Utveckla egna verktyg eller använda färdiga?
En viktig fråga i arbetet med AI-drivna affärsmodeller är om man ska utveckla egna digitala lösningar eller använda befintliga verktyg. Om affärsidén är att sälja egna AI-verktyg är valet självklart och många av affärsmodellerna som utvecklades i workshopserien byggde på egna verktyg. Det har fördelen att företaget äger sina egna digitala nyckelresurser, vilket möjliggör nya intäktsströmmar och gör att man kan anpassa verktygen exakt till sin verksamhet. Samtidigt kan de initiala kostnaderna bli höga och risken ökar. En rapport från MIT (Challapally, Pease, Raskar, & Chari) konstaterar att endast 5% av företagen gör vinst på sina investeringar i generativ AI. Även om graden av implementering är hög, är graden av disruption låg.
Hur ska man då tänka för att hamna bland vinnarna?
Framgångsfaktorer enligt MIT-rapporten är bland annat att:
- Undvika generella verktyg och i stället satsa på lösningar som integreras i arbetsflöden och anpassar sig till sammanhanget.
- Skala upp från smala men värdefulla nischer.
- Arbeta med dynamiska och självlärande AI-modeller i stället för statiska
Erfarenhet från digital transformation i andra branscher säger att traditionella företag ofta saknar den kultur, struktur och innovationshöjd som krävs för att lyckas med egen utveckling. (Syamsuddin, Marsudi, Hasanuddin, Umar, & Suprayitno, 2024)
När är det klokt att använda befintliga verktyg – och när finns det skäl att utveckla själv? Så här sade respondenterna i våra intervjuer
Att använda verktyg som redan finns på marknaden innebär både låg tröskel och låg risk. Alla vi intervjuade var eniga om att detta oftast är förstahandsvalet eftersom de flesta arkitekt- och teknikkonsultbolag inte har den kultur, struktur och innovationshöjd som krävs för att lyckas med egen utveckling. Samtidigt blir möjligheterna att anpassa verktygen till företagets behov begränsade och man blir i viss mån utlämnad till leverantörernas plattformar och affärslogik.
Tips till dig som planerar att använda befintliga verktyg
- Se till att vara en kompetent beställare – förstå vad verktyget kan och inte kan.
- Bygg förståelse i ledningen och skapa en tydlig kravbild.
- Outsourca vidareutveckling och anpassningar, men styr dem mot era egna behov.
- Undvik att binda upp er i dyra, omogna eller alltför storskaliga lösningar som inte går att anpassa.
Att utveckla egna AI-verktyg eller plattformar är mer riskfyllt, men det kan ge tillgångar som differentierar företaget på sikt och öppna för nya intäktsströmmar. Rådet från intervjuerna var att göra detta när färdiga lösningar saknas på marknaden, eller om man vill skapa något som kan säljas även utanför de egna projekten – till exempel som licensierad programvaror eller SaaS-tjänster. Förutom höga initialkostnader och stor risk utsätter man sig också för konkurrens från etablerade tech-aktörer.
Tips till dig som vill utveckla egna verktyg
- En unik AI kräver unika träningsdata – se till att ni har tillgång till relevanta dataset.
- Egenutveckling kräver AI-kompetens.
- Det är dubbelt så vanligt att lyckas med sin AI-satsning om man köper in extern kompetens än om man utvecklar helt själv. (Challapally, Pease, Raskar, & Chari)