AI-modelpolitik for teams: hvem bestemmer, hvad der er tilladt
6 minutters læsning
De fleste konsulenthuse har aldrig besluttet, hvilke AI-modeller medarbejderne må bruge i kundearbejdet. I praksis blev det afgjort af den, der først oprettede sig i et værktøj. Sådan gør I det til en beslutning med en ejer.
En politik for AI-modeller er en kort liste over de modeller, firmaet tillader i kundearbejdet, med en navngiven person, der vedligeholder den, og en dato, hvor den bliver gennemgået. Den fylder én side. De fleste konsulenthuse har ikke en, og det skyldes sjældent, at de har fravalgt det. Spørgsmålet kom aldrig op, så svaret blev bare de værktøjer, folk tilfældigvis havde oprettet sig i.
Det er et andet spørgsmål end at vælge den rigtige AI-model til hver opgave. Det indlæg handler om, hvilken model der passer til et bestemt stykke arbejde. Dette handler om, hvem der bestemmer, hvad der overhovedet står på menuen.
Derfor giver frit modelvalg problemer
Frit valg giver problemer, fordi ingen kan redegøre for det bagefter. Når hver konsulent vælger sin egen model, kan firmaet ikke sige, hvilke modeller der har behandlet en kundes materiale, eller på hvilke vilkår. En kunde kan spørge om præcis det i et sikkerhedsspørgeskema eller et kontraktbilag, og »det afhænger af, hvem der lavede arbejdet« er et dårligt svar at give.
Det koster også på kvaliteten. Den samme tilbagevendende opgave bliver løst med forskellige modeller, alt efter hvem der kørte den, så resultatet varierer af grunde, der ikke har noget med arbejdet at gøre. Dem, der gennemgår arbejdet, ender med at rette fejl, der skyldes en forskel, de ikke kan se.
En liste over tilladte modeller løser begge dele, uden at nogen behøver at blive modelekspert. Folk vælger fra en kort menu, og firmaet ved, hvad der står på den.
Hvem skal eje listen
Én navngiven person skal eje listen, og det skal være en, der er tæt på leverancen. I et konsulenthus er det typisk en driftsansvarlig, en områdeleder eller en partner, der interesserer sig for, hvordan arbejdet bliver gjort. Det behøver ikke være et IT-projekt, og i et firma uden IT-afdeling kan det ikke være det.
Ejeren behøver ikke følge tæt med i nye modeller. Opgaven er at sikre, at hver model på listen har fået stillet spørgsmålene nedenfor, og at nogen stiller dem igen på datoen for gennemgang. Et udvalg gør det typisk dårligere end én person, fordi hvert medlem går ud fra, at en anden har opdateret listen.
Det skal I afklare, før en model kommer på listen
Stil de samme fem spørgsmål til hver model, før den bliver tilladt.
| Spørgsmål | Derfor er det vigtigt |
|---|---|
| Bruges kundedata til at træne modellen? | Kundemateriale må ikke ende i en model, som andre firmaer bruger |
| Hvor bliver data behandlet og opbevaret? | Nogle kunder kræver en bestemt region i kontrakten |
| Hvilken type arbejde er den god nok til? | Afgør, hvilke teams og opgaver modellen må bruges til |
| Findes der en billigere model, der løser opgaven lige så godt? | Så den stærkeste model bliver brugt til det arbejde, der kræver den |
| Hvem bad om den, og til hvad? | En model, ingen kan nævne en anvendelse for, hører ikke til på listen |
Skriv svarene ned ud for modellen. Når en kunde spørger, hvordan firmaet bruger AI, er listen og de svar det meste af jeres svar.
Indsnævr listen pr. team, hvor arbejdet er forskelligt
Én fælles liste for hele firmaet er det rigtige udgangspunkt. Indsnævr den kun pr. team, hvor arbejdet er så forskelligt, at det kan begrundes. Et analyseteam, der laver lange synteser af kundedokumenter, har måske brug for den stærkeste model på listen. Et team, der skriver rutinemæssige statusnotater, har ikke, og når modellen bliver fjernet fra teamets menu, slipper de for en beslutning, hver gang de starter en opgave.
Indsnævringen skal altid gå én vej. Et teams liste er en delmængde af firmaets liste, aldrig en tilføjelse til den. Har et team brug for en model, firmaet ikke har godkendt, er løsningen at sende den gennem de fem spørgsmål og tilføje den for alle, der skal have den. Tillader I en særordning for ét team, er I tilbage ved frit valg.
Gør listen til den eneste vej
Står politikken kun i et dokument, mens værktøjet giver fri adgang, er den bare et råd. Listen virker først, når folk ikke kan bruge modeller uden for den der, hvor de laver arbejdet. Ellers afhænger politikken af, at alle husker den under deadline, og det glemmer folk i den første travle uge.
Det er også forskellen på en politik og et forbud. Folk, der får en god, kort liste, bruger den som regel. Folk, der får at vide, at de ikke må bruge AI i kundearbejdet, uden at få noget i stedet, bruger det som regel alligevel på en privat konto.
Gennemgå listen på en fast dato
Gennemgå listen hvert kvartal, og hver gang en udbyder ændrer sine vilkår for data. Et kvartal er langt nok til, at gennemgangen ikke føles som en evig pligt, og kort nok til, at listen ikke kommer langt fra det, der findes.
Selve gennemgangen er kort. Tjek for hver model på listen, at de fem svar stadig gælder, og at modellen bliver brugt. Forbruget pr. team viser, hvilke modeller folk faktisk bruger, og hvilke der blev tilføjet til et projekt, der sluttede for flere måneder siden. Fjern det, der ikke bliver brugt, for hver model på listen er én mere, firmaet skal kunne redegøre for.
Sådan ser det ud i Hebno
I Hebno vælger en administrator, hvilke modeller firmaet kan bruge, og kan indsnævre listen for hvert team. Modeller uden for listen er ikke tilgængelige, så politikken bliver håndhævet der, hvor arbejdet sker, og ingen behøver at huske den. Forbruget kan ses pr. team, medlem og kundeprojekt, og det er de oplysninger, I skal bruge til den kvartalsvise gennemgang. Siden om Styring viser indstillingerne.
Modelvalget er én del af emnet i Den rette AI-model til en pris, I selv styrer. Her kan du læse, hvordan listen og forbrugsoversigten hænger sammen.
