Fra AI-demo til faktisk verdi: Slik lykkes dere med AI i praksis
Det er blitt enklere å lage imponerende AI-demoer. Å bygge løsninger som faktisk fungerer over tid, er noe helt annet. Michael Nordmo, partner og CTO i Spinner, deler erfaringer fra AI-utvikling og fra oppdrag gjennom Folq hos Sikri og Oda – og hva han mener virksomheter bør tenke på før de investerer i AI.
En AI-prototype kan se lovende ut etter kort tid. Men når teknologien skal inn i viktige arbeidsprosesser, må den fungere sammen med eksisterende systemer, håndtere uventede situasjoner og fortsette å virke over tid. Det er her mye av det krevende arbeidet begynner.
Spinner ønsker å bygge det Nordmo kaller «AI som tåler hverdagen». Han mener det er viktigere å løse reelle problemer og skape verdi for virksomheten enn å lage teknisk imponerende løsninger som blir stående på demostadiet.
Nordmo trekker frem Max Kanat-Alexanders skille mellom engangsprogramvare (disposable) og varig programvare (durable). Med AI-verktøy har engangsprogramvare blitt en egen kategori. Den lages og erstattes på timer, og få er avhengige av den. Virker den ikke, lager man bare en ny. En demo er typisk engangsprogramvare. Varig programvare lever i årevis, mange er avhengige av den, og feil kan få store konsekvenser. Den krever fortsatt det den alltid har krevd: grundig testing, tydelig eierskap, løpende vedlikehold og godt håndverk innen både programvare- og produktutvikling.
Men når løsningen selv bygger på AI, kommer en utfordring vanlig programvare ikke har.
– Det er lett å få AI til å lage et svar for deg. Det vanskelige er å vite om du kan stole på svaret AI gir deg.
Tradisjonell programvare gjør det samme hver gang, og du kan teste at den gjør det den skal. En AI-modell kan svare forskjellig på samme spørsmål og ta feil på en overbevisende måte. Derfor trenger varige AI-løsninger i tillegg systematisk evaluering av hvor ofte svarene faktisk er riktige.
Fra AI-hype til konkrete behov
Når Nordmo får spørsmål om hvor han ville begynt som CTO i en virksomhet som ønsker å bruke mer AI, kommer svaret raskt:
– Begynn med problemet, ikke løsningen.
Han skiller mellom å kjøpe ferdige AI-verktøy, som Copilot, Claude og andre SaaS-tjenester, og å bygge egne AI-løsninger. Ferdige verktøy kan gi store produktivitetsgevinster, men de er laget for mange og tilgjengelige for alle. Egne løsninger kan skreddersys til virksomhetens systemer, arbeidsprosesser, fagkunnskap og kvalitetskrav. Det er særlig det siste Nordmo jobber med. Her må bedriften selv identifisere hvilke prosesser som er viktige, og hva den ønsker å forbedre.
De som kjenner kunder, arbeidsoppgaver og forretningsmodell, har ofte bedre forutsetninger for å finne de riktige mulighetene enn en ekstern teknolog. Deres forretningsforståelse og domenekompetanse er avgjørende for å skape egne AI-løsninger som gir konkurransefortrinn. Nordmo anbefaler å vurdere forretningsverdi, nytte for brukerne og teknisk gjennomførbarhet samlet. Et tverrfaglig team trenger både domeneeksperter og mandat til å ta beslutninger.
– Jeg foretrekker å eksperimentere raskt gjennom MVP-er og se hva effekten blir, fremfor å gjette.
Begynn gjerne med noe overkommelig som kan testes i praksis. Det gir læring til hele organisasjonen, samtidig som man finner ut hvilke antakelser som stemmer. Nordmo advarer mot å bruke store ressurser på felles AI-infrastruktur før man vet hvilke løsninger den skal støtte.
– Ikke begynn med plattform først!
Rådet er å utvikle nødvendig infrastruktur parallelt med konkrete AI-løsninger. Da blir tekniske investeringer styrt av faktiske behov, mens teamet kan levere og lære underveis. Det betyr ikke at sikkerhet og eksisterende systemer kan ignoreres – en viss teknisk modenhet må være på plass.
Hos Sikri blir AI-kompetansen en del av produktteamet
Sikri er et eksempel på hvordan dette arbeidet kan se ut. Selskapet har et sterkt teknologimiljø og har allerede eksperimentert en del med AI. Nå utvikler de en byggesaksassistent som skal bli en del av systemet for byggesaksbehandling. Assistenten skal bruke informasjon fra dokumenter, skjemaer og bilder i byggesaken til å foreslå hvordan punkter i byggesakssjekklisten kan krysses av, med kilde, begrunnelse og en score for hvor pålitelig forslaget er. Teamet bygger ut løsningen punkt for punkt, prioritert etter verdi og hvor enkelt hvert punkt lar seg automatisere.
Sikri hadde mye å gjøre og ønsket både spesialistkompetanse innen AI og økt kapasitet i utviklingen. De publiserte oppdraget selv i Folq-plattformen. Første interessemelding kom etter 18 minutter. Gjennom Folq ble 425 konsulenter fra 207 konsulentselskaper varslet om oppdraget. Totalt meldte 23 unike konsulenter interesse, og Folq vurderte fem av dem nærmere internt. 20 dager etter publiseringen var Nordmo fra Spinner på plass som AI tech lead. Han er med på å utvikle assistenten og etablere felles AI-infrastruktur hos Sikri.
