Teamet kan bygge med AI. Kan resten af organisationen følge med? Rasmus introducerer Empirics organisatoriske AI Enablement Modenhedsmodel og ser på barriererne mellem tekniske muligheder og praktisk anvendelse. Et afsnit om strategi, prioritering, teams, release, adoption og den modenhed, der skal binde det sammen.
Læs mere i denne artikel: https://empiric.dk/fra-ai-investering-til-forretningsvaerdi/
Download whitepaper: https://2ff5nt.share-eu1.hsforms.com/2vGCTcGfJS3OaUpv_HbxNfw
Modellen og jeres næste skridt
Empirics model ser på strategi, roadmap og governance, teamdesign og selvledelse, release-cyklus og adoption samt AI-platform, data og tooling. Brug den som afsæt for at drøfte, hvor jeres organisation har de største barrierer.
Læs den faglige introduktion, se rådgivningsforløbet, eller tag Quick Check.
Transskription
Maskintransskription med let sproglig rettelse og tidskoder. Der kan stadig forekomme fejl, især i navne og fagudtryk. Lyt til optagelsen, hvis du vil citere en formulering præcist.
Læs hele samtalen (26 minutters lyd)
00:00 Hej og velkommen til podcasten No Bullshit fra Maskinrummet. Mit navn er Rasmus Kaae. Og endnu en gang sidder jeg alene sammen med min mikrofon, min computer og en kop kaffe. Søren og Thomas og de andre kompagnoner fra Empiric har travlt på opgave. Jeg har sådan set også travlt, men jeg bor i Hadsten og har derfor lidt nemmere ved at komme ind på kontoret og så lige tage tid ud til at tale ind i væggen, så I andre kan lytte til det. Jeg håber, I bærer over med, at det kun er mig.
00:31 Søren og jeg plejede jo, dengang vi kørte podcasten. Nu har jeg lige lavet en række episoder af podcasten her i forhold til Kloge Åge. Og der fandt jeg ud af bagefter, at jeg faktisk har glemt det her check-in, som vi plejede at lave på hverdagen. Så det tænker jeg, at det kunne da måske være en måde ligesom at starte dagen op i dag. Så et check-in på hverdagen: Jeg har haft min lastbil på værkstedet.
01:01 Den skulle ind til sådan et periodisk syn, som den skal. Jeg er jo hestemand, så jeg har en lastbil til mine heste, som de kan blive kørt lidt rundt i. Og så en gang imellem skal sådan en jo synes. Og det var så nu. Det er egentlig ikke så meget det, der er spændende, men det, jeg synes, der var sjovt ved den, er faktisk, at lige præcis den dag, hvor jeg valgte, at nu skulle den køres ud til mekanikeren i [uklart stednavn], det var den dag, hvor jeg drejede nøglen,
01:30 så starter den op med at skrive: Engine Failure. Press OK. Og der må jeg indrømme: Jeg ved ikke, om nogen af jer er lastbilkyndige, men det er jeg ikke. Så man går en lille smule i panik, når man sætter sig ind i en lastbil og ved, man skal køre 25 km i noget, som siger Engine Failure. Så jeg drejer nøglen, sætter mig ind, sætter kursen mod værkstedet og tænker: Nå, så må jeg jo komme så langt, jeg overhovedet kan. Det viser sig så, at den her Engine Failure
02:00 i hvert fald ingen påvirkning havde på min tur. Og da den havde været inde ved mekanikeren, så siger han: Det er faktisk sjovt, den der Engine Failure, som du snakker om, Rasmus. For lige at være sikker på, at det er en rigtig fejl, så plejer vi lige at nulstille computeren i de her biler og så tænde den op igen. Og der er faktisk ikke kommet en fejl igen, så vi ved faktisk ikke, hvorfor din lastbil har meldt Engine Failure.
02:26 Jeg kørte dertil med Engine Failure. Jeg kørte derfra uden Engine Failure. Ingen ved, hvorfor den var der. Ingen ved, hvad den gjorde. De fleste af jer er faktisk også ligeglade nu. Jeg er typen, der bare godt kan lide at sætte mig ind i mit køretøj og så bare køre afsted. Det næste, jeg blev overrasket over, var faktisk prisen. Jeg havde tænkt: Sådan et stort dyr. Det er ikke så tit, min lastbil er på værksted, men jeg havde tænkt, at når man sender sådan noget afsted, så bliver det bare enormt dyrt. Det gjorde det ikke.
