Fra fagkunnskap til produktlogikk.
Virksomhetens viktigste kunnskap ligger sjelden samlet i et dokument. Den lever i vurderinger, unntak, språk og erfaring. Et godt AI-produkt gjør denne kunnskapen anvendbar uten å late som all dømmekraft kan automatiseres.
Dokumenter gir AI innhold. Produktlogikk gir den kontekst, grenser og en rolle i arbeidet.
Fagkunnskap er mer enn et søkegrunnlag.
Mange AI-initiativer starter med spørsmålet: Hvilke dokumenter kan vi koble til modellen? Det er nyttig, men utilstrekkelig. Fagkunnskap handler også om hva som er viktig, hvilke unntak som gjelder, hvordan begreper henger sammen og når en sak skal løftes til et menneske.
NISTs rammeverk anbefaler at virksomheten kartlegger oppgaven, konteksten, berørte roller og risiko før den måler og styrer løsningen. Det er produktarbeid, ikke bare datatilkobling.
Teknologien kan hente, generere og handle. Hovedarbeidet er å gjøre virksomhetens kunnskap forståelig, styrbar og nyttig i situasjonen der produktet skal brukes.
Fra kunnskapskilde til et system som kan handle.
Produktlogikk oppstår når fagpersoner, produktdesignere og teknologer sammen oversetter erfaring til eksplisitte valg. Da kan AI støtte en oppgave på en forutsigbar måte, og løsningen kan forbedres når virkeligheten gir nye signaler.
Kilder
Dokumenter, data, systemer og mennesker som representerer det virksomheten vet.
Kontekst
Begreper, relasjoner, målgrupper og situasjoner som avgjør hva informasjonen betyr.
Beslutning
Regler, terskler og ansvar som bestemmer hva AI kan foreslå eller gjøre.
Handling
Integrasjoner og arbeidsflyter som gjør innsikten anvendbar i produktet.
Kontroll
Sporbarhet, tilgang, kvalitet og menneskelige kontrollpunkter der risikoen krever det.
Læring
Tilbakemeldinger og målinger som viser hvor produktet må justeres over tid.
Fagpersonene skal ikke levere fra seg kunnskapen.
De skal være med på å forme produktet. OECD peker på at de fleste arbeidstakere ikke trenger avansert AI-kompetanse, men at digital forståelse, dataforståelse, problemløsning og kommunikasjon blir viktigere. Dette er grunnen til at vi bygger med fagmiljøet, ikke rundt det.
Når fagpersoner kan korrigere, forklare og se konsekvensene av AI-ens handlinger, blir løsningen både tryggere og lettere å ta i bruk. Samtidig får virksomheten et produkt som ikke bare gjentar dokumentasjon, men støtter måten arbeidet faktisk utføres på.
Medieovervåking ble produktlogikk rundt Ulobas faktiske kommunikasjonsarbeid.
MedieX kombinerer nyhetskilder med virksomhetens kriterier, språkguide, ansvar og arbeidsflyt. Resultatet er ikke bare flere treff, men en felles måte å oppdage, forstå, fordele og følge opp saker.
Les MedieX-caset
Tre spørsmål før dere bygger.
- Hvilken faglig vurdering skal produktet gjøre enklere eller mer konsistent?
- Hvilken kontekst må være tilgjengelig for at svaret skal være relevant og trygt?
- Hvordan skal fagmiljøet oppdage feil og forbedre produktet etter lansering?
