Et AI-pilotprojekt skal på otte uger svare på ét spørgsmål: skal denne AI-anvendelse i drift, justeres eller stoppes? Det kræver ét afgrænset use case, en ejer i forretningen og et succeskriterium, der er skrevet ned, før noget bygges. Her er planen uge for uge, gennemgået med ét eksempel: en ugentlig afvigelsesliste på finansposterne til økonomichefen.
Resumé og konklusion
- Én use case, ikke tre. Et AI-pilotprojekt, der skal bevise, at “AI virker”, kan ikke måles. En pilot, der skal finde fejlposteringer før månedsluk, kan.
- Succeskriteriet skrives i uge 2. Bliver det skrevet efter testen, bliver det tilpasset resultatet.
- Ejeren sidder i forretningen. Den, der bruger resultatet hver uge, ejer piloten. IT og partneren hjælper med data, rettigheder og opsætning.
- Test med rigtige brugere på rigtige data. To uger i den daglige drift siger mere end en demo på rene data.
- Uge 8 slutter med en beslutning. Drift, justér eller stop. Alle tre er gyldige resultater. Et AI-pilotprojekt uden beslutning er det ikke.
Hvorfor et AI-pilotprojekt skal være smalt
De fleste AI-piloter starter bredt: “lad os se, hvad Copilot kan gøre for økonomi”. Efter et par måneder har nogle prøvet noget, ingen ved, om det gav noget, og projektet glider ud. Problemet er ikke teknologien, men at der ikke var et spørgsmål, piloten kunne svare på.
Et smalt AI-pilotprojekt har fire kendetegn. Den løser ét problem, som nogen har i dag. Den har én ejer, der bruger resultatet. Den bygger på data, der allerede findes i Business Central. Og den kan måles inden for otte uger, fordi problemet opstår ofte nok til, at der er noget at tælle.
Inden I vælger, er det en god idé at score jer på de fem dimensioner i AI readiness: 5 dimensioner at vurdere, før I køber AI. Står en dimension på 1, bliver piloten et oprydningsprojekt. Det kan være nyttigt, men så skal det hedde det.
Eksemplet: en afvigelsesliste til økonomichefen
Tag en tænkt grossist med 45 ansatte på Business Central. Fejlposteringer som en omkostning på en forkert konto, en manglende afdelingsdimension eller en dobbeltbogført købsfaktura bliver i dag fundet ved månedsluk, når økonomichefen gennemgår balancen. Så er der gået op til fire uger.
Use casen er en ugentlig liste over poster og konti, der afviger fra deres eget normale mønster. Den bygger på de tre afvigelsestyper i Anomaly detection: 3 afvigelsestyper rapporten selv finder: punktafvigelse, niveauskift og trendbrud. Økonomichefen ejer piloten, og hun og en bogholder er brugerne. Der indgår ingen persondata, og listen træffer ingen beslutninger. Det holder dette AI-pilotprojekt langt fra de områder, som AI-forordningen behandler som højrisiko, fx ansættelse.
Roller i et AI-pilotprojekt
- Ejer (økonomichefen): Skriver succeskriteriet, bruger listen hver uge og indstiller til beslutningen i uge 8.
- Sponsor (ejerlederen): Godkender piloten i uge 2 og træffer beslutningen i uge 8. Bruger en time i alt på de to møder.
- Data og opsætning (BI-ansvarlig eller partner): Henter data, bygger den første version og retter den undervejs.
- Brugere (økonomichefen og en bogholder): Markerer hver linje på listen som relevant, støj eller allerede kendt.
- IT: Sørger for licenser, rettigheder og at AI-politikken følges. IT ejer ikke piloten.
Uge for uge: et AI-pilotprojekt fra idé til drift
Grafikken herunder viser de otte uger, de tre beslutningspunkter og hvad hver fase leverer.
Uge 1–2: Vælg use case og succeskriterium
Skriv jeres AI-pilotprojekt ned på én side: problemet, ejeren, brugerne, data, succeskriteriet og stopkriteriet. Mål derefter udgangspunktet. I eksemplet tæller økonomichefen de fejlposteringer, der blev fundet ved de seneste tre månedsluk, og noterer, hvornår de blev bogført.
Succeskriteriet kunne fx være: listen fanger mindst halvdelen af de kendte fejltyper i ugen efter bogføringen, og højst hver tredje markering er støj. Tallene er et eksempel. Det vigtige er, at de er skrevet ned, før noget bygges. Beslutningspunkt 1: sponsoren godkender siden, eller piloten stopper her.
Uge 3–4: Data og definitioner
Nu skal data holde. Gennemgå de fire krav i Datafundamentet for AI: 4 krav før modellen kan bruges: datadisciplin, historik, granularitet og ejerskab. I eksemplet betyder det mindst 24 måneders finansposter, udfyldte dimensioner på de konti, der er med, og en aftale om, hvilke konti listen skal dække.
Definér derefter, hvad en afvigelse er: hvilken baseline posten sammenlignes med, hvor stor afvigelsen skal være, og hvor mange perioder et niveauskift skal vare. Beslutningspunkt 2: er data gode nok? Hvis ikke, stopper piloten eller bliver til en oprydning med sit eget mål.
