AI-kompetansegapet vokser der erfaringen ikke bygges

Forrige uke skrev vi i AI Value Lab Oslo, med utgangspunkt i Erlend Rosseland Stokkes poeng i digi.no, om en AI-mangel som kan bli mer krevende enn mange ser nå.

Ikke mangel på teknologi.
Ikke mangel på verktøy.
👉 Men mangel på mennesker og miljøer som har fått AI til å fungere i praksis.

Stokke peker på en selvforsterkende sirkel. Virksomheter blir stående i pilotmodus fordi de mangler folk med reell erfaring. Samtidig bygges erfaring først når noen får ta AI fra pilot til produksjon.

På Digital Norways tech-frokost tirsdag, om AI-adopsjon i Equinor og Telenor, fikk jeg samme poeng bekreftet fra en annen vinkel.

Mange virksomheter følger i realiteten ett av to spor.

🔁 Det ene er pilotmodus. Mange diskusjoner. Mye verktøyfokus. Nye tester. Men begrenset bevegelse. Man lærer litt, men ikke nok til å bygge trygghet, gjennomføringsevne og praktisk modenhet.

📈 Det andre er å bygge kompetanse gjennom reelle use cases. Da flyttes læringen inn i arbeidsprosesser, kundeopplevelse, data, governance, samarbeid og leveranser. Kompetanse blir ikke bare noe man snakker om. Den bygges gjennom bruk, justering og ansvarlig implementering.

Det var interessant hvor tett dette ble koblet til kommersiell verdi.

Telenor viste attraktive AI-områder innen:
💥 B2B-salg og go-to-market
💥 Kundevekst og kundebevaring
💥 Kundeservice og kundeoppfølging

Dette er ikke perifere AI-områder, men arbeidsflyter med høy gjennomførbarhet og høy verdi. Det er kjernen i kommersielle prosesser, kundereiser og verdiskaping.

For meg treffer dette godt med min kommersielle ledererfaring og det jeg utforsker gjennom praktiske AI-prosjekter.

Et annet sterkt poeng fra Telenor var at AI ikke bare bør legges oppå dagens arbeidsflyter. Da blir gevinstene ofte inkrementelle. Når arbeidsflytene redesignes rundt AI, kan gevinstene bli strukturelle.

Telenor viste en enkel, men treffsikker formel for AI-verdi:

Annual net value = Baseline × AI delta × Adoption × Confidence − Build & run cost

Den flytter diskusjonen fra teknologisk potensial til operativ realisme. Adopsjon, tillit, kvalitet og kostnader ved å bygge, drifte og skalere.

Equinor viste samtidig betydningen av struktur, deling, læring og ansvarlig bruk.

Den virkelige AI-kompetansen bygges når mennesker jobber konkret med behov, brukeropplevelse, data, risiko, ansvar, arbeidsflyt og forretningsverdi.

Derfor har vi også etablert AI Value Lab Oslo der vi bygger praktisk forståelse for hvordan AI kan skape reell verdi.

Spørsmålet er ikke bare om virksomheter bruker AI. Spørsmålet er hvilket spor de faktisk bygger kompetanse i. 💯

#AIKompetanse #KommersiellLedelse #DigitalTransformasjon #PraktiskAI