Jonas Hasselberg beskriver i DI Debatt hur AI-verktyg och integrationer kan leva kvar utan att någon har överblick över dem eller ansvarar för deras livscykel. Kartläggning, återkommande granskning och avveckling av verktyg som saknar syfte är därför viktiga delar av en fungerande AI-styrning.
Men när en organisation upptäcker skugg-AI bör nästa fråga vara varför verktyget började användas från början. Ofta försöker en medarbetare lösa ett konkret problem som de befintliga systemen, verktygen eller processerna hanterar dåligt. En säljare vill hitta information snabbare, en controller vill minska det manuella arbetet eller en analytiker söker ett enklare sätt att förstå data.
Skugg-AI kan därför vara en obekväm men värdefull signal om att företagets formella AI-arbete styrs alltför mycket uppifrån. Ledningen kan ha valt verktyg, satt regler och prioriterat centrala användningsfall, samtidigt som andra behov växer fram i den dagliga verksamheten. Om människor återkommande söker egna vägar är det också en återkoppling på vilka behov den officiella AI-strategin ännu inte fångar upp.
Studier visar att AI-användning inte enbart sprids genom centrala beslut. En amerikansk NBER-studie, baserad på data från Census Bureau, visar både spridning uppifrån och underifrån, där medarbetare kan använda AI i sina arbetsuppgifter även när tekniken ännu inte har införts formellt på företagsnivå. Det är inte samma sak som skugg-AI, men det visar att den faktiska användningen kan utvecklas snabbare än organisationens formella införande.
För ledningen blir uppgiften därför att skilja den riskfyllda användningen från behovet bakom den. Medarbetarna befinner sig nära arbetsuppgifterna och känner ofta friktionen i processerna bättre än den centrala IT-avdelningen. En egeninitierad AI-lösning kan därför peka ut ett användningsfall som är värt att undersöka även om själva verktyget eller sättet det används på aldrig bör godkännas.
AI-styrningen behöver därför fungera i båda riktningarna. Uppifrån behövs tydliga ramar för säkerhet, data, ansvar och vilka verktyg som får användas. Underifrån behöver organisationen systematiskt kunna fånga upp behov, problem och fungerande arbetssätt i verksamheten.
Det behövs, med andra ord, en kontrollerad väg från informell användning till ett bedömt användningsfall. IT- och säkerhetsfunktionerna behöver kunna bedöma teknik, integrationer och risker, medan verksamheten måste kunna förklara vilket problem som löses och vilken effekt lösningen kan ha. Därefter går det att avgöra om arbetssättet bör stoppas, förändras eller fortsätta inom en godkänd miljö.
Verksamhetseffekten behöver också mätas. Licenser, inloggningar och genomförda utbildningar är enkla att räkna på, men säger lite om värdet. Mer relevant är om arbetet går snabbare, kvaliteten förbättras, manuella moment minskar eller om organisationen kan åstadkomma mer med samma resurser.
Alla lokala lösningar kommer förstås inte att vara värda att ta vidare. Olika roller har olika behov och ett arbetssätt som fungerar för en utvecklare kan vara irrelevant för en ekonom. Det viktiga är att organisationen har förmågan att skilja osäkra genvägar från användningsfall som löser verkliga problem och har potential att skapa ett bredare värde för verksamheten.
Hasselbergs fråga om vilka AI-verktyg som redan har tillgång till företagets data hör därför hemma i styrelserummet. Men ledningen bör ställa ytterligare två frågor: vilket problem försökte medarbetaren lösa och varför fångades behovet inte upp av organisationens ordinarie AI-strategi? Då blir skugg-AI också en källa till kunskap om var styrningen, verktygen eller processerna behöver utvecklas.
Företag som kan kombinera kontroll uppifrån med lärande underifrån får bättre förutsättningar att hitta de användningsfall där AI faktiskt skapar värde. Målet är att fånga upp dem tidigt, hantera riskerna och föra det som fungerar ur skuggan in i en säker, styrd och mätbar del av verksamheten.
Jonas Olsson, Nordenchef, Nagarro