Tilbake til blogg

AI

Må vi bytte kjernesystemene for å få effekt av KI?

Sverre Øie Moe
Sverre Øie Moe·11. november 2026·5 min lesetid
Monica Storflor Bjøringsøy og Sverre Øie Moe i Frontkoms lokaler.

Fra venstre: Monica Storflor Bjøringsøy, Site Manager i Trondheim og fagleder i Scale & Impact, og Sverre Øie Moe, AI Transformation Lead.

Kort svar: nei. De fleste virksomhetene vi jobber med, har kjernesystemer som har vært i drift i mange år. Der ligger kundene, ordrene, prisene og sakene. Og der har reglene og unntakene bygd seg opp over tid, ofte uten å stå skrevet noe annet sted.

Det er akkurat det KI trenger for å gjøre noe nyttig. Når vi legger KI oppå systemene i stedet for å bytte dem ut, kan dere begynne med en gang, uten å vente to til tre år på et nytt system før dere ser en gevinst.

Kjenner du deg igjen?

Mange starter med verktøyet og ikke med problemet. Alle får lisens på Copilot eller ChatGPT, kanskje et kurs, og så venter man på at noe skal skje. Noe skjer også: folk skriver e-post raskere og får oppsummert møtene sine. Men spør ledelsen et halvt år senere hva det har gitt på bunnlinjen, så er det fort vanskelig å svare.

I McKinseys undersøkelse fra i år sier nesten ni av ti virksomheter at de bruker KI fast i minst én funksjon. Bare rundt seks prosent kan knytte minst fem prosent av driftsresultatet sitt til KI, og den andelen er den samme som året før.

Nesten ni av ti virksomheter bruker KI fast i minst én funksjon. Rundt seks prosent knytter minst fem prosent av driftsresultatet til KI.
Kilde: McKinsey, The state of AI in 2026. 1 719 respondenter i 97 land.

Jeg tror mye av forklaringen er at ingen har pekt ut hvilket problem KI skal løse: hvilken arbeidsflyt som tar for lang tid, hvem som eier den og hva den koster i dag. Det henger sammen med en annen feil, nemlig at utgangspunktet ikke blir målt. Vet du ikke hvor lang tid et tilbud tar i dag, eller hvor mange henvendelser kundeservice får i uka, kan du heller ikke vise at noe har blitt bedre. Da blir KI en kostnad på budsjettet, med lisenser og tokens, mer enn noe dere ser effekten av.

Den tredje varianten er at hver avdeling gjør sitt eget. Markedsavdelingen har sin chatbot, kundeservice har sin og salg har sin, alle med egen kunnskapsbase og egne instruksjoner. Når en regel endres, vet ingen helt hvor den må oppdateres, og da har dere bygd nye siloer med KI.

Fredrik Paus har skrevet mer om hvorfor de fleste stopper på chatvinduet.

Det første dere oppdager

Når KI legges oppå systemene, oppdager dere først hvor mye verdi som ligger der fra før. Det neste er mindre hyggelig: Svakhetene i dataene kommer fram ganske fort. Kunderegisteret i ett system stemmer kanskje ikke med det i et annet, og prisene ligger tre forskjellige steder. Sånt har man gjerne visst lenge og levd med, fordi folk har jobbet rundt det manuelt. En KI-agent jobber ikke rundt noe. Den bruker det som står der.

Derfor blir den første jobben ofte å rydde. Rydd i de dataene den første arbeidsflyten trenger, og la resten vente.

Slik går vi fram

Systemene blir stående. Det som endrer seg, er skjermbildene folk jobber i og hvor mye manuelt arbeid som forsvinner. Vi velger én arbeidsflyt med volum, en tydelig eier og et mål vi kan måle mot, og tar den i fire steg:

  1. KI foreslår. Mennesket gjør fortsatt jobben og vurderer forslagene.
  2. KI flagger avvik. Når forslagene holder, begynner den å peke ut det som skiller seg ut.
  3. KI beslutter, et menneske godkjenner. Ingenting skjer før noen har sagt ja.
  4. KI gjør jobben selv. Det steget tar vi sist.
Illustrasjon av et tilbudsskjermbilde der KI foreslår pris og levering, med knapper for å bruke, endre eller avvise forslaget.
Illustrasjon av steg 1: KI foreslår pris og levering ut fra dataene som allerede ligger i systemet, og selgeren bestemmer. Eksempelet er laget for artikkelen og er ikke hentet fra en kunde.

Vi tar ett steg om gangen og går videre bare når vi har målt at forrige steg fungerer.

Det mange i bransjen vil være uenige i

Mange i bransjen kaller de gamle kjernesystemene teknisk gjeld, noe som må moderniseres eller byttes før man kommer i gang. Det er delvis riktig. Likevel tror jeg systemene er den største fordelen en etablert virksomhet har når den skal ta i bruk KI. Et system med kanskje tjue år med kunder, saker, priser og beslutninger er en hukommelse som konkurrentene ikke har.

Språkmodellene kan alle kjøpe. Tjue år med kunder, priser og beslutninger kan ingen kjøpe.

Det er dette som kan gjøre at KI fungerer bedre hos dere enn hos andre.

Jeg tror også konsulentbransjen har en egeninteresse her. Et systembytte er et stort prosjekt som tar flere år og trenger mange folk, og det er et godt prosjekt å selge. Da er det ikke rart at anbefalingen ofte blir å bytte. For kunden betyr det to til tre år uten effekt av KI, mens andre i markedet tar i bruk det de har.

Noen ganger må systemet byttes, fordi det ikke fungerer lenger. Da bør det være et eget valg, tatt av egne grunner, og ikke fordi dere tror det er en forutsetning for KI. Nesten alltid kan dere starte med det dere har. De første arbeidsflytene sier mer om hva som eventuelt må byttes enn en stor forstudie gjør.

Vil dere vite hvor dere bør starte?

Jeg snakker gjerne om hvilken arbeidsflyt som kan være et godt første steg hos dere. Send meg en e-post på sverre.moe@frontkom.com, eller les mer om hvordan vi jobber med KI.

Åpenhetsmerknad: Artikkelen bygger på forfatterens egne erfaringer og vurderinger. KI er brukt som redaksjonelt hjelpemiddel for struktur og språk. Forfatteren har kontrollert innholdet og står ansvarlig for det.