En direktion siger: "vi integrerer opkøbet inden for et år, og vi gør det klogere end sidste gang." Den sidste sætning gemmer på en antagelse. Klogere betyder i dag ofte: med mindre manuelt arbejde i de overlappende funktioner, og med AI der overtager en del af integrationsarbejdet i stedet for at mennesker gør det ved siden af i to år. Den antagelse bliver sjældent udtalt, og derfor bliver den heller aldrig afprøvet.
Forskellen mellem denne ambition med AI-arbejde og den samme ambition uden AI er ikke kosmetisk. Uden AI kræver integration primært projektkapacitet: mennesker der midlertidigt frigøres til at koble systemer sammen, sammenligne processer og samle rapporteringer. Med AI flytter en del af det arbejde til et andet spørgsmål: hvilke sammenligninger, koblinger og overdragelser kan et system selv udføre, hvilke kræver et menneske der godkender eller afviser med begrundelse, og hvilke forbliver menneskearbejde fordi konteksten er for specifik til at automatisere. Det skel afgør hvilke capabilities der er nødvendige, og de er anderledes end de capabilities en klassisk integrationsplan forudsætter.
Ved det ene opkøb bliver matchning af kunde- og leverandørdata mellem to systemer allerede i vid udstrækning udført af AI, med en medarbejder der vurderer undtagelserne. Ved det andet opkøb foregår nøjagtig samme matchning stadig fuldstændig manuelt, i regneark, af mennesker der bruger uger på at sammenligne felter. Forskellen ligger ikke i branchen eller virksomhedens størrelse. Den ligger i, om organisationen allerede har dokumenteret sine egne data og processer på en måde, så et AI-system kan bruge dem, og om der er udpeget nogen der må godkende resultaterne.
Den samme forskydning gør sig gældende ved kontraktanalyse, ved sammenlægning af rapporteringsstrukturer og ved den første triagering af kundekommunikation efter opkøbet. Noget af det arbejde kan et system overtage. En større del kræver tilsyn: et menneske der vurderer resultatet og med begrundelse accepterer eller sender det tilbage. Og en del forbliver menneskearbejde, fordi det drejer sig om forhandling, kultur eller politisk følsomhed i den nye organisation. En integrationsplan der ikke skelner mellem disse tre kategorier, planlægger kapacitet på en måde der efterfølgende viser sig ikke at holde stik.
Den første capability er et aktuelt billede af hvilke opgaver i integrationen der lader sig overtage, hvilke der kræver tilsyn, og hvilke der ikke gør. Det billede mangler hos de fleste direktioner ikke af modvilje, men fordi ingen nogensinde har udarbejdet det systematisk for netop dette integrationsforløb. Det underliggende spørgsmål om hvilket arbejde i denne virksomhed der reelt kan overtages af AI, besvares med arbejdsscanningen fra FTE TO AI pr. opgave, og det giver et udgangspunkt der er mere konkret end en antagelse.
Den anden capability er en beslutningsret: hvem må godkende en AI-genereret sammenligning, kobling eller rapportering uden at falde tilbage på den gamle, fuldstændig manuelle rute. Uden en udpeget rolle med det mandat forbliver tilsynet et dobbelttjek ved siden af systemet i stedet for en erstatning af en del af det, og den tilsigtede kapacitetsgevinst forsvinder.
Den tredje capability er datahygiejne på det niveau der gør automatisk matchning og sammenligning pålidelig. Opkøb bringer næsten altid to datasæt sammen, som ikke har samme struktur, definitioner eller kvalitet. Et AI-system der skal arbejde med de data, er kun så godt som dataene tillader, og det er en capability der skal være på plads måneder før det første integrationstrin, ikke undervejs.
Den fjerde capability berører de mennesker hvis funktion overlapper som følge af opkøbet. Hvis en del af deres arbejde overtages af AI, opstår der et spørgsmål om omplacering, opgavesammensætning eller ansættelsesvilkår. Dertil gælder egne lovkrav, og de udfyldes ikke her.
En integrationsambition står aldrig alene. Den berører ofte at gøre organisationen fladere, fordi opkøb ofte falder sammen med sammenlægning af ledelseslag. Den berører at arbejde mere kundeorienteret, fordi kunder hos den opkøbte part under integrationen som de første mærker, om løftet holder. Og den berører at blive mindre afhængig af nøglepersoner, fordi et opkøb ofte netop belaster de mennesker der har mest udokumenteret viden i hovedet. Den der afprøver disse ambitioner hver for sig, overser den friktion der opstår, når de trækker på den samme kapacitet.
Om et år er denne ambition lykkedes, hvis de overlappende processer ikke længere kører parallelt to gange, hvis den rolle der godkender AI-resultater, rent faktisk findes og bliver brugt, og hvis antallet af manuelle korrektioner på sammenlagte data er faldet strukturelt i stedet for blot midlertidigt lettet. Den er ikke lykkedes, hvis integrationen er afsluttet på papiret, men de frigjorte timer ingen steder kan genfindes, fordi ingen på forhånd havde fastlagt, hvor de timer skulle komme fra.
For at gøre denne ambition målbar, før forløbet starter, hjælper det at vide hvordan De gør en vision målbar og, hvis integrationen er for stor til at gennemføre på et år, hvordan De faseinddeler en ambition der er for stor til et år.
Den gratis parathedscheck fra FTE TO AI består af otte korte spørgsmål, ét pr. dimension, og giver et billede af hvor organisationen er nået længst, og hvor den endnu ikke er det. Den fulde ambitionstest, med de fire lag fra vision til roller og beslutningsret, er under udarbejdelse.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.