Kunstig intelligens handler ikke først og fremmest om teknologi – men om strategi, kultur og data.
Det siger Jennifer Belissent, Principal Data Strategist hos Snowflake, i et eksklusivt interview under et brancheevent i Europa.
Og hendes budskab til virksomheder og beslutningstagere er klart: Nu er det slut med eksperimenter. AI skal bevise sit værd.
Fra hype til handling: Nu skal AI vise sit værd
Jennifer Belissent, Principal Data Strategist hos Snowflake
– “Vi er forbi hypen nu,” siger Jennifer. “Virksomhederne er gået fra at eksperimentere til at implementere – og nu er det tid til at levere resultater. 2025 er året, hvor alle siger: ‘Vis mig pengene’.”
Det er også titlen på hendes seneste initiativ – “The Year of Show Me the Money” – hvor fokus er at hjælpe organisationer med at måle, spore og dokumentere værdien af deres AI-investeringer. Hun har i den forbindelse udarbejdet både en e-bog om værdiskabelse og en liste over 50 dataledere, som sætter standarden i 2025.
AI hviler på en solid datastrategi
Jennifer Belissent er tydelig: Uden kontrol over dine data, er det umuligt at bygge robust og pålidelig AI. At udvikle AI uden datagrundlag svarer til at forsøge at bygge en skyskraber uden fundament.
– “For at undgå hallucinationer og bias skal vi sikre datadiversitet – det handler om at træne modeller på så meget relevant og varieret data som muligt: struktureret, ustruktureret, tredjepartsdata og endda syntetisk data,” forklarer hun.
Snowflake tilbyder platformstøtte til netop dette via løsninger som Cortex Search, Knowledge Extensions og Horizon Catalog, der gør det muligt at integrere eksterne datakilder og open source-løsninger.
Her vokser AI hurtigst – internt før eksternt
På spørgsmålet om, hvor AI skaber mest værdi i dag, peger Jennifer på intern produktivitetsforbedring som det oplagte første skridt:
– “Det er nemmere og mere risikofrit at starte med AI, der hjælper egne medarbejdere – f.eks. copilots til salgs- eller udviklingsteams. Kundevendte AI-løsninger er stadig et område, hvor mange er forsigtige,” siger hun.
Virkelige eksempler på AI i praksis:
-
Pernod Ricard – AI-værktøj til at prioritere kunder, produkter og kampagner for salgsstyrken.
-
Sanofi – bruger generativ AI til at automatisere regulatoriske dokumenter – reducerer arbejdstiden fra 19 uger til få dage.
-
Siemens Energy – giver R&D-ingeniører adgang til viden fra 800.000+ tekniske dokumenter via AI.
Regulering som accelerator – ikke benspænd
I en tid hvor mange opfatter regulering som en bremseklods for innovation, har Jennifer en anden tilgang.
– “Mercedes fra Siemens Healthineers sagde til mig: ‘EU AI Act er min bedste allierede.’ Den tvinger os til at være gennemsigtige, hvilket fører til, at AI-modeller genbruges og deles på tværs af organisationen. Det fremmer både innovation og skaber FOMO – andre vil også være med,” fortæller Jennifer.
Sådan undgår du de største AI-fejl
Ifølge Jennifer er der to klassiske faldgruber:
-
For lidt eksperimentering
-
Manglende struktur i prioritering af AI-initiativer
– “Man skal turde teste bredt – gennem hackathons, sandbox-miljøer og pilots. Men det er afgørende at have en tydelig proces for, hvilke idéer der føres videre til produktion. Her skal der stilles skarpe spørgsmål: Er det strategisk vigtigt? Har vi data? Er ROI realistisk?”
Kort sagt: Byg en AI-funnel – og vær ikke bange for at sige nej til idéer, der ikke holder mål.
Jennifers bedste råd til AI-begyndere
Afslutningsvis deler Jennifer sine vigtigste råd til virksomheder, der vil i gang med AI, men ikke ved, hvor de skal begynde:
“Start med at engagere organisationen og samle idéer. Gør det nemt for medarbejdere at eksperimentere. Derefter kan I vurdere, hvad der er realistisk og strategisk vigtigt. Det er sådan, man starter en AI-rejse, der skaber reel værdi.”
- Jennifer’s author page on the Snowflake Blog
- Jennifer’s latest ebook
- Siemens Energy case study
Building a Document Chatbot Using Cortex AI at Siemens Energy
Av Annika Guldroth
