AI-automatisering for små bedrifter: hva lønner seg?

Det meste av kontorarbeidet i en liten bedrift er å flytte opplysninger fra ett sted til et annet: fra en e-post til et tilbud, fra et bilde av en kvittering til regnskapet, fra et skjema til en kalender. Det er akkurat slikt AI er god til. Her er oppgavene jeg ser oftest:

• Sortering av innboksen. Henvendelser, fakturaer, spam og spørsmål fra kunder havner i riktig mappe eller hos riktig person, med et kort sammendrag.
• Utkast til tilbud og kontrakter. Kunden beskriver jobben i en e-post, og du får et ferdig utkast basert på dine egne maler og priser. Dette kalles ofte kontraktsautomatisering.
• Oppfølging av henvendelser. Den som fylte ut kontaktskjemaet får et svar med en gang, med forslag til tidspunkt, og du får beskjed hvis ingen har fulgt opp etter to dager.
• Fakturaunderlag. Timer, materialer og kjøring samles fra meldinger og bilder til et utkast du godkjenner før fakturaen sendes.
• Faste rapporter. Ukens tall fra regnskap, nettside og bestillinger i én kort tekst hver mandag.
• Lesing av dokumenter. Tall og navn hentes ut av PDF-er, bilder og regneark i ulike formater og legges i en fast struktur.

Felles for alle er at AI lager et forslag, og du eller en ansatt ser over. Det siste punktet er ikke en begrensning. Det er det som gjør at du kan stole på løsningen.

Alt som går rett ut til en kunde, en myndighet eller banken uten kontroll. En språkmodell gjør feil av og til, og feilen bør stoppes hos et menneske før den får konsekvenser. Jeg lar derfor AI skrive utkastet til tilbudet, men ikke sende det. Den kan foreslå hvilke bilag som hører sammen, men ikke bokføre uten godkjenning.

Hold den også unna oppgaver som krever skjønn eller ansvar. Om et avvik i regnskapet er en feil eller en bevisst vurdering, om en kunde bør få rabatt, og hva som skal sies til en misfornøyd kunde, er beslutninger. AI kan finne frem opplysningene. Beslutningen tar du. Hvordan dette ser ut i et regnskapsbyrå har jeg beskrevet i AI i regnskapsbyrået.

Tommelfingerregel: automatiser det som er kjedelig å gjøre og lett å kontrollere. La være med det som er vanskelig å kontrollere.

Det første prosjektet skal være lite og synlig. Velg en oppgave som gjentas hver uke, som irriterer noen, og der det er lett å se om resultatet er riktig. Ikke start med den største oppgaven. Start med den som gir en gevinst dere merker etter en måned.

1. Skriv ned alle oppgaver som gjentas ukentlig, og anslå hvor mange timer hver tar.
2. Stryk de som krever skjønn eller går rett ut til kunder uten kontroll.
3. Velg den som tar flest timer blant dem som står igjen.
4. Mål tidsbruken i to uker før noe bygges. Uten et utgangspunkt vet dere ikke om det ble bedre.
5. Kjør den nye løsningen ved siden av den gamle måten i en periode, og sammenlign.

Når den første oppgaven går av seg selv, vet dere både hva det koster og hva det sparer. Da er det lett å avgjøre om neste oppgave er verdt det.

Regnestykket er enkelt. Ta timene oppgaven tar i uken, gang med 46 arbeidsuker og med det en time er verdt for bedriften. Tenk deg en håndverker som bruker tre timer i uken på å skrive tilbud, og som kunne tatt betalt 900 kroner for de timene. Det er omtrent 124 000 kroner i året. Sparer løsningen to av de tre timene, er den verdt rundt 80 000 kroner i året. Tallene er et regneeksempel, ikke et løfte.

Kostnaden består av to deler: bygging og drift. Byggingen er timer, og en liten løsning for én oppgave er et prosjekt på dager, ikke måneder. Driften er bruken av AI-tjenesten pluss litt vedlikehold, og for en liten bedrift er den som regel langt under det en ansatt koster per time. Jeg oppgir ikke faste priser her, fordi omfanget varierer, men du får en fast pris etter en kort prat.

Oppgaver som tar under en time i uken lønner seg sjelden å automatisere med skreddersøm. Da er det bedre å bruke funksjonene som allerede finnes i verktøyene dere har.

Begge deler kan være riktig. Regnskapssystemer, e-postverktøy og bookingsystemer får stadig flere AI-funksjoner innebygd, og for standardoppgaver er de ofte gode nok og billigst. Sjekk først hva dere allerede betaler for. Mange har funksjoner de aldri har skrudd på.

En ferdig «AI-plattform» som selges som løsning på alt, bør du være mer forsiktig med. Spør hva den konkret gjør med deres oppgaver, hva som skjer når den gjør feil, og hvor dataene behandles. Får du ikke klare svar, betaler du for en demo.

Skreddersøm lønner seg der oppgaven er spesiell for dere: grunnlag i uvanlige formater, en bransje systemene ikke dekker, eller flere systemer som må snakke sammen. En liten egenbygd løsning er ofte billigere enn folk tror, fordi den bare skal gjøre én ting.

Så snart kundenavn, e-postadresser eller ansattopplysninger sendes til en AI-tjeneste, gjelder personvernreglene. Det er ikke et hinder, men det må ordnes før løsningen tar imot ekte data.

• Databehandleravtale med AI-leverandøren og med den som bygger løsningen.
• Behandling i EU eller EØS der det er mulig.
• Ingen trening på deres data. Bruk forretnings- eller API-avtaler, ikke gratisversjoner av chattetjenester.
• Send bare det som trengs. Ofte kan navn og numre maskeres før teksten går til modellen.
• Logg. Hva kom inn, hva ble foreslått, hvem godkjente. Da kan dere forklare i ettertid hvordan et resultat ble til.

Dette er ikke juridisk rådgivning. Ta det med personvernansvarlig eller advokat hvis dere er usikre.

Velg én oppgave, mål hvor lang tid den tar i dag, og få bygget en første versjon som kjører ved siden av den gamle måten. Etter en måned har dere egne tall på hva som spares, og kan bestemme dere for neste steg. Når løsningen er i drift, bør gevinsten måles like nøye som alt annet, slik jeg beskriver under analyse og måling.

Jeg bygger slike løsninger som en del av AI-automatisering, med godkjenningssteg, logg og databehandling i EU. Ta kontakt og fortell hvilken oppgave som tar mest tid hos dere, så sier jeg om den egner seg.