02:55 Det var lige omkring det samme, som jeg plejer at give for min Tesla, når den er inde og skal have fikset diverse. Så kudos til værkstedsmekanikeren for både syn og fix, hvad der skulle til for at kunne syne sådan et skrummel, for en pris, hvor jeg tænkte: Nå, det kunne da have været meget værre. Det var et lille check-in fra hverdagen fra Rasmus. Hvis der er andre, der har lyst til at høre flere historier eller dele deres erfaringer med lastbiler, så bare ræk ud, så kan vi snakke om det. Hvis I har lyst til at snakke om minilæssere, så kan jeg også være med på det. Hvis I har lyst til at snakke om heste, ponyer og springridning, så kan I også bare række ud og snakke om det. Men lad os prøve at vende tilbage i sporet, inden jeg begynder at stikke
03:44 alt for meget ud ad en tangent. Så hvad er det, jeg godt kunne tænke mig at snakke om i dag? Jeg tror, jeg ville være [uklart] at sige, at jeg var unik på det her punkt. Alle andre snakker om AI, og det har de gjort de sidste halvandet til to år faktisk. Så jeg tænkte, måske er det også min tur til at snakke lidt om AI. Og det, jeg egentlig vil snakke om, håber jeg er en anden vinkel på AI end den, som alle andre er kommet med.
04:11 Det, som jeg synes, jeg oplever, både når jeg går på konferencer og tager en podcast ned af podcastreolen og lytter, det er, at der er rigtig mange, der fokuserer på det tekniske aspekt i AI. Og det synes jeg er super interessant. Nu er jeg jo tidligere udvikler af baggrund, så der er en stor del af de der begreber, de snakker om. Dem forstår jeg faktisk godt. Og jeg kan også godt se vigtigheden i det. Og samtidig så kommer den her…
04:39 Organisationsvisker op i mig. Så jeg begynder lidt at tænke, ja, men det er jo også fint nok, hvis I kan det nede i et enkelt team. Men hvad gør det egentlig ved organisationen, når I begynder at rode med det her? Og er organisationerne rent faktisk gearet til at håndtere det her? Og der må jeg nok indrømme, det er de fleste faktisk ikke. Så det er lidt det, jeg har tænkt mig at rante om i dag. Og det hele er egentlig at prøve at
05:10 Tænk over her de sidste par uger over, hvordan jeg prøver at rammesætte det, og hvordan min hjerne fungerer på. Jeg har også prøvet at lave et stykke materiale, som bliver udgivet i regi af Empiric på et eller andet tidspunkt. Men det, som jeg synes, jeg kan se hos de virksomheder, der er dygtige til det her, det er, at de har en høj organisatorisk modenhed i forhold til det at adoptere.
05:38 Indarbejde. Hvad ordene nu skal være. Nye ting. Nye måder at arbejde på. Og jeg kan se, at de virksomheder, som måske ligger i den anden ende af skalaen, som har lidt svært ved det, og som måske også i fremtiden vil få svært ved det, det er jo så dem, der ligger og har en lav organisatorisk modenhed i forhold til det med at tage de her nye tiltag til sig. Og når jeg prøver at gøre det så generisk, så er det faktisk, uanset hvad det er, man ønsker at indføre, at så kan de have svært ved det. Dem, der har svært ved AI.
06:07 Og de andre, dem der har nemt ved at tage AI til sig, de har faktisk også nemt ved at tage andre ting til sig. Så det er sådan lidt meget generisk, random, konsulentsnak, vi er lidt ude i her. Men det jeg gerne vil over i, det er der at sige, at man for at kunne arbejde med AI som en virksomhed, så er man nødt til at have en vis modenhed, for at man får de resultater, man gerne vil. Og det kan være sådan lidt fluffigt at snakke om, men hvis vi forestiller os sådan helt lavpraktisk, at hvis vi har
06:38 De her teams eller de her medarbejdere, som sidder og arbejder med agentisk softwareudvikling, det vil sige, de sidder måske og ved hjælp af forskellige AI-værktøjer og får AI til at generere en PRD. Og via den her PRD, så får de så genereret et stykke software. Og det her software får de så testet og releaset og alt muligt andet via nogle andre agenter. Og så kan de rent faktisk gå fra tanke til handling i løbet af måske en dag, i løbet af en time, i løbet af ret kort tid.
