Styring og kontekst afgør AI-succes

Jonathan Alboum er tidligere CIO for USDA og nuværende føderale CTO hos ServiceNow, som fungerer som kontroltårn for AI-drevet transformation i den offentlige sektor.

Vi satte os ned med Jonathan for at høre, hvordan AI ændrer teknologisk ledelse i den offentlige sektor. Her er, hvad han havde at sige.

Nye værktøjer til en gammel udfordring

Jeg fungerer som føderal CTO hos ServiceNow, hvor jeg samarbejder med føderale myndigheder om at levere digitale arbejdsgange, der forbedrer oplevelser og frigør produktivitet. Gennem hele min karriere har jeg konsekvent fokuseret på at udnytte teknologi til at styrke medarbejdere og kunder, så de kan blive mere effektive i deres arbejde og levere vigtige supporttjenester.

Jeg begyndte dette arbejde i det offentlige, hvor jeg havde ledende stillinger, herunder som vice-CIO og CIO for Føde- og Ernæringstjenesten i landbrugsministeriet samt senere som CIO for hele USDA. Jeg var også direktør hos GSA, hvor jeg stod i spidsen for oprettelsen af dets konsoliderede IT-organisation. 

Det, der har ændret sig over tid, er værktøjskassen. I dag bygger AI videre på IT's grundlæggende forventninger — at levere bedre tjenester, forbedrede oplevelser og større effekt for organisationens formål — samtidig med at der åbnes for nye muligheder for effektivisering og transformation.

Jeg har fokuseret på at anvende disse nye værktøjer på en velkendt udfordring: at skabe overensstemmelse mellem teknologi, mennesker og processer for at hjælpe myndigheder med at opfylde deres formål mere effektivt.

En anderledes teknologiorganisation

Vores føderale team hos ServiceNow har en anden tilgang end en traditionel teknologiorganisation. I stedet for en centraliseret produktudviklingsgruppe har vi et team af løsningskonsulenter, som arbejder tæt sammen med vores kunder og kundeteams for at levere skræddersyede resultater.

De sikrer, at vores teknologier og funktioner er velforståede, designer løsninger, der fungerer effektivt inden for en specifik myndighed eller organisation, og forbinder systemer, mennesker og processer, så platformen leverer reelle resultater.

ServiceNow fungerer som kontroltårn for AI-drevet transformation i den offentlige sektor. Vi forbinder adskilte systemer og organisationer og bruger vores platformfunktioner, herunder AI, til at skabe resultater. Men det fungerer kun, hvis implementeringen sker med en klar arkitektur, stærk styring og overensstemmelse med organisationens formål.

Hvorfor AI understøtter driftsbeslutninger, men mennesker leder

Vi bruger AI til daglige driftsbeslutninger: intelligent dirigering af hændelser, identificering af mønstre i supportsager, automatisk generering af vidensartikler og forslag til automatisering af opgaver i opgavekøen.

Mennesker træffer dog de afgørende beslutninger om blandt andet arkitektur, sikkerhedsgennemgange og overordnet styring. Disse kræver vurderinger af risiko, effekt for organisationens formål, overholdelse af regler og langsigtet strategi, som modeller ikke fuldt ud kan opfange.

AI fremskynder altså forståelsen af, hvad der sker, og hvad vi kan gøre, men mennesker bevarer ansvaret for, hvad vi bør gøre, og under hvilke rammer.

Sådan forbedrer AI servicekvaliteten

Vi har set de største gevinster inden for automatisering, hastighed og servicekvalitet — omkring 90% af IT-anmodningerne i vores “Now on Now”-miljø håndteres autonomt, hvilket reducerer gennemløbstiderne og frigør ingeniører til arbejde med større værdi.

AI forbedrer også overblikket ved at identificere mønstre på tværs af arbejdsgange.

Hvorfor AI mislykkes uden styring og organisatorisk kontekst

AI leverer utilstrækkelige resultater, når den implementeres i siloer. Uden et samlende lag mangler organisationer indsigt i ydeevne, compliance og den reelle effekt. Isolerede initiativer, især dem der ikke er forbundet fra ende til anden på tværs af virksomheden, skaber sjældent meningsfuld værdi.

