Inga produkter i varukorgen.
Så får du verklig effekt av AI – inte bara fler experiment
Digitalisering & AI Forskningen visar att många företag sprider sina AI-försök för brett – och att enskilda användare använder verktyg som ChatGPT ytligt. Dataanalytikern James Wilkins förklarar hur rätt prompts ger bättre resultat, medan Harvard Business Review visar att verklig affärsnytta uppstår först när organisationer fokuserar djupt inom ett område.
Fokusera på få saker för högst ROI. Foto: Adobe Stock
När generativ AI slog igenom började både privatpersoner och företag testa tekniken i allt från idéutveckling till dokumentation. Men varken mängden prompar eller antalet pilotprojekt avgör värdet. Det menar två nyligen publicerade analyser från Data Science Collective och Harvard Business Review.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
VD-tidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
I artikeln You’re using ChatGPT wrong – here’s how to prompt like a pro beskriver dataanalytikern James Wilkins hur språkmodeller som ChatGPT i grunden är mönsterigenkännare. De ”vet” ingenting – de förutser sannolika ordsekvenser. Därför avgör användarens instruktioner kvaliteten på svaret.
Satsa djupt och snävt, inte ytligt och brett
Wilkins presenterar elva forskningsbaserade tekniker som förbättrar precisionen i svaren. Bland annat rollspel, där modellen får en tydlig professionell roll, och prompt decomposition, där en stor uppgift delas upp i flera steg. Han lyfter också metoder som train-of-thought, där modellen redovisar sin logik, och ReAct prompting, där den först beskriver sin plan och sedan genomför den. Länkar till de studier Wilkins hänvisar till finns i originalartikeln.
Men samma logik gäller på organisationsnivå. I artikeln Stop Running So Many AI Pilots beskriver forskarna Goutam Challagalla, Mahwesh Khan och Fabrice Beaulieu att många företag sprider sina AI-insatser över hela organisationen – i små, isolerade projekt med god ROI men liten strategisk betydelse. Detta kallar de ”shallow and broad”.
I stället lyfter de fram företag som gått motsatt väg. Konsumentvarujätten Reckitt valde att fokusera hela sin generativa AI-satsning på marknadsföringen. Där kunde AI integreras i ett sammanhängande flöde: insiktsarbete, segmentering, innehållsproduktion och produktutveckling. Resultatet blev kortare ledtider för nya produktkoncept – upp till 60 procent snabbare – och effektivare marknadsprocesser, i vissa fall över 30 procent.
”Deep and narro” ger högre ROI
Liknande exempel finns hos L’Oréal, som byggt en sammanhållen kundresa genom sin AI-lösning Beauty Genius. Med stöd av bolagets forskning inom hudbiologi och stora mängder kunddata har systemet på sex månader genomfört över 400 000 personliga hudanalyser i USA och används redan i flera regioner för att dubbla konverteringen i digitala kanaler. IKEA använder AI för att skala upp och effektivisera sin inredningsrådgivning, vilket gör professionell design snabbare och billigare och stärker företagets redan befintliga konkurrensfördelar.
Enligt en studie från BCG, som HBR-artikeln hänvisar till, har företag som använder den så kallade ”deep and narrow”-strategin – att välja ett område och transformera det fullt ut – i genomsnitt dubbelt så hög ROI som företag som kör många små, osammanhängande projekt.
De två artiklarna pekar tillsammans på en tydlig riktning. För enskilda användare handlar nästa steg i AI-arbetet om att ställa bättre, mer strukturerade frågor till modeller som ChatGPT. För företag handlar det om motsatsen till bredd: att välja bort, gå på djupet och bygga konkurrenskraft där generativ AI kan ge skala, hastighet och samlade effekter.
