Styring og kontekst avgjør om kunstig intelligens lykkes

Jonathan Alboum er tidligere CIO i USDA og nåværende føderale teknologidirektør i ServiceNow, som fungerer som et kontrolltårn for AI-drevet transformasjon i offentlig sektor.

Vi satte oss ned med Jonathan for å lære hvordan AI endrer teknologiledelse i offentlig sektor. Her er det han hadde å si.

Nye verktøy for en gammel utfordring

Jeg er føderal teknologidirektør i ServiceNow, der jeg samarbeider med føderale etater om å levere digitale arbeidsflyter som forbedrer opplevelser og frigjør produktivitet. Gjennom hele karrieren har jeg konsekvent fokusert på å utnytte teknologi for å styrke ansatte og kunder, slik at de kan bli mer effektive i arbeidet sitt og levere viktige støttetjenester.

Jeg begynte med dette arbeidet i offentlig sektor, der jeg hadde ledende stillinger, blant annet som assisterende CIO og CIO for Food and Nutrition Service i Landbruksdepartementet, og senere som CIO for hele USDA. Jeg var også leder i GSA, der jeg ledet opprettelsen av organisasjonens konsoliderte IT-organisasjon. 

Det som har endret seg over tid, er verktøykassen. I dag bygger AI videre på ITs grunnleggende forventninger — å levere bedre tjenester, forbedrede opplevelser og større effekt for samfunnsoppdraget — samtidig som teknologien åpner nye muligheter for effektivisering og transformasjon.

Jeg har fokusert på å ta i bruk disse nye verktøyene for å løse en velkjent utfordring: å samordne teknologi, mennesker og prosesser for å hjelpe etater med å oppnå samfunnsoppdragene sine mer effektivt.

En annerledes type teknologiorganisasjon

Det føderale teamet vårt i ServiceNow har en annen tilnærming enn en tradisjonell teknologiorganisasjon. I stedet for en sentralisert produktutviklingsgruppe har vi et team med løsningskonsulenter som arbeider tett med kundene og kundeteamene våre for å levere tilpassede resultater.

De sørger for at teknologiene og funksjonene våre blir godt forstått, utformer løsninger som fungerer effektivt i en bestemt etat eller organisasjon, og kobler sammen systemer, mennesker og prosesser slik at plattformen leverer reelle resultater.

ServiceNow fungerer som kontrolltårnet for AI-drevet transformasjon i offentlig sektor. Vi kobler sammen ulike systemer og organisasjoner og bruker plattformfunksjonene våre, inkludert AI, til å skape resultater. Men dette fungerer bare hvis utrullingen skjer med en tydelig arkitektur, solid styring og samsvar med målene for samfunnsoppdraget.

Hvorfor AI informerer operative beslutninger, men mennesker leder

Vi bruker AI til daglige operative beslutninger: intelligent ruting av hendelser, identifisering av mønstre i saker, automatisk generering av kunnskapsartikler og forslag til automatisering av oppgaver i backloggen.

Mennesker leder imidlertid kritiske beslutninger som arkitektur, sikkerhetsgjennomganger og overordnet styring. Disse krever vurdering av risiko, innvirkning på samfunnsoppdraget, etterlevelse og langsiktig strategi som modeller ikke kan fange opp fullt ut.

AI gjør det altså raskere å forstå hva som skjer og hva vi kan gjøre, men mennesker beholder ansvaret for hva vi bør gjøre og innenfor hvilke rammer.

Hvordan AI forbedrer tjenestekvaliteten

Vi har sett de største gevinstene innen automatisering, hastighet og tjenestekvalitet — omtrent 90 % av IT-forespørslene i «Now on Now»-miljøet vårt håndteres autonomt, noe som reduserer behandlingstiden og frigjør ingeniører til arbeid med høyere verdi.

AI forbedrer også oversikten ved å avdekke mønstre på tvers av arbeidsflyter.

Hvorfor AI mislykkes uten styring og organisatorisk kontekst

AI leverer ikke som forventet når det tas i bruk i siloer. Uten et samlende lag mangler organisasjoner innsikt i ytelse, etterlevelse og faktisk effekt. Isolerte initiativer, særlig de som ikke er koblet sammen fra ende til ende på tvers av virksomheten, skaper sjelden meningsfull verdi.