AI har også vanskeligt ved at fungere uden tilstrækkelig organisatorisk kontekst. For at være effektiv skal den forstå, hvordan arbejdet foregår på tværs af systemer, arbejdsgange og data. En samlet tilgang med ét samlet overblik giver denne synlighed, sikrer compliance og frigør i sidste ende AI's fulde potentiale.

AI leverer også utilstrækkelige resultater uden ordentlig styring. Organisationer skal prioritere styring tidligt på deres AI-rejse. Man kan ikke lægge den ovenpå bagefter, så byg den ind fra dag ét, helst gennem et kontroltårn til AI for at sikre ensartethed, compliance og ydeevne.

Hvorfor AI uden arbejdsgange blot er dyr rådgivning

Alle CTO'er bør forstå, at AI uden arbejdsgange og styring blot er dyr rådgivning.

Den reelle værdi kommer ikke fra at tilføje en model ved siden af; den kommer fra at integrere AI i de arbejdsgange, data og kontroller, der driver din virksomhed eller mission, og behandle den som en styret platformskapacitet fra dag ét.

Hvis man starter med punktløsninger, fører det til fragmentering, huller i sikkerhed og compliance samt begrænset effekt.

Jonathans tanker

Alle CTO’er bør forstå, at AI uden arbejdsgange og styring blot er dyr rådgivning.

Hvordan en agentbaseret plan muliggør autonom udførelse

En AI-drevet ingeniørarbejdsgang, der er bygget på en agentorkestrator, kan koordinere flere agenter, så de fuldfører komplekse opgaver fra ende til anden. Den bør følge en ramme med "sans, beslut, handl, sikr": Agenter sanser først ved at indhente data og kontekst; derefter træffer de beslutninger ved at anvende modeller og logik; og så handler de ved at udføre opgaver på tværs af systemer.

Denne agentbaserede plan integrerer sikkerhed og styring gennem hele processen, sikrer compliance, synlighed og kontrol i hvert trin og gør det muligt for teams at gå fra manuelt, fragmenteret arbejde til koordineret, autonom udførelse.

Hvordan viden og datakvalitet påvirker AI-resultater

Undervurder aldrig betydningen af datafundamentet, da AI's effektivitet afhænger direkte af kvaliteten af de data, den bruger. Uden høj datakvalitet og synlighed er resultaterne inkonsistente.

AI-agenter producerer upålidelige resultater, når viden er fragmenteret eller forældet, da de er afhængige af nøjagtige og tilgængelige data. Centralisering og styring af viden — samtidig med at AI bruges til at identificere huller og forældet indhold — skaber et stærkere fundament for ensartede resultater af høj kvalitet.

Dette gælder især i den offentlige sektor, hvor viden ofte findes på tværs af ældre systemer, institutionel ekspertise og ufuldstændig dokumentation. I et AI-drevet miljø er agenter kun så effektive som den viden, de kan få adgang til.

Jeg håndterer dette ved at integrere AI i et samlet datafundament for arbejdsgange, så agenter kan tilgå pålidelige og opdaterede oplysninger og levere mere nøjagtige og ensartede resultater.

Hvorfor reel effekt kræver en integreret AI-strategi

Så mit råd til tekniske ledere er at fokusere på at opbygge et operativsystem til den agentbaserede virksomhed ved at integrere AI i kerneaktiviteterne i stedet for at føje det til bagefter. Det kræver en samlet platformstilgang på tværs af data, sikkerhed og identitet samt integrering af styring fra dag ét.

Isolerede AI-initiativer kan ikke skaleres; den reelle effekt kommer fra en integreret strategi fra start til slut.

Det betyder også, at man skal satse på stærke økosystempartnerskaber og skabe en samlet indgang — såsom MoveWorks — for at gøre interaktionen med AI mere intuitiv.

Når organisationer implementerer dette holistisk, kan de reducere risici, bevare tilliden og skalere værdien på tværs af virksomheden.

Følg med

Du kan følge Jonathans arbejde på LinkedIn.

Der kommer flere ekspertinterviews på The CTO Club!