07:07 Og det synes jeg jo er mega fedt, og det er spændende at følge med i. Og jeg har jo også både nogle kunder og nogle tidligere kunder, som arbejder på den her måde, fordi de er så moden omkring det her. Det jeg kan se, det er jo også bare, hvis vi så prøver at sætte det ind i en anden kontekst. Hvis vi tager en virksomhed, som måske arbejder med lidt længere horisonter i forhold til, hvad er det, vi gerne vil bygge som virksomhed? Hvad er den strategiske retning? Hvad er roadmappet? Hvad er vores leveranceplaner? Milepæler og alt muligt andet.
07:35 Så er det faktisk enormt forstyrrende, at teamsene kan sidde og lave de her ting så hurtigt. Fordi governance-modellen og alt det andet her, som jeg lige talte om, det faktisk ikke er gearet til, at vi kan ændre ting så hurtigt. Så det er det, jeg synes, der er lidt spændende. Det er det, jeg prøver at grave lidt ned i her det sidste stykke tid, for at se, jamen hvad er det så egentlig, der er kendetegnet, når vi skal kigge på tværs af alt det her. Og det er jo helt åbenlyst, at mange virksomheder er nødt til at gentænke det at være en virksomhed.
08:05 Hvis det er, at man vil opnå den der fulde effekt af det her med at arbejde med AI. Det kan også være, at det ikke skal være ambitionen for den her virksomhed, men jeg tror, det er vigtigt, at man som virksomhed får sat sig ned og så talt om, hvad er det, vi egentlig gerne vil have som ambition for den her virksomhed inden for AI. Skal vi være den her virksomhed, som jeg lige omtalte før, som kan gå fra tanke til handling i løbet af 24 timer? Det kan godt være, vi ikke skal være det på grund af nogle andre elementer, men det kan være, vi skal et andet sted hen. Det kan være, vi skal ramme en midtvej mellem halvanden år, to års lange roadmaps, og så det her med at kunne release noget på et enkelt døgn. Det kan være, der er et optimum for os, som ligger et sted derimellem. Jeg tror, det er vigtigt, at man prøver at sætte sig ned som virksomhed og finde ud af, hvad er det, vi gerne vil.
08:55 Og sjovt nok, så har jeg i mine refleksioner jo så prøvet at sige, at man på en skala fra 1 til 5, hvor AI-enabled har vi lyst til at være som organisation. Det betyder jo så ikke de enkelte teams, hvis man siger, at man som organisation ikke vil være den højeste AI-enabled virksomhed, altså dem her, som kan release ting og sager så hurtigt. Det betyder jo ikke, at det er den enkelte team ikke kan arbejde på den her måde. Det betyder måske bare som organisation, at vores governancestruktur og sådan noget ikke helt støtter op om det, og vi derfor godt er velvidende om, at der er nogle ting, vi gør i vores organisation, som gør, at vi ikke helt er derhende, hvor AI kommer til at give den største effekt. Men vi er måske et sted, hvor den giver noget af effekten, eller meget lidt af effekten, et eller andet sted. Men i hvert fald så bliver det sådan et oplyst grundlag, man arbejder på.
09:44 Og det, jeg synes, jeg ser, når jeg kigger på tværs af de her virksomheder, det er, at jeg kan se, at det her med at få AI-effekten til rent faktisk give værdi, for det første så kan jeg se, at det er svært, men jeg kan også se, at det først er det øjeblik, hvor vi er i stand til at omsætte en idé til noget, der kan komme i produktion, eller til, at vi kan træffe en bedre beslutning, eller til, at vi kan bygge en hurtigere løsning, eller et eller andet. Lige snart vi kan gøre det hurtigt, så er det der, det begynder at give værdi.
10:12 Hvis du spørger mig, så giver det jo ikke værdi, at vi bruger, og jeg har selv været fanget i den fælde, at vi bruger vores LLM'er til at skrive LinkedIn-artikler eller LinkedIn-opslag eller usandsynligt lange mails til hinanden eller de andre ting. Det er faktisk ikke der, hvor AI'en giver værdi. Mange vil faktisk påstå, at det er der, hvor den trækker værdi ud af systemet. Så det vil sige, at den faktisk påfører en omkostning ved rent faktisk at være der. Og det kender vi jo godt alle sammen. Der var sådan en periode, hvor mange af os, når vi skulle skrive en mail eller lave en rapportering til nogen, at så skrev vi fire stikord, og så poppede vi det ind i, lad os sige, ChatGPT, og så kom der fire sider statusrapport ud, som vi så kunne tage en mail til nogen, som så brugte den inverse funktion til at lige tage hele den der mail, og så kogte det ned til de her fire bullets, som jeg havde skrevet til start.
