De fleste virksomheder tror, de skal ansætte sig ud af AI-udfordringen. En ny afdeling. Et nyt team. Måske en Chief AI Officer.

Det er sjældent det rigtige svar.

Det rigtige svar gemmer sig et sted, mange allerede kender: i de agile principper, der har kørt i jeres organisation i 10-15 år.

Jeg har rådgivet C20 virksomheder både agilitet, og AI-adoption. Og det mønster, jeg ser igen og igen, er det samme: de organisationer der lykkes med begge, er dem der allerede har muskelhukommelse for iterativ forandring. De ved, hvordan man tester i små bidder. Hvordan man fejler hurtigt, ufarligt. Hvordan man tilpasser sig undervejs. Og hvordan man bygger en kultur hvor man kan godt lukke "runaway projekterne" som har ramt udenfor skiven.

De virksomheder der kæmper? Det er dem, der forsøger at lave en 5-års AI-strategi med en styregruppe, en business case og et gantt-diagram.

Lad mig forklare, hvorfor agile tænkning er jeres bedste springbræt til AI-modenhed.

Scrum lærte jer noget vigtigt

Tænk tilbage. Hvad var den egentlige forandring, da jeres organisation gik fra vandfald til Scrum eller kanban?

Det var ikke standups. Det var ikke Jira. Det var ikke sprint reviews.

Det var en fundamental ændring i, hvordan I traf beslutninger. Fra store, tunge beslutninger oppe i hierarkiet til hurtige, små beslutninger tæt på dem der udfører arbejdet.

Det er præcis det samme skift, AI kræver.

AI-værktøjer ændrer sig hver uge. GPT-4 var nyt i marts 2023. I dag er vi flere generationer videre. Claude, Gemini, Copilot, specialiserede agenter. Ingen kan planlægge 18 måneder frem i det landskab. Du kan planlægge 2 uger ad gangen, og en kvartal ad gangen.

Og gæt hvad. Det er en sprint. Og en PI Planning.

De tre agile principper der oversættes direkte

1. Arbejd i korte iterationer

I Scrum kører I 2-ugers sprints. I AI-adoption skal I gøre det samme — eller endnu kortere, hvis I kan det.

Vælg ét arbejdsområde. Ét team. Én konkret opgave. Kør et 2-ugers eksperiment. Mål resultatet. Justér. Kør igen.

Jeg ser for mange virksomheder der ruller AI ud som et stort bang. "Nu har alle adgang til Copilot." Fantastisk. Og hvad så? Uden en iterativ læringsproces bruger de fleste medarbejdere det tilfældigt i tre uger og dropper det stille og roligt.

Det svarer til at give alle et Jira-login og tro, I nu kører Scrum.

2. Tværfaglige teams

Scrum lærte os, at et team skal have alle de kompetencer, der skal til for at levere. Udvikler, designer, UX'er, product owner, tester.

AI-adoption kræver det samme. Du kan ikke have et rent "AI-team" der sidder i et hjørne og laver proof-of-concepts, som aldrig rammer virkeligheden. Du har brug for:

• Domæneeksperter der kender forretningens processer indefra
• Tekniske folk der forstår, hvad AI kan og hvad det koster
• Ledere der kan rydde forhindringer af vejen (og det vigtigste: sige nej til de projekter der ikke giver mening)
• Compliance og jura, så I ikke bygger noget, I ikke må bruge

De organisationer der stadig har AI isoleret i IT-afdelingen, gentager den fejl mange lavede med Scrum i starten: de troede, det var et teknisk projekt. Det er et organisatorisk projekt.

3. Feedback loops og retrospektiver

Det mest undervurderede element i Scrum er retrospektivet. Det møde hvor teamet spørger: hvad virkede? Hvad virkede ikke? Hvad gør vi anderledes næste gang?

I AI-sammenhæng er det her, guldet ligger.

