Per André jobber med KI-implementasjon i Frontkom og hjelper organisasjoner med å gå fra generiske verktøy til KI som faktisk kjenner og forstår virksomheten. Dette er hva han ser fungerer i praksis.
ChatGPT og lignende verktøy er imponerende. Men de kjenner ikke kundene dine, produktene dine eller tonen som passer merkevaren din. De gir generelle svar på generelle spørsmål. Det er nyttig, men det er ikke det som skaper varig konkurransefortrinn.
Det som skaper konkurransefortrinn er KI som kjenner konteksten din. Og det krever tilpasning.
Tre nivåer av KI-tilpasning
Nivå 1: Prompt-engineering. Du gir modellen kontekst i selve forespørselen. Hvem er du, hva er tonen, hva er formålet. Det er enkelt og krever ingen teknisk implementasjon. Det løfter resultatene betydelig, men er avhengig av at hver bruker gjør det riktig hver gang.
Nivå 2: RAG — Retrieval Augmented Generation. Du kobler modellen til egne dokumenter, produktbeskrivelser, retningslinjer og historikk. Modellen henter relevant informasjon fra din kunnskapsbase før den svarer. Resultatet er svar som er forankret i din faktiske kontekst, ikke generell kunnskap. Dette er nivået der de fleste organisasjoner bør starte.
Nivå 3: Finetuning. Du trener modellen på egne data slik at den adopterer tone, terminologi og fagspråk. Dette krever mer data og mer teknisk kompetanse, men gir modeller som er svært vanskelige å kopiere for konkurrenter. Relevant for organisasjoner med store mengder egenprodusert innhold eller høy krav til presisjon.
Hva du faktisk får ut av det
Organisasjoner vi jobber med som har implementert RAG-baserte løsninger rapporterer typisk tre effekter: Raskere svar til kunder fordi systemet henter korrekt informasjon uten manuelt søk. Høyere konsistens i kommunikasjon fordi alle trekker fra samme kilde. Og redusert tid på interne spørsmål fordi ansatte kan spørre systemet i stedet for kolleger.
En av våre kunder innen B2B-salg reduserte gjennomsnittlig tid for å produsere tilbudsdokumenter fra tre timer til under 30 minutter ved å koble KI til sin produktkatalog og tidligere tilbud.
Hva du bør passe på
Kvaliteten på output er direkte avhengig av kvaliteten på input. Dårlig strukturert dokumentasjon, utdatert informasjon og inkonsistent terminologi gir dårlige KI-resultater. Mange undervurderer arbeidet med å rydde og strukturere egne data før implementasjon.
I tillegg må du tenke på sikkerhet. Hvilke data skal modellen ha tilgang til? Hvem skal kunne spørre systemet om hva? Tilgangskontroll og logging er ikke valgfritt når KI får tilgang til sensitiv forretningsinformasjon.
KI er ikke smartere enn dataene du gir den. Start med å rydde i huset ditt, så bygger vi videre derfra.
Ønsker du å forstå hvilket nivå av KI-tilpasning som gir mest mening for din organisasjon nå? Ta kontakt med PA for en teknisk gjennomgang av mulighetene.
