AI-prosjekter &
Utvikling

Dette prosjektet er utviklet som del av prosjektoppgaven i Generative AI for Business ved BI. Skøyenåsen Tannklinikk er det konkrete caset, men hovedlæringen har ligget i å jobbe systematisk med hele AI-implementeringsreisen.

Arbeidet handlet ikke bare om å teste AI-verktøy eller utvikle digitale løsninger. Det handlet om å forstå reelt forretningsbehov, analysere kunde- og arbeidsflyt, avgrense riktig bruksområde, vurdere risiko og bygge en implementeringsplan som kan vurderes på ledernivå.

Prosjektoppgaven beskriver denne reisen gjennom problemforståelse, løsningsdesign, roadmap, teknologi, governance, personvern, ansvarlig bruk, skalering og menneskelig kontroll. I tillegg ble det levert ny digital front-end, chatbot med text og speech-to-text, støtte for seks språk, behovsavklaring, bookinglogikk, oppfølging og recall.

Den viktigste læringen er at god AI-implementering ikke starter med teknologien, men der kunder, brukere og ansatte opplever friksjon — og der AI kan skape verdi uten å overta vurderinger mennesker fortsatt bør eie. Selv om caset kommer fra tannhelse, gjelder mønsteret bredt: uklare henvendelser, manuelle kundereiser og fragmentert oppfølging finnes i mange bransjer, og gir grunnlag for videreføring mot andre klinikker og servicebedrifter.

Ta gjerne kontakt for en samtale om dine utfordringer og behov — også for virksomheter som ønsker bedre kundedialog, flyt og ansvarlig bruk av AI. Gå til kontaktskjema →

Et praktisk AI-prosjekt der jeg videreutvikler en mer agentisk arbeidsflyt for å forstå oppgaven, velge riktig prosess og omsette innsikt til konkret kommersiell handling.

Prosjektet startet som et behov for å gjøre egen kunnskapsbank mer operativ i utvikling av lederrelevant innhold. Løsningen er nå videreutviklet fra en sekvensiell innholdsapp til en mer agentisk arbeidsflyt med oppgaveforståelse, workflow-routing, differensiert kontekstbruk og forslag til neste steg.

I første versjon håndterer løsningen både innholdsarbeid og opportunity discovery. Det betyr at den ikke bare henter og strukturerer innsikt fra Notion, men også bruker en egen target-database til å prioritere relevante selskaper og strategiske kontaktpunkter, foreslå kontaktstrategi og utforme første outreach-utkast.

Det mest interessante er ikke tekstgenereringen i seg selv, men hvordan AI kan brukes til å prioritere, strukturere og drive en konkret arbeidsflyt frem mot handling. Dette er særlig relevant for salg og kommersielle miljøer som ønsker å gjøre strategi, prioritering og bearbeiding mer operativt i praksis.

Dette er ett av flere praktiske AI-prosjekter jeg bygger for å utforske hvordan teknologi kan kobles tettere til arbeidsflyt, ledelse og målbar verdi i praksis.

Et praktisk AI-prosjekt utviklet for å gjøre egen kunnskapsbank mer operativ i utvikling av faginnhold, refleksjoner og lederrelevant kommunikasjon.

Løsningen henter innsikt fra Notion, rangerer relevante kilder og bygger forslag til hovedvinkel, overskrifter, førsteutkast, hashtags, bildeidé og bildeprompt.

Målet er å redusere avstanden mellom lagret innsikt og faktisk bruk. I stedet for at kunnskap blir liggende passivt i en database, kan den raskere omsettes til strukturert innhold med tydeligere budskap og mer kommersiell gjennomslagskraft.

Dette prosjektet representerer grunnmotoren i videre utvikling, og er senere bygget videre til en mer agentisk arbeidsflyt med oppgaveforståelse, workflow-routing og støtte for opportunity discovery.

AI Value Lab Oslo er et tverrfaglig læringsinitiativ der teknologi, forretning og praktisk utvikling møtes for å utforske hvordan AI kan forstås, testes og anvendes på en ansvarlig måte. Gruppen bruker case og problemstillinger som læringsarena for å bygge kompetanse, prøve ut verktøy, dele erfaringer og utvikle praktisk forståelse på tvers av fagområder. Målet er å lære gjennom samarbeid — og styrke evnen til å identifisere, vurdere og utforske relevante AI-muligheter i praksis.