11:00 Så er vi ude i et eller andet sted, at det her, det er jo faktisk spild af tid og penge, at vi bruger AI på den her måde. Det er selvfølgelig ikke den vej, vi skal. Vi skal over der, hvor vi får bygget ting, som skal bygges mest effektivt og på en måde, der skaber mest værdi for vores slutbrugere. Og det er jo faktisk noget af det, når man kigger rundt i… Alt muligt mærkelige rapporter og status og whatever vi kan se, så har jeg læst både i noget fra BCG og PwC og Gartner og ServiceNow og sådan nogen. Og hvis man prøver at hive i nogle af de her tal, så kan man faktisk se, at det er PwC, der har fundet ud af det i sådan en Global CEO-survey, at 56 procent af de virksomheder, de har talt med, de har faktisk ikke fundet værdi ud af det her. Altså det vil sige, at de har ikke øget en omsætning, og de har heller ikke reduceret omkostningerne.
11:50 Med afsæt i AI-løsninger. Og det er jo sådan lidt sjovt, fordi så kan man se på den anden side, at BCG, de har i deres AI Radar, spurgt en hel masse virksomheder om nogle forskellige ting også. Og de siger så, at 94% af dem, de har spurgt, de fortsætter deres investering i AI. Så vi sidder her med to rapporter og to tal, hvor den ene den siger, at jamen, vi fortsætter faktisk med at investere massivt i AI. Og på den anden side, så siger 56%, vi har faktisk ikke fået noget ud af det endnu.
12:20 Så det er jo sådan lidt, og det er også derfor, jeg synes, at den her refleksion er, hvorfor er det, man ikke får noget ud af det, kunne være interessant at dele med jer. Og så sidste tal, jeg lige har i den her ombæring, det er, at ud af alle dem her virksomheder, som findes, der arbejder på de her forskellige måder, så findes der måske kun 10%, som har agentisk AI i produktionen. Altså det vil sige der, hvor at… Mennesket er taget helt ud af loopet, og det er de her agenter, som arbejder og agerer på vegne af mennesker. Det er faktisk kun 10%, ikke? Så det vil sige, at det er kun 10%, som rent faktisk har formået at konvertere en rigtig medarbejder ind til en agent, som de har i produktion. Det er 10%, ikke? Og det 10%, det kommer fra Gartner Agentic C-Suite Guide, som den så pænt hedder.
13:09 I kan selv dykke ned i alle de der rapporter, hvis I skulle synes, det er interessant at kigge på tal. Jeg synes, det var meget sjovt i forberedelsen mentalt til at rante om det her. Jeg har flere tal, hvis nogen skulle være interesseret i det. Det, jeg kan se, og det, jeg tror, er det rigtige i det her, det er, at hvis man gerne vil lave en AI-enabled virksomhed, for at bruge de her buzzwords, man kunne tale om, så er der ligesom fem grundsten, som jeg tror.
13:39 Man skal have styr på, for at kunne sige, okay, nu er vi der. Når vi taler om de her grundsten, så er det noget, der bygger oven på hinanden. Så det er lidt ligesom sådan, ja, i mangel af bedre ord, så er det sådan en lagdelt arkitektur. Det kan vi ikke rigtig lide, men det er nogle grundsten, vi bygger oven på hinanden og laver en lagkage ud af. Og det, jeg kan se som det allervigtige, og det er faktisk der, hvor mange de starter. Og de slutter måske også der.
14:06 Det er, at man skal sikre sig, at man har en AI-platform. Man har det rigtige data, og man har de rigtige værktøjer til rådighed for medarbejderne. Så det vil sige, at man skal etablere et eller andet teknisk fundament, og så sikre, at der er adgang til modeller, data og integration til de systemer, der nu skal kunne arbejdes med. Det er jo selvfølgelig det allervigtigste. Uden at have en AI-platform, så er der ingen AI-løsninger. Så det er det allervigtigste, og det er jo så også der, hvor de fleste virksomheder har taget fat.