Fordi AI-værktøjer er nye for de fleste, er der en enorm mængde tavs viden, der bygges op i jeres organisation lige nu. Nogen har fundet en genial måde at bruge Claude til at opsummere kundefeedback. Nogen har prøvet at automatisere en rapporteringsproces og opdaget, at det tager længere tid end at gøre det manuelt. Nogen har brugt 4 timer på at prompte sig til et resultat, de kunne have fået på 20 minutter med en anden tilgang.

Hvis I ikke har et forum for at dele den viden, forsvinder den.

Indfør AI-retrospektiver. Hver anden uge. 30 minutter. Hvad har I prøvet? Hvad virkede? Hvad skal vi stoppe med? Hvad skal vi eksperimentere med næste gang?

Det er billigt. Det er simpelt. Og det er langt mere effektivt end enhver "AI-strategi for de kommende 5 år" skrevet i et PowerPoint-deck.

Governance er den egentlige flaskehals

Her kommer den ubehagelige sandhed, som mange agile coaches ikke taler om.

Scrum antager, at teamet har mandat til at træffe beslutninger inden for sprintens rammer. Men AI-adoption rammer hurtigt governance-spørgsmål, som de fleste teams hverken kan eller bør svare på alene.

Må vi bruge kundedata i en AI-model? Hvem godkender, at vi automatiserer en beslutningsproces? Hvad sker der, når AI'en tager fejl, og det påvirker en kunde?

Det er her, mange AI-piloter går i stå. Teamet har energi og idéer. Men de venter på en juridisk afklaring, der aldrig kommer. Eller en sikkerhedsgodkendelse, der tager 4 måneder. Jutta fra jura er gået for i dag.

Løsningen er at bygge governance ind i jeres agile rytme. Hav en "AI governance checkpoint" som en fast del af jeres sprint review. Invitér jura og compliance ind, så de ser, hvad der bygges, mens det bygges. Giv dem mulighed for at reagere tidligt i stedet for at blokere sent.

Det kræver, at governance-folkene accepterer at arbejde iterativt. Det er en kulturændring for mange af dem. Men det er nødvendigt.

Hvad Product Owneren kan lære af AI

I Scrum er Product Ownerens vigtigste job at prioritere. Sige nej til 80% for at sige ja til de 20%, der giver mest værdi.

I AI-adoption er det præcis det samme.

Der er hundredvis af use cases for AI i enhver virksomhed. Automatisering af kundeservice. Analyse af markedsdata. Kodegenerering. Dokumenthåndtering. Mødeopsummeringer. Personaliseret markedsføring. Content creation.

Alt sammen legitimt. Alt sammen muligt. Men I kan ikke gøre det hele på én gang.

Jeres AI-indsats har brug for en Product Owner. En person der kan prioritere use cases ud fra to kriterier:

Værdien for forretningen. Og organisationens parathed til at absorbere forandringen.

Det andet kriterie glemmer de fleste. Men det er det vigtigste.

En use case kan have kæmpe potentiale. Men hvis det team, der skal bruge det, ikke er klar til at ændre deres arbejdsprocesser, kommer det aldrig til at virke i praksis. Augmentation uden redesign af arbejdet er en fælde.

Det handler om kultur, ikke teknologi

Scrum ændrede ikke bare, hvordan vi byggede software. Det ændrede, hvordan vi tænkte om arbejde. Kortere cyklusser. Mere transparens. Hurtigere feedback. Mere ansvar til dem der udfører arbejdet.

AI kræver det samme kulturskift. Og ligesom Scrum tog 5-10 år at modne i de fleste organisationer, kommer AI-modenhed heller ikke overnight. Det er en rejse. En iterativ rejse.

Den gode nyhed? Hvis I har kørt agilt i et årti, har I allerede fundamentet. I har sprog for iterationer. I har metoderne for feedback. I har erfaring med tværfaglige teams.

Brug det. Lad være med at opfinde et nyt framework til AI-adoption. Tag det framework, I allerede kender, og tilpas det.

Start med ét team. Én use case. Én sprint. Lær. Justér. Gentag.

Det er vejen fra Scrum til AI-ready.

Og det starter mandag morgen.