Uge 5–6: Byg og test med rigtige brugere
Byg den enkleste version, der kan svare på succeskriteriet. Det kan være measures i Power BI, der sammenligner hver konto med sin egen baseline, eller den indbyggede anomaly detection i Power BI’s linjediagrammer, som ifølge Microsoft kræver tidsseriedata på aksen og mindst fire datapunkter. En AI-assistent kan skrive et første udkast til, hvad en markering kan skyldes.
Kør først listen bagud på de tre lukkede måneder: ville den have fundet de kendte fejl? Brug derefter listen i den daglige drift i to uger, og lad brugerne markere hver linje. Brugerne skal have en kort introduktion til, hvad listen kan og ikke kan. AI-forordningens krav om AI-kompetencer har ifølge Digitaliseringsstyrelsen gældet siden 2. februar 2025, også for virksomheder, der bruger AI-systemer. Følg jeres AI-politik for, hvilke værktøjer og data der må bruges.
Uge 7: Mål mod succeskriteriet
Tæl markeringerne: hvor mange var relevante, hvor mange var støj, og hvor mange af de kendte fejltyper blev fundet? Sammenlign med succeskriteriet fra uge 2, ikke med en ny version af det. Notér også den tid og de omkostninger, jeres AI-pilotprojekt faktisk har brugt, og hvad driften vil koste. Hvad koster AI i en SMV? Fire poster og et regneeksempel gennemgår posterne. Skriv ingen besparelse ned, som ikke er målt.
Uge 8: Beslut: drift, justér eller stop
Beslutningspunkt 3 er pilotens egentlige produkt. Ved drift får løsningen en fast ejer, en ugerytme, et budget og en governance-side som beskrevet i AI-governance og ROI: de første 12 måneder i 4 kvartaler. Ved justér ændres én ting, fx tærsklen eller kontoudvalget, og der testes fire uger mere mod samme kriterium. Ved stop skrives det ned, hvorfor. Det er også et resultat, og det er billigere end et halvt år mere.
Hvorfor et AI-pilotprojekt strander
Piloter strander sjældent på teknikken. De strander, fordi ingen ejer dem, fordi ingen målte udgangspunktet, eller fordi de skulle løse alt på én gang. Grafikken herunder viser de typiske grunde, og hvor i planen de bliver fanget.
Den sidste faldgrube er den mest almindelige: piloten kører videre uden beslutning. Brugerne vænner sig til listen, ingen har budget til den, og et år senere ved ingen, om den stadig virker. Uge 8 er der for at forhindre netop det.
Hvad et AI-pilotprojekt ikke løser
Et AI-pilotprojekt på otte uger viser, om en anvendelse virker nu, men ikke om den holder gennem en sæson eller et årsskifte. Derfor skal en løsning i drift følges op efter tre og tolv måneder. En vellykket pilot betyder heller ikke, at næste use case virker. Churn-signaler stiller andre krav til data end finansposter.
Piloten erstatter ikke en juridisk vurdering, hvis næste use case handler om personer, fx medarbejdere eller ansøgere. Og den retter ikke data. Den viser jer, hvor de skal rettes.
Sådan understøtter oneBC365 det
oneBC365 er færdigbygget Power BI til Business Central, og finansmodulet er et af ni moduler med 200+ forretningsmål. For et AI-pilotprojekt som eksemplet betyder det, at finansposter, kontoplan og dimensioner allerede er indlæst i en semantisk model med forretningsnavne og beskrivelser. Uge 3–4 handler så mere om at vælge konti og tærskler end om at hente data.
oneBC365 leverer ikke selve afvigelseslisten som en færdig funktion, og modellen beslutter intet. Den er det fælles fundament, piloten kan bygges oven på, og som rapporterne allerede bruger. Kunden ejer koden, og BC-partneren kan vedligeholde den, så en pilot, der går i drift, ikke afhænger af én konsulent.
Sådan kommer du i gang
- Vælg én use case med én ejer. Brug de fire kendetegn: et problem i dag, en ejer der bruger resultatet, data i Business Central og noget at tælle på otte uger.
- Skriv piloten på én side. Problem, ejer, brugere, data, succeskriterium og stopkriterium. Få sponsoren til at godkende den.
- Mål udgangspunktet, før noget bygges. Uden baseline kan uge 7 ikke svare på noget.
- Sæt beslutningsmødet i kalenderen nu. Book uge 8 med sponsoren, før jeres AI-pilotprojekt starter.
Relaterede artikler
- AI for ledelsen på tre stole: ejerlederen, CFO’en og salgschefen
- Ejerskab af AI-løsningen: hvem ejer den, når konsulenten er gået hjem?
- AI-politik på én side: hvad medarbejderne må bruge AI til
- AI-modenhedstrappen: 5 trin – hvor står din virksomhed?
- Anomaly detection: 3 afvigelsestyper rapporten selv finder
- Alle artikler i serien AI i praksis for SMV’en
Vil I se, hvordan finansposterne ser ud i en færdig semantisk model, før I vælger jeres første AI-pilotprojekt? Book en demo, og se oneBC365 på jeres egne Business Central-data på 30 minutter.
