Metode: de 6 dimensioner
Hver use case scores fra 1 til 10 på seks dimensioner. Her kan du læse, hvad hver dimension dækker, hvilke spørgsmål du bør stille dig selv, og hvad en lav, mellem og høj score betyder.
Forretningsimpact
Hvor meget værdi skaber løsningen for forretningen – penge, tid, kunder eller strategisk position?
Forretningsimpact måler den samlede gevinst, hvis løsningen lykkes. Det kan være øget omsætning, lavere omkostninger, sparet tid, højere kundetilfredshed eller en styrket konkurrenceposition. Jo tættere use casen ligger på virksomhedens strategiske mål, og jo flere mennesker eller processer den påvirker, desto højere score.
Spørg dig selv
- Hvilket konkret forretningsmål understøtter den?
- Kan gevinsten sættes på tal (kr., timer, NPS, churn)?
- Hvor mange medarbejdere eller kunder mærker forskellen?
- Hvad sker der, hvis vi IKKE gør det?
Sådan scorer du
Rart at have. Lille, lokal forbedring som få vil savne (fx automatisk formattering af en intern rapport).
Tydelig gevinst for en afdeling eller proces, men ikke strategisk afgørende (fx hurtigere sagsbehandling i ét team).
Flytter centrale nøgletal eller strategi – påvirker omsætning, mange kunder eller kerneforretningen (fx dynamisk prissætning).
Typiske faldgruber
- At forveksle "spændende teknologi" med reel forretningsværdi.
- At overvurdere gevinsten uden et konkret tal eller en ejer i forretningen.
Teknisk Feasibility
Hvor nemt er det at bygge med de systemer, værktøjer og kompetencer, I allerede har?
Teknisk feasibility handler om, hvor realistisk det er at bygge og drifte løsningen. Kan den laves med eksisterende AI-tjenester og integrationer, eller kræver den ny infrastruktur, specialudviklede modeller og kompetencer, I ikke har i dag? Høj score betyder lav teknisk usikkerhed.
Spørg dig selv
- Findes der allerede færdige værktøjer eller AI-modeller, der løser opgaven?
- Hvor mange systemer skal løsningen integreres med?
- Har vi folk, der kan bygge og vedligeholde den?
- Er der krav til nøjagtighed, hastighed eller oppetid, der er svære at nå?
Sådan scorer du
Kræver ny infrastruktur, egne modeller eller forskningsarbejde. Høj risiko for at det ikke virker.
Kendt teknologi, men kræver integrationer og tilpasning over flere måneder.
Kan bygges med eksisterende værktøjer – fx en sprogmodel koblet på jeres dokumenter.
Typiske faldgruber
- At undervurdere integrationen til gamle systemer.
- At glemme drift, overvågning og vedligehold efter lancering.
Data Readiness
Har I de data, løsningen skal bruge – i tilstrækkelig mængde, kvalitet og tilgængelighed? Strukturerede og ustrukturerede data tæller begge.
AI er kun så god som de data, den får. Data readiness vurderer, om de nødvendige data findes, om de er af god kvalitet, og om I faktisk kan få adgang til dem. Det gælder både strukturerede data (tabeller, systemer) og ustrukturerede data (dokumenter, e-mails, billeder, lyd).
Spørg dig selv
- Ved vi præcis, hvilke data løsningen skal bruge?
- Findes de samlet ét sted – eller spredt i siloer?
- Er de opdaterede, korrekte og fyldestgørende?
- Må vi bruge dem til formålet, og hvem ejer dem?
Sådan scorer du
Data mangler, er spredt, forældede eller af dårlig kvalitet. Kræver stort oprydningsarbejde.
Data findes, men skal samles, renses eller beriges før brug.
Data er klar, tilgængelige og af god kvalitet – kan bruges med det samme.
Typiske faldgruber
- At antage at data "nok ligger et sted" uden at have set dem.
- At overse at ustrukturerede data (fx PDF'er og e-mails) ofte er en guldgrube.
Regulatorisk Risiko
Hvor meget lovgivning, persondata og compliance-risiko er der? Høj score = lav risiko.
Denne dimension vurderer juridisk, etisk og omdømmemæssig risiko. Behandler løsningen persondata (GDPR), træffer den beslutninger om mennesker, eller falder den ind under EU AI Act, GxP eller branchekrav? OBS: skalaen er vendt, så en høj score betyder LAV risiko – det gør det nemt at sammenligne, fordi højt altid er godt.
Spørg dig selv
- Indgår der persondata eller følsomme oplysninger?
- Træffer AI'en beslutninger, der påvirker kunder eller medarbejdere?
- Er området reguleret (finans, sundhed, HR, AI Act højrisiko)?
- Hvad sker der, hvis AI'en tager fejl?
Sådan scorer du
Høj risiko: følsomme persondata, automatiske afgørelser om mennesker eller stærkt reguleret område.
Nogen persondata eller regulering, men kan håndteres med kontroller og et menneske i loopet.
Lav eller ingen risiko: ingen persondata, intern brug, fejl har små konsekvenser.
Typiske faldgruber
- At involvere jura/compliance for sent.
- At glemme omdømmerisikoen, selv når noget er lovligt.
Time-to-Value
Hvor hurtigt kan I se en målbar gevinst – uger eller år?
Time-to-value måler tiden fra beslutning til første målbare værdi. Hurtige gevinster skaber momentum, læring og opbakning i organisationen. Løsninger, der først giver værdi efter et år, binder ressourcer længe og er mere usikre.
Spørg dig selv
- Kan vi lave en lille pilot, der viser værdi hurtigt?
- Hvor lang tid tager det at få data, godkendelser og systemer på plads?
- Kan gevinsten høstes gradvist, eller kun når alt er færdigt?
Sådan scorer du
Mere end 12 måneder før der ses værdi.
3-12 måneder – kræver et egentligt projekt.
Under 3 måneder – kan piloteres og give gevinst næsten med det samme.
Typiske faldgruber
- At regne kun udviklingstid – ikke godkendelser, træning og ibrugtagning.
- At vælge "big bang" frem for en lille, hurtig første version.
Skalerbarhed & Genbrug
Kan løsningen genbruges i andre afdelinger, lande eller processer – eller er den en enkeltstående opgave?
Skalerbarhed og genbrug vurderer, om investeringen kan udnyttes flere steder. En løsning, der bygger en platform, en datapipeline eller en model, som andre teams også kan bruge, giver langt mere værdi pr. krone end en skræddersyet engangsløsning.
Spørg dig selv
- Har andre afdelinger eller markeder samme problem?
- Kan komponenterne (data, model, integration) genbruges?
- Vil løsningen kunne håndtere 10x flere brugere eller data?
Sådan scorer du
Engangsbrug: skræddersyet til én opgave ét sted.
Kan genbruges i nogle få lignende sammenhænge med tilpasning.
Skalerbar på tværs: bliver en byggeklods, mange teams kan bruge.
Typiske faldgruber
- At bygge for snævert, så alt skal laves om næste gang.
- Omvendt: at bygge en "platform" før værdien er bevist ét sted.
Sådan beregnes totalscoren
Totalscoren er gennemsnittet af de 6 dimensioner, som alle vægter lige meget. Alle skalaer er vendt, så en høj score altid er godt – også ved regulatorisk risiko, hvor 10 betyder lav risiko.