Vi var ute etter noen som først og fremst var fokusert på å levere verdi til våre kunder, og der AI er et av flere verktøy for å oppnå det. Michael traff 100% på nettopp dette. Han hadde også en klar strategi for hvor han ville starte og hvordan han ville bryte ned problemet i håndterlige biter. Han hadde en veldig god forståelse for hvor han best kunne bidra, og hvor han hadde mest å hente fra de andre i teamet
Nordmo arbeider sammen med , og . Teamet samarbeider også tett med en domeneekspert som har jobbet som byggesaksbehandler i mange år. Den fagkunnskapen er viktig for å forstå hva assistenten faktisk må kunne hjelpe til med.
– Kompetanse blir overført gjennom tett samarbeid.
For Nordmo er dette også en viktig del av verdien ved et konsulentoppdrag. Ansvaret ligger hos hele teamet, og kunnskapen deles gjennom å jobbe sammen, stille spørsmål og hjelpe hverandre – ikke gjennom at en ekstern spesialist bygger noe på egen hånd.
Nordmo har også vært i oppdrag som seniorutvikler hos Oda gjennom Folq i 2026. Oppdraget omfattet blant annet Python/FastAPI og React. Det var en annen type oppdrag enn AI-arbeidet hos Sikri, men Nordmo fremhever et fellestrekk: Begge virksomhetene har modne produktmiljøer der mennesker med ulike fagbakgrunner samarbeider tett om å utvikle løsninger ingen av dem kunne løst like godt alene.
Mål effekten, ikke bare det som blir bygget
Nordmo bruker prinsippet «outcomes over outputs». For ham er spørsmålet ikke hvor mange funksjoner teamet har utviklet, men hva som faktisk blir bedre for brukerne eller virksomheten. Hvilke måltall som er relevante, avhenger av problemet som skal løses.
For byggesaksassistenten hos Sikri er målet kortere saksbehandlingstid. Hypotesen er at saksbehandlere som bruker assistenten, bruker mindre tid enn de som ikke gjør det. Et annet mål er færre tvister og klager knyttet til vedtak. Det er fortsatt for tidlig å vite om løsningen vil gi disse effektene.
– Hvis det viser seg å være tilfellet, blir det jubel!
Underveis må teamet også vurdere hvor korrekte og pålitelige svar assistenten gir. Når AI tas i bruk i en sentral forretningsprosess, finnes det ofte allerede måltall for kvalitet, tidsbruk eller produktivitet som kan brukes for å se om den skaper verdi.
Hvorfor stopper AI-prosjekter opp?
I Nordmos erfaring stopper AI-prosjekter ofte når forankringen er for svak – mellom ledelsesnivåer eller på tvers av fagmiljøer. Skal en organisasjon endre hvordan den jobber, trenger den et felles mål og folk som faktisk har ansvar for å gjennomføre endringene.
En imponerende demo kan dessuten skape et feilaktig inntrykk av at løsningen nesten er ferdig. I virkeligheten kan det gjenstå mye arbeid med kvalitet, integrasjoner, testing og drift. For ikke å snakke om fremtidig vedlikehold og videreutvikling. I større virksomheter er samarbeid med sikkerhets-, plattform- og produktmiljøene en nødvendig del av dette arbeidet.
– Start smått, få det helt ut til sluttbruker og test og evaluer fra start.
Å teste med faktiske brukere tidlig gjør det enklere å oppdage feil, uventede spørsmål og behov man ikke så på forhånd. Det er særlig viktig med AI, der det kan være vanskelig å forutse alle situasjoner løsningen vil møte når den tas i bruk.
Nordmo mener også at teamet som utvikler løsningen, bør ha ansvar for å eie og forvalte den videre. Vedlikehold kan koste mer enn implementeringen. Og dersom teknologien fungerer, gjenstår ofte en minst like krevende oppgave: å få ledere og medarbeidere til å endre etablerte arbeidsprosesser.
Når spesialistkompetanse styrker teamet
Oppdraget hos Sikri viser hvordan en erfaren AI-spesialist kan supplere et sterkt internt fagmiljø i en periode med konkrete utviklingsbehov. Nordmo kommer inn med kompetanse og kapasitet, men arbeidet og ansvaret deles med Sikris egne folk. Erfaringene han trekker frem fra Oda peker på det samme: Tverrfaglig samarbeid er avgjørende.
Nordmo har fått oppdrag hos både Sikri og Oda gjennom Folq. Folq er en markedsplass for IT-konsulenter som hjelper virksomheter med å finne relevant spesialistkompetanse. Med over 3 000 konsulenter i nettverket, AI-støttet matching og oppfølging gjennom prosessen finner vi de beste kandidatene som passer det konkrete behovet. Vi har ingen egne konsulenter å prioritere.
Det er også kjernen i det Nordmo ønsker å få til gjennom Spinner: å bygge løsninger som ikke bare demonstrerer hva AI kan gjøre, men som skaper verdi når teknologien blir en del av hverdagen.
Trenger dere AI-kompetanse eller andre IT-spesialister til et konkret prosjekt? Fortell oss om behovet deres, så hjelper vi dere å finne riktig kompetanse.