14:33 De fleste virksomheder så heller ikke rigtig kommet ret meget videre, vel? Det er jo så derfor, jeg synes, den her snak er interessant. Har man den her AI-platform og har adgang til det rigtige data og de rigtige værktøjer, så er det næste, jeg ser, at man skal have styr på, det er jo en eller anden release-cyklus og en adoption-metrics i forhold til sin slutbruger.
14:59 Det dur jo selvfølgelig ikke, at hvis man har en rigtig AI-platform, og man har et ønske om at arbejde på en bestemt måde, at man så ikke kan omsætte de her AI-use cases, som man arbejder med, på en måde, så man hurtigt får feedback og kan forbedre de her ting og skabe mere værdi løbende. Så hvis vi sidder og arbejder på en AI-løsning i et halvt år, Så lidt ligesom alle mulige andre måder at arbejde på, om det var manuel kodeskrivning eller ej, så når vi faktisk har fået genereret så meget til hylde, at når vi så sætter det i produktion, så er det ikke sikkert, at det giver værdi, fordi markedet har flyttet sig. Og det gør det mega hurtigt lige for tiden. Hurtigere end tidligere faktisk. Så derfor sørg for, at hvis vi skal skabe værdi af den her AI-platform, at man så har en release-cyklus, som så også understøtter det, og dermed også måske noget governance omkring det.
15:53 Når man har en AI-platform og styr på sine release-cykluser og sine adoption metrics i forhold til det rigtige, man bygger, så skal man jo også have styr på, at de mennesker, der så er omgivet af det her, at de har en organisering, et team-design, som ligesom bygger op omkring det her. Så det vil sige, at vi skal sørge for, at vi har nogle teams, der kan være selvledende. De skal have det rigtige mandat. De skal have de rigtige kompetencer. De skal være sådan et…
16:20 Godt gammeldags cross-functional team. Det vil sige, at de skal ikke sidde og vente på nogen uden for teamet, for rent faktisk at kunne komme videre. Der skal ikke være ret mange handovers mellem teams. Der skal være få afhængighed, og der skal være fokus på at minimere ventetid. Det skal være sådan, at hvis vi har lyst til at release, fordi vores AI-platform har hjulpet os med at bygge noget hurtigt, så skal vi ikke vente på nogen andre med at gøre det. Lige snart, at vi kan se, at der kommer ventetid.
16:49 Så er vi allerede der, hvor vores virksomhed ryger et lille skala, et lille trin ned af den her AI-enablement-faktor, som jeg taler om. Har man det rigtige team-design, har man styr på sin release-cyklus og sin AI-platform, så er det så også der, hvor man siger, okay, når vi kan det, så skal vi også have styr på vores roadmap og vores governance-struktur omkring de her roadmaps. Så det vil sige, at hvis det er, at man
17:17 De første tre trin, som jeg lige nævnte, så kan man begynde at tænke ind, hvordan kan vores roadmap arbejde være anderledes? Nogle virksomheder arbejder jo ligefrem med 18-24 måneders roadmaps og planer og alt muligt mærkeligt. Og en governance struktur, hvor det måske tager tre- til seks måneder at få godkendt noget arbejde. Og alle de her mekanismer, som…
17:43 Måske på et tidspunkt har givet mening og værdi for nogen, men når det er, at vi skal arbejde på den her måde med at bruge AI til noget, hvor vi skaber værdi hurtigere, så nytter det ikke, at vi har et governanceapparat og en roadmap-struktur, som siger, at vi må kun gøre det en gang imellem. Så at sørge for at skabe retning, ansvar og rammer for at kunne skalere det her, så skal man selvfølgelig prioritere efter værdi, risiko og kapacitet rundt omkring. Men det, der er mere essentielt i det, når man begynder at arbejde med det her, det er jo, at man skal kunne prioritere hele tiden.
18:13 Så i stedet for måske at have kvartalsmæssige halvårige, eller helårlige, eller halvanden års lange prioriteringsmekanismer, eller roadmaps, så skal man måske ud i noget andet. Man skal måske ud i noget, der er meget mere kortsigtet. Det kan være, at man skal have en retning og en vision for, hvilken vej ens roadmaps skal dreje sig, og så er det egentlig op til ens teams i organisationen at finde ud af, hvad er det så, der betyder, at vi skal bygge for at nå i den retning.