AI har også problemer uten tilstrekkelig organisatorisk kontekst. For å være effektiv må den forstå hvordan arbeidet foregår på tvers av systemer, arbeidsflyter og data. En enhetlig tilnærming med ett samlet overblikk gir denne innsikten, sikrer etterlevelse og frigjør til syvende og sist AIs fulle potensial.

AI leverer heller ikke som forventet uten riktig styring. Organisasjoner må prioritere styring tidlig i AI-reisen. Det kan ikke legges på i etterkant, så bygg det inn fra dag én, ideelt gjennom et kontrolltårn for AI for å sikre konsistens, etterlevelse og ytelse.

Hvorfor AI uten arbeidsflyter bare er dyre råd

Alle teknologidirektører bør forstå at AI uten arbeidsflyt og styring bare er dyre råd.

Den virkelige verdien kommer ikke fra å legge til en modell ved siden av; den kommer fra å bygge AI inn i arbeidsflytene, dataene og kontrollene som driver virksomheten eller oppdraget ditt, og behandle det som en styrt plattformfunksjon fra dag én.

Å starte med punktløsninger fører til fragmentering, sikkerhets- og etterlevelsesgap og begrenset effekt.

Jonathans tanker

Alle teknologidirektører bør forstå at AI uten arbeidsflyt og styring bare er dyre råd.

Hvordan en agentisk plan muliggjør autonom utførelse

En AI-drevet teknisk arbeidsflyt bygget på en agentorkestrator kan koordinere flere agenter for å fullføre komplekse oppgaver fra ende til ende. Den bør følge et «registrere, beslutte, handle, sikre»-rammeverk: Agentene registrerer først informasjon ved å hente inn data og kontekst; deretter beslutter de ved å ta i bruk modeller og logikk; og så handler de ved å utføre oppgaver på tvers av systemer.

Denne agentiske planen bygger inn sikkerhet og styring gjennom hele prosessen, sikrer etterlevelse, innsikt og kontroll i hvert trinn, og gjør det mulig for team å gå fra manuelt, fragmentert arbeid til koordinert, autonom utførelse.

Hvordan kunnskaps- og datakvalitet påvirker AI-resultatet

Undervurder aldri betydningen av datafundamentet, ettersom AIs effektivitet avhenger direkte av kvaliteten på dataene den bruker. Uten god datakvalitet og innsikt blir resultatene inkonsekvente.

AI-agenter produserer upålitelige resultater når kunnskapen er fragmentert eller utdatert, ettersom de er avhengige av nøyaktige og tilgjengelige data. Sentralisering og styring av kunnskap – samtidig som AI brukes til å avdekke mangler og foreldet innhold – skaper et sterkere grunnlag for konsistente resultater av høy kvalitet.

Dette gjelder særlig i offentlig sektor, der kunnskap ofte finnes på tvers av eldre systemer, institusjonell ekspertise og ufullstendig dokumentasjon. I et AI-drevet miljø er agentene bare så effektive som kunnskapen de har tilgang til.

Jeg løser dette ved å bygge AI inn i en enhetlig datafabrikk for arbeidsflyter, slik at agentene kan hente pålitelig og oppdatert informasjon og levere mer nøyaktige og konsistente resultater.

Hvorfor reell effekt krever en integrert AI-strategi

Så mitt råd til teknologiledere er å fokusere på å bygge et operativsystem for den agentiske virksomheten ved å integrere KI i kjernevirksomheten i stedet for å koble den på i etterkant. Dette krever en enhetlig plattformtilnærming på tvers av data, sikkerhet og identitet, med styring integrert fra dag én.

Isolerte KI-initiativ vil ikke skalere; den virkelige effekten kommer fra en helhetlig, integrert strategi.

Dette innebærer også å satse på sterke partnerskap i økosystemet og å skape en samlet inngangsport — for eksempel MoveWorks — som gjør samhandlingen med KI mer intuitiv.

Når dette implementeres helhetlig, kan organisasjoner redusere risiko, opprettholde tillit og skalere verdien på tvers av virksomheten.

Følg med

Du kan følge Jonathans arbeid på LinkedIn.

Flere ekspertintervjuer kommer på The CTO Club!