Det som kjennetegner initiativet, er kombinasjonen av ulike perspektiver og komplementære styrker. Vi diskuterer ikke bare AI som teknologi, men bygger innsikt som er relevant i virkelige arbeidssituasjoner — med fokus på ansvarlig bruk, læring i praksis og løsninger som kan skape reell verdi.

Gruppen består av Marius Ottesen, Tatiana Hanecakova og Ole Mjelde. Marius bidrar med erfaring fra kommersiell ledelse, strategi og organisasjonsutvikling, med særlig styrke i gjennomføring og koblingen mellom forretning, teknologi og verdiskaping. Tatiana bidrar med bakgrunn fra finansledelse og praktisk erfaring med AI-drevne arbeidsflyter — opptatt av løsninger som tåler virkeligheten og skaper konkret verdi. Ole bidrar med erfaring fra digitalisering, innovasjon og endringsarbeid i store nordiske virksomheter, med et praktisk blikk på hvordan nye løsninger utvikles, testes og tas i bruk.

Jeg var initiativtaker til etableringen av AI Value Lab Oslo.

Les mer via LinkedIn: AI Value Lab Oslo.

Skøyenåsen Tannklinikk er et konkret utviklingscase med fokus på hvordan AI og digitale løsninger kan forbedre pasientreisen fra første kontakt til oppfølging. Arbeidet tar utgangspunkt i konkrete behov knyttet til behovsavklaring, riktigere booking, tydeligere informasjon og mer systematisk oppfølging.

I første fase vurderes særlig løsninger for smart intake, veiledet booking, mer relevant kommunikasjon og en sterkere digital front-end. Målet er å forbedre flyt, tilgjengelighet og oppfølging uten å miste det personlige preget som er en viktig del av klinikkens styrke.

Prosjektet er valgt fordi det kombinerer tydelig forretningsverdi, høy pasientverdi og håndterbar governance. Fokus ligger derfor foreløpig på front-end og pasientreise, ikke på journalnære og mer sensitive AI-løsninger.

Besøk klinikkens nettside: Skøyenåsen Tannklinikk.

Som kommersiell leder har jeg flere ganger sett hvor krevende det er å omsette store informasjonsmengder til tydelige prioriteringer og konkret handling. Strategidokumenter, KPI-strukturer, salgsprosesser, anbudsdokumenter og regulatoriske krav skaper ofte mer kompleksitet enn fremdrift.

Jeg bygger derfor en arkitektur for å bruke generativ AI til å bryte ned slike problemstillinger mer systematisk. Målet er å identifisere gap, mønstre og handlingsalternativer tidligere, slik at ledere får et tydeligere grunnlag for prioritering og gjennomføring.

Den samme logikken brukes nå som teknisk fundament i flere praktiske spor, blant annet The Predictive Sales Coach og en mer agentisk innsikts- og opportunity-flyt. Det gjør arkitekturen relevant som byggestein for flere typer leder- og beslutningsverktøy.

Overføringsverdien ligger i at konseptet ikke er bundet til ett domene: samme tilnærming kan tilpasses andre virksomheter som trenger å omsette data, dokumenter og erfaring til tydeligere innsikt, gap-analyse og prioriteringer. Jeg hjelper gjerne lederteam med å kartlegge hvor en slik arkitektur gir størst effekt, og med å skissere et første spor fra idé til fungerende prototype.

Et praktisk AI-spor for virksomheter som ønsker bedre innsikt, tydeligere prioriteringer og mer operativ gjennomføring.

Ta gjerne kontakt for en samtale om hvordan denne arkitekturen kan tilpasses din virksomhet — fra innsikt og gap-analyse til et konkret beslutningsstøtte-spor med ansvarlig bruk av AI. Gå til kontaktskjema →

Dette er ikke ett enkelt produkt, men et samlet spor av egenforfattede innlegg der jeg utforsker hva AI betyr i praksis for ledelse, kommersielle prioriteringer, transformasjon og verdiskaping.

Under fanen Faginnlegg ligger innleggene i to kolonner. Alt som er merket AI & fremtidens teknologiledelse hører til denne serien. Her kobler jeg teori og rammeverk med egne erfaringer, rapporter, kurs, masterarbeid og reelle case.

Målet er ikke bare å forklare teknologien, men å gjøre den mer relevant for ledere som skal prioritere, gjennomføre og skape effekt.