Vad gör en AI-konsult egentligen — och när ska ditt företag ta in en?

"AI-konsult" har blivit en titel som kan betyda nästan vad som helst — från någon som håller inspirationsföreläsningar till någon som bygger system ditt företag kommer att luta sig mot i åratal. Det här är ett försök att reda ut vad jobbet faktiskt är, när det lönar sig att ta in en, och vilka krav du ska ställa. Jag är själv AI-konsult, så läs med det i åtanke — men just därför vet jag också var skillnaderna sitter.

Vad jobbet inte är

Låt oss börja i andra änden. Ett företag som tar in en AI-konsult behöver sällan ännu en föreläsning om vad språkmodeller är, ett strategidokument på fyrtio sidor, eller en workshop där alla får prova att skriva prompts. Sådant kan ha ett värde som uppvärmning — men det förändrar ingenting i verksamheten. När konsulten gått hem är arbetet exakt likadant som innan.

Om det enda konkreta resultatet av ett AI-initiativ är ett dokument, var det inte ett AI-initiativ. Det var ett dokument.

Vad jobbet faktiskt är

En AI-konsult som gör nytta gör i grunden fyra saker:

1. Väljer rätt problem

Det här är den mest underskattade delen. De bästa första kandidaterna är sällan de mest spektakulära — de är arbetsflöden där kvalificerade människor lägger timmar varje dag på repetitivt informationsarbete: samla underlag, sammanställa, stämma av, skriva utkast. Arbetet är repetitivt, källorna är kända och resultatet går att kontrollera. Jag har skrivit om ett sådant fall i detalj: agenten som ger key account managers 4–5 timmar om dagen tillbaka.

2. Bygger — i era system, inte bredvid dem

Det verkliga arbetet är integration: koppla en agent eller automation till systemen ni redan använder — affärssystemet, CRM:et, datalagret, mejlen — så att den nya förmågan dyker upp där arbetet redan sker. Ett AI-verktyg som kräver att alla byter arbetssätt förlorar mot vanan. Ett som tar bort arbetsmoment ur det befintliga flödet vinner.

3. Gör det mätbart

Innan något byggs ska det finnas ett svar på frågan: hur vet vi om det här fungerar? Det betyder en testuppsättning byggd på era verkliga ärenden — i branschen kallad evals — och en siffra som ska röra sig: sparade timmar, kortare svarstider, fler hanterade ärenden. Utan det går det inte att skilja framsteg från anekdoter.

4. Lär upp ert team på vägen

Den viktigaste leveransen är inte systemet — det är att era egna människor kan driva, felsöka och bygga vidare på det. Annars har ni inte köpt ett system, ni har hyrt ett beroende.

När det är läge att ta in en

Tecknen på att en AI-konsult sannolikt betalar sig snabbt:

• Kvalificerade personer lägger timmar om dagen på informationslogistik — samla, sammanställa, kopiera mellan system — innan det egentliga jobbet kan börja.
• Ni har data men bara ett fåtal som kan svara på frågor om den. Alla andra köar hos en analytiker eller gissar.
• Ni har redan testat själva och fastnat i pilotstadiet. En demo som imponerade men aldrig blev vardag är det vanligaste läget i svenska företag just nu — och ofta det billigaste att ta vidare, eftersom halva jobbet redan är gjort.
• Ert utvecklingsteam kan bygga, men har inte skeppat LLM-system förr. Då är rätt insats inte att outsourca bygget utan att ta in någon som bygger tillsammans med teamet och lämnar kvar kunskapen.

Och tecknen på att ni inte ska ta in någon ännu: om ingen kan peka ut ett konkret arbetsflöde som gör ont, om målet är "vi vill göra något med AI", eller om processen som ska automatiseras inte finns — då är AI inte nästa steg. Först processen, sedan automationen.

Kraven du ska ställa innan du skriver på

1. Ett konkret arbetsflöde och en siffra. Vad ska förbättras, och hur mäts det? Vagt in, vagt ut.
2. Bygger konsulten med ert team eller åt er? "Med" betyder att kunskapen stannar. "Åt" betyder att ni ringer samma nummer varje gång något går sönder.
3. Vem äger systemet efteråt? Kod, prompts, testuppsättning, dokumentation — hos er, i era system, från dag ett.
4. Hur hanteras fel? En seriös konsult pratar självmant om vad systemet inte får göra, var en människa ska godkänna, och hur man upptäcker när kvaliteten tyst försämras. Den som bara pratar om möjligheter har inte driftat AI i produktion.
5. Vad är slutkriteriet? Ett bra uppdrag har ett definierat slut: systemet i produktion, teamet upplärt, konsulten överflödig. Var misstänksam mot upplägg som är designade att aldrig ta slut.

Det ärliga svaret

De flesta företag behöver ingen AI-strategi. De behöver ett första system i produktion som sparar mätbar tid, ett team som lärt sig hur man bygger nästa, och självförtroendet som kommer av att ha gjort det en gång. En bra AI-konsult är den kortaste vägen dit — inte för att hen är smartare än ert team, utan för att hen redan gått på minorna och vet i vilken ordning sakerna ska göras.