den och tar bilder.
Den svårare frågan kommer senare: Vem går ut med den en mörk novembermorgon när det ösregnar?
Det är ungefär så jag tänker på mycket av det som händer med AI i organisationer just nu.
För vi har blivit vansinnigt bra på att skaffa och förälska oss i valpar.
På några timmar kan någon bygga det som ganska nyligen hade behövt vara ett helt utvecklingsprojekt. En intern app. Ett analysverktyg. Ett nytt arbetsflöde eller agent som sammanställer rapporter och letar information.
Någon visar upp resultatet på ett möte och reaktionen är ofta densamma: Tog det där bara tre timmar?
Det är ofta svårt att inte bli imponerad
Jag tillhör själv dem som gärna börjar bygga innan vi haft ett möte om hur. För mig är det här en av de mest spännande sakerna med AI-utvecklingen. Skaparkraften flyttar närmare dem som faktiskt förstår problemen.
En ekonom kan bygga sitt eget analysverktyg. En jurist kan skapa ett flöde för avtalsgranskning. En verksamhetsexpert kan gå från ett problem hon levt med i fem år till att ha en fungerande lösning på det samma eftermiddag.
Att bara testa och se vad som händer, sådant behöver vi mer av. Men sedan börjar folk använda det man byggt – och då kommer frågorna:
Varför fungerar inte den här delen längre? Kan vi ändra? Vem har tillgång till datan och vad händer när modellen uppdateras?
Och till slut:
Vem ansvarar för det här?
Det var när jag såg AI-rådgivaren Stuart Winter-Tear skriva om just skillnaden mellan att skapa och att äga mjukvara som poletten föll ner. En annan branschprofil, Ryan Kurt, byggde vidare med hundliknelsen. Jag önskar att jag hade kommit på den själv. För skillnaden mellan att leka med en hundvalp några veckor och att vara ansvarig för en hund i femton år är ganska stor.
Samma sak gäller mjukvara. Kostnaden för att skapa den håller på att raderas. Men kostnaden för att äga den gör inte det i samma takt.
Det vi bygger behöver fortfarande underhållas, säkras, dokumenteras och integreras. Någon behöver förstå hur det fungerar, vilken data det använder, vem som har tillgång till den och vad som ska hända när någon del i kedjan förändras.
Någon behöver förstå hur det fungerar
Det här är förstås inget nytt problem. Företag har dragits med gamla system och teknisk skuld ungefär lika länge som någon haft den dåliga idén att koppla ihop två datorer.
Det nya är att alla kan vara med och skapa skulden.
Tidigare fanns en ganska effektiv broms. Att bygga mjukvara var dyrt och svårt. Man behövde utvecklare, budget och prioriteringar. Det gjorde organisationer frustrerande långsamma. Men det tvingade dem också att välja. Nu håller den bromsen på att försvinna.
Jag tror att vi underskattar vad det betyder.
Tänk dig att någon på ett mindre bolag bygger ett AI-flöde för rapporteringen till finansiärerna där allt fungerar riktigt tills personen som byggde lösningen lämnar företaget eller organisationen.
Då upptäcker man att delar ligger i ett personligt konto och kan förstå varför flödet är byggt som det är. En integration har slutat fungera och några av instruktionerna skrevs för en modell som sedan dess bytts ut.
Plötsligt har det som började som ett experiment en fredagseftermiddag blivit verksamhetskritisk infrastruktur, utan att någon egentligen fattade beslutet. För impactbolag blir det här extra kännbart.
Där arbetar många med små team och uppdrag som är betydligt större än organisationen själv. Varje timme någon lägger på att hålla liv i ett internt verktyg är en timme som inte läggs på problemet bolaget faktiskt finns till för att lösa.
Samtidigt är det just de organisationerna som kan få enorm hävstång av AI.
Jag tror att vi behöver experimentera betydligt mer – men samtidigt lyfta frågan om vad som är värt att äga och ta ansvar för framåt.
"Kan vi bygga det här?" behöver ersättas med "är det här faktiskt värt att äga?"
Det tror jag blir nästa stora AI-fråga för ledningsgrupper.
Per Clingweld är AI Change Agent på AI Sweden och arbetar med hur organisationer systematiskt kan använda AI för att skapa verkligt verksamhetsvärde.