Budget för ett första AI-projekt
Av CodexierPublicerad 5 min läsning
De flesta första AI-projekt i små företag misslyckas på ett förutsägbart sätt: budgeten går till bygget, inget avsätts för att kontrollera resultatet, driftkostnaden uppskattades aldrig och ingen bestämde vilket utfall som skulle räknas som misslyckande. Den här guiden delar upp budgeten i fyra rader, förstudie, pilot, drift och granskning, dimensionerade så att piloten bevisar eller stoppar idén för en måttlig summa, och ger regeln för när finansieringen ska upphöra.
Förstudie innan bygge
Förstudien besvarar fyra frågor innan några pengar går till bygge. Vilken uppgift som automatiseras, exakt, med sina indata och utdata. Vilken data företaget faktiskt har, var den finns och om den lagligt får användas. Hur ett korrekt resultat ser ut, så att piloten kan bedömas. Och vad uppgiften kostar i dag i timmar och fel, vilket är siffran varje senare beslut jämförs mot. Det är ett kort arbete till fast pris. Vår AI-förstudie är precis det steget, prissatt på prissidan, och den slutar ofta med att avråda från bygge, vilket är det billigaste möjliga utfallet.
En pilot som är lagom stor för att lära
En pilot är inte ett litet produktionssystem. Den är ett kontrollerat test på en uppgift med riktiga indata, som körs tillräckligt länge för att felmönstren ska synas, med varje resultat granskat av en människa. Att dimensionera den betyder att bestämma de fyra sakerna och inget annat.
| Pilotbeslut | Rätt dimensionerad | För stor |
|---|---|---|
| Omfattning | En uppgift, ett team, en kanal | Varje ärendetyp i hela företaget |
| Varaktighet | Fyra till åtta veckor | Öppet tills det fungerar |
| Data | Ett urval riktiga ärenden från de senaste månaderna | En ny dataplattform byggd först |
| Mått på framgång | Satt före start: träffsäkerhet, sparad tid, kostnad per ärende | Bestämt efter att ha sett resultaten |
| Integration | Manuell eller enkel. Klipp och klistra duger | Full integration med varje system |
| Granskning | En namngiven person kontrollerar varje resultat | Lita på systemet från dag ett |
Exempel på rätt dimensionerade piloter: besvara en kategori av mejl, skriva offertutkast från ett formulär, klassificera inkommande fakturor, ta bokningar per telefon för ett ställe som i vår guide till AI-telefonsvar för restauranger.
Driftkostnader: användning och underhåll
AI-system har två driftkostnader som en vanlig mjukvarubudget saknar. Användning är den mätta kostnaden för modellanropen, som växer med volymen och med hur mycket text eller tal varje ärende innehåller. Underhåll är det mänskliga arbetet med att hålla systemet träffsäkert: uppdatera dokumenten det svarar utifrån, justera instruktioner när verksamheten ändras och kontrollera resultaten på nytt efter modelluppdateringar. Båda fortsätter så länge systemet körs.
- Uppskatta användningen från piloten: kostnad per ärende gånger månadsvolym, med marginal för tillväxt och längre ärenden.
- Föredra produkter med fast månadsavgift där volymen är förutsägbar. Mätt prissättning belönar låg användning och straffar framgång.
- Budgetera underhåll som timmar per månad från någon som kan verksamheten, inte som en eftertanke åt IT.
- Ta med de vanliga mjukvarukostnaderna också: hosting, integration, loggning och licensen för den plattform systemet körs på.
Tid för manuell granskning
Granskning är raden de flesta första budgetar glömmer och den som avgör om projektet är säkert. Under piloten kontrollerar någon varje resultat mot måttet på framgång och noterar missarna. Efter lansering krymper granskningen till ett stickprov plus varje ärende systemet flaggar som osäkert, men den når aldrig noll. Personen som gör den måste kunna uppgiften tillräckligt väl för att upptäcka ett trovärdigt felaktigt svar, vilket oftast betyder en erfaren medarbetare, inte en praktikant.
Under piloten
Full granskning av varje ärende. Budgetera granskarens timmar som projektkostnad. Det är samma pengar som bygget.
Efter lansering
Stickprov enligt schema, plus eskaleringar. Koppla stickprovets storlek till risken att ett felaktigt svar når en kund.
Eskaleringsdesign
Systemet måste kunna säga att det inte vet och lämna över. Ärenden det lämnar över är inte misslyckanden. De är granskningsbudgeten som fungerar.
Dokumentation
Spara granskningsloggen. Den är underlaget för beslutet att stoppa eller fortsätta och, för allt som rör personuppgifter, en del av er GDPR-dokumentation.
När du ska sluta finansiera
Skriv stoppregeln innan piloten startar, när ingen har något att försvara. Den har tre delar: måttet, tröskeln och datumet. Till exempel: systemet ska hantera en angiven andel av ärendena utan mänsklig rättning, till en kostnad per ärende under den manuella, senast i slutet av vecka åtta. Nås inte tröskeln till datumet stoppas projektet och förstudiens slutsatser sparas till ett nytt försök senare. Nås den godkänns driftbudgeten och piloten blir produktion, med fortsatt granskning. Företag som hoppar över det här steget slutar med att finansiera ett system som är nästan tillräckligt bra i åratal.
När ni inte behöver ett AI-projekt: är uppgiften sällsynt, är den manuella kostnaden liten eller finns datan inte i användbar form säger förstudien det och budgeten stannar där, vilket är poängen med att göra förstudien först. Har ni en uppgift i åtanke och en ungefärlig bild av vad den kostar i dag, boka ett kostnadsfritt 15-minuterssamtal så säger vi om den är en kandidat för pilot och hur budgeten på fyra rader skulle se ut. För kundtjänst är vår chattbotuppsättning det vanliga nästa steget.
Vanliga frågor
Hur stor ska en första AI-budget vara?
Liten nog att ett negativt resultat är överkomligt och stor nog att köra en riktig pilot med granskning. Förstudien har fast pris, piloten är några veckors arbete plus granskartid, och driftkostnaden uppskattas från piloten innan ni binder er till den.
Ska vi bygga med ett färdigt verktyg eller egen lösning?
För en pilot, använd det lättaste verktyg som låter er testa uppgiften med riktig data. Egen utveckling är motiverad efter piloten, när ni vet att uppgiften är värd det och vad integrationen måste göra.
Hur hanterar vi GDPR i piloten?
Använd riktig data bara där ni har rättslig grund och ett biträdesavtal med AI-leverantören, föredra EU-hostade tjänster och håll personuppgifter utanför instruktionerna där uppgiften tillåter. Förstudien ska innehålla den kontrollen så att piloten inte startar med ett efterlevnadsproblem.
Vem ska äga projektet internt?
Den som äger uppgiften som automatiseras, inte IT. Hen vet hur ett korrekt resultat ser ut, kan göra granskningen och märker när verksamheten ändras på ett sätt som får systemet att fallera.
Har ni en uppgift ni tror att AI kan ta?
Beskriv uppgiften och vad den kostar er i dag. På femton minuter säger vi om den är en pilotkandidat, vad förstudien skulle täcka och hur stoppregeln bör se ut.
Boka ett kostnadsfritt 15-minuterssamtal