18:41 Så vi skal have sat mere virksomheden fri. Men det kræver de første tre grundsten, som jeg nævnte, at komme hen til det her, hvor vi kan sætte virksomheden fri. Og så kommer det sidste, som er det allerøverste. Det er der, hvor vi kommer op på C-level i virksomheden. Det er selvfølgelig det strategiske fokus. Når vi har styr på de fire… første grundsten, som jeg talte om, så er det der, hvor vi kan begynde at tale om det strategiske fokus, og det var det, jeg lagde lidt op til, når vi snakkede om roadmaps, at vi skal have et strategisk fokus på, at vi vil drive virksomheden i en bestemt retning, således at roadmaps kan blive mere fri, således at teamsene kan have sådan en selvledelse, således at vi får noget ud af at release tit, således at vi får noget ud af den AI-platform, vi har investeret i. Så det hele, det hænger sammen i de her fem grundsten, jeg har nævnt.
19:28 Jeg synes, man skal starte der, hvor man starter. Det vil sige, man skal starte med at have styr på fundamentet. Man skal starte med at have styr på sin platform. Og så skal man sørge for at bevæge sig stille og roligt op. Så først platformen, så styr på en release-cyklus. Ha' styr på team designet. Få styr på, hvordan I arbejder med roadmaps. Og så kan man have styr på det med strategisk fokus. Det er sådan, jeg ser det i hvert fald. Det kan være, alle mulige andre ser det på andre måder. Men det, jeg synes, der er interessant for min lille rant i dag, det er faktisk…
19:57 De fire grundsten, som ikke har noget at gøre med at bygge en platform, og bygge de rigtige værktøjer, og få adgang til det rigtige data. Fordi det synes jeg, det er et fundament, som rigtig mange virksomheder faktisk er i gang med at bygge, eller er kommet rigtig langt med at bygge. Det er de andre fire grundsten, som jeg lige nævnte. Det er der, hvor det halter. Og det er faktisk dem, der på et tidspunkt kommer til at være, hvad man siger, deal breakeren for, om man får nok ud af det her med AI.
20:25 Og hvis jeg prøver at perspektivere det lidt ud over hele verden, eller branchen, eller hvad vi nu end skal kalde det, jamen så har jeg prøvet at tage sådan en mavefornemmelse på, hvordan ser jeg virksomhederne ude i Danmark, der nu arbejder med AI inden for softwareudvikling eller produktudvikling. Og der har jeg lavet en skala, der går fra 1 til 5, hvor 1 det er der, hvor man har en virksomhed, der egentlig arbejder lidt med de her isolerede eksperimenter.
20:52 Det er typisk der, hvor virksomheden har sådan en strategi, at vi skal også have AI. Og så siger man til alle teams, at I skal også lave AI. Og så sidder alle teams og laver sådan nogle isolerede eksperimenter. Det kan være, at de bruger, hvad hedder den, Rovo, tror jeg den hedder, i Jira, til at generere en masse backlog items. Eller man sidder og bruger Copilot til at generere backlog items i ADO. Det bliver sådan nogle isolerede eksperimenter. Så er den anden ende af skalaen, der har vi så agentisk AI-udvikling. Og det er jo så der, hvor alt går op i en stor, flot symbiose. Det er jo lidt det eksempel, jeg talte om før. At man måske kan gå fra tanke til produktion ved hjælp af agenter. Og ved hjælp af en hel masse workflows, der er sat op ved hjælp af agenter. I løbet af ingen tid. I løbet af måske en dag, en time, et døgn, whatever. Et eller andet, der går enormt stærkt. Jeg har set eksempler på det. Der er ikke mange, der ligger der.
21:45 Så hvis vi prøver at kigge sådan ind i den her skala, så ser jeg jo, at der ligger en forholdsvis stor gruppe af virksomheder på niveau 1. Altså det er den her med de isolerede eksperimenter. Der ligger stadigvæk en stor gruppe derude, og det er måske også dem, som har svært ved at komme ind i alt det her med AI, fordi at virksomheden på mange parametre er umoden i det at tilegne sig kompetencer inden for det at bygge ting hurtigt.
