Affärstjänster säljer inte en produkt utan ett omdöme: ett råd, en analys, en second opinion. Det gör hanteringen av AI annorlunda än i sektorer där AI främst snabbar upp processer. Här berör AI direkt kärnan i yrket — själva tankearbetet, och konfidentialiteten kring vad en klient har delat för att göra det tankearbetet möjligt. En advokat som matar en språkmodell med handlingar från ett ärende, en konsult som låter en chatbot kontrollera ett utkast till analys, en revisor som låter ett externt system sammanfatta siffror: i varje fall förflyttas information som egentligen borde ha stannat innanför kontorets väggar och inom förtroenderelationen med klienten.
Förhållandet mellan vad organisationer här officiellt har köpt in och vad medarbetare faktiskt använder, är i regel inte i balans. Medan AI i sektorer med mycket operativa processer ofta rullas ut via en IT-avdelning, är trycket på råd- och juridikbyråer främst individuellt: någon med en deadline och ett AI-verktyg som arbetar snabbare än kollegan bredvid. Det gör skugg-AI här inte till ett undantag utan till ett rimligt antagande som norm — just i en sektor där tid faktureras och snabbhet belönas.
En översikt över mjukvarulicenser visar vad som har köpts in, inte vad som används. Inom affärstjänster arbetar dessutom en stor del av personalen med egna enheter, egna webbläsartillägg och egna prenumerationer på AI-tjänster som är kostnadsfria att prova. En delägare eller senior rådgivare som använder en språkmodell för att granska ett utkast till memo, syns inte i någon IT-dashboard. Ändå är just den användningen den med högst risk: den berör klientkonfidentialitet, tystnadsplikt, frågan om vem som ansvarar för vad när ett råd delvis har formats av en algoritm.
Det enda sättet att veta vad som verkligen sker är att fråga — och att fråga har bara mening om ingenting står på spel för den som svarar. En medarbetare som misstänker att erkänna AI-användning leder till ett samtal om bristande prestation, svarar nekande eller inte alls. En inventering som utgår från förtroende snarare än kontroll ger en annan bild: inte fullständig, men ärligare än en lista som bara summerar vad som är godkänt.
AI-användning i denna sektor faller inte i en enda kategori. Ett verktyg som faktakontrollerar ett juridiskt dokument bär en annan risk än ett verktyg som sammanfattar ett internt processdokument. Ett system som medskriver på ett skatterättsligt råd som går till en klient, kräver en annan typ av tillsyn än ett verktyg som ordnar mötesanteckningar. Styrning som fungerar börjar med att skilja mellan dessa roller och risknivåer, och kopplar en lämplig nivå av tillsyn till det — inte utifrån vad systemet kallas, utan utifrån vad systemet gör och för vem resultatet i slutänden är avsett.
Byråer i denna sektor har oftast redan strukturer för riskhantering: ärendegranskning, four-eyes-principer, compliance-kontroll, kvalitetskontroll. En styrningsansats för AI som står helt fristående från det blir ett extra lager som ingen tar till sig. Mer meningsfullt är en ansats som ansluter till den befintliga riskstrukturen: samma ägare, samma rapporteringslinjer, samma granskningsrytm, med AI-användning som en del av det som redan granskas snarare än ett separat spår.
En styrelseledamot eller General Counsel som får frågan hur AI-användning är säkerställd inom byrån, har liten nytta av ett allmänt intryck. Påvisbarhet kräver en dokumenterad inventering: vilka verktyg, vilken roll, vilken risknivå, vilka överenskommelser om vad som får och inte får göras med dem. Det är inte i första hand redovisning utåt — det är först och främst för styrelsen själv ett instrument för att veta vad man styr på, innan en tillsynsmyndighet, klient eller egen riskkommitté ställer frågan.
Sättet på vilket skugg-AI uppstår och sättet på vilket styrning kan anslutas till det, skiljer sig mellan sektorer. Den som vill jämföra hur frågan gestaltar sig där många system och mycket kundkontakt möts, hittar det i AI-styrning inom finansiella tjänster; den som vill se hur det ter sig i en sektor som själv bygger och använder AI-produkter kan läsa det i AI-styrning inom IT-sektorn; och för en bild av hur det fungerar hos organisationer med mycket operativ personal och lite central IT-styrning finns AI-styrning inom detaljhandeln.
En inventering av AI-användning kartlägger vad som körs och vem som använder det, men besvarar inte den fråga som kommer därefter: vilken del av själva arbetet som egentligen kan överlåtas till AI, och vilken del som inte kan det. Det är en annan beräkning, per uppgift snarare än per verktyg. FTE TO AI:s arbetsscan gör den beräkningen: per uppgift bestäms vilken del av arbetet som lämpar sig för att övertas av AI, som ett nästa steg efter den översikt som Responsible AI Scan ger.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.