22:13 De er måske super dygtige til plandrevet udvikling. De er super dygtige til at lave milepælsplaner. De er gode til at holde dem måske endda. Og det er der jo ikke noget galt i. Det betyder også, at man bare ikke kommer helt over der i trin 5, som jeg lige sagde før med agentisk AI-udvikling. Det kommer man altså ikke bare sådan lige sådan, så man får værdi af det hurtigt. Ind imellem de to modpoler, jeg lige talte om her, det er jo så der, hvor de fleste virksomheder findes. Så der sidder de jo et eller andet sted, der er jo kæmpe…
22:43 gruppe af virksomheder, som er begyndt at arbejde integreret med AI i den måde, de udvikler ting i deres teams. Det er måske ikke ved hjælp af agenter, hvor man bare sidder og fortæller dem, hvad den skal bygge, så der kommer den her agentisk AI-udvikling, men det er måske der, hvor man har… agenter til at hjælpe med, det ved jeg ikke lige, hvad det skulle være eksempler, men kodereview, eller til at generere en lille stump af ens kode, og så reviewer man det måske selv, eller alle de der andre forskellige ting. Det kan også være nogen, der arbejder mere med, at det er den enkelte person, som får lidt assistance fra noget AI. Det her med mailskrivning, eller alt muligt andet. Derinde, der tror jeg, der ligger størstedelen af de virksomheder, som vi ser i Danmark. Og det betyder jo også, at
23:27 ret meget, at der findes kæmpe potentiale for AI, det ved alle, men potentiale ligger faktisk ud over det, som vi ser lige nu. Jeg tror egentlig, at vi vil se hen over den næste periode, det håber jeg i hvert fald, at folk begynder at arbejde lidt mere med de andre parametre, som jeg taler om. Så det vil sige, at det næste, jeg tror, der kommer til at ske, og det, jeg håber, der kommer til at ske, det er, at folk begynder at fokusere på at sige, okay, hvis vi er så…
23:55 hurtigt til at bygge noget på den her AI-platform, så bliver vi også nødt til at være hurtigt til at release det. Og når vi er hurtigt til at release det, så bliver vi jo også nødt til at sikre sig, at vi har nogle teams, som ikke bliver sløvet ned, at vi skal vente på nogle andre hele tiden. Og når vi har styr på, at vi kan release noget hurtigt, uden at blive forstyrret af afhængigheder til andre, jamen så kan vi også begynde at lave roadmaps og governance. på den her måde, som vi lige talte om før, noget, der bare er hurtigt og effektivt, og dermed også lave en strategi, som faktisk følger markedet i takt med, at man kan skifte retning hele tiden, når det giver mening. Alt det her, det er jo det, som man troede, man gjorde, dengang man indførte Scrum og Agile og sådan noget i hele verden. Det der med at sige, at hver 14. dag, så kan vi faktisk skifte retning. Det er meget få virksomheder, der har kunnet det. Faktisk omtrent cirka det samme.
24:42 mængde af virksomheder, som det jeg fortæller om her på skalaen fra 1 til 5. Og den måde kan man faktisk se, at der er mange paralleller. Altså mange af de virksomheder, hvor de har sagt, at Agile ikke har fungeret for dem. Det er faktisk også de virksomheder, som har sagt, at den her product operating model heller ikke har fungeret for dem, eller Spotify-modellen ikke har fungeret for dem, eller hvilken anden type framework, der findes. Alle dem, der har sagt, at de her framework ikke virker, det er faktisk også dem, der har enormt svært ved at tilegne sig
25:11 en effektivitet, sådan så de kan komme op og lave agentisk AI-udvikling og få værdi af det. På den måde, som det var tænkt i hvert fald. Så det blev sådan lidt en rant. Jeg håber ikke, at det blev for meget i øst og i vest, som I kan mærke måske også på mit engagement i dag. Jeg synes, det her er super interessant. Det kan være, jeg tager fejl. Det kan være, jeg har ret. Hvem ved? Har du lyst til at give dit besyv med? Jamen, så tager jeg da gerne kampen op. Skriv en mail til mig. Ring til mig. Skriv en mail til mig.
25:44 skriv på LinkedIn. Du er også velkommen til at komme med i et afsnit af podcasten på et tidspunkt, så kan vi jo battle om, hvem der har ret, eller hvem der ikke har ret, eller finde ud af, at vi begge to er enige. Men til da, på genlyt. Vi ses.