# Hvordan velger vi et første AI-prosjekt som gir nytte uten for stor risiko? Det første AI-prosjektet bør være lite nok til å bli ferdig og viktig nok til å bety noe. Denne guiden tar dere fra en liste med ideer til ett valgt prosjekt med mål, grenser og et tydelig punkt der dere bestemmer om dere skal fortsette. - **Type:** Guide - **Tema:** AI i praksis - **Publisert:** 26\. oktober 2026 - **Passer for:** Virksomheter som har flere ideer til AI og vil velge én å starte med. - **Dere ender med:** Ett valgt AI-prosjekt med mål, stoppunkt, eier og en prosjektbeskrivelse på én side. - **Hvem bør være med:** De som gjør oppgavene i dag, en leder som kan prioritere, en som kjenner dataene og systemene, og den som har ansvar for personvern når personopplysninger er med. - **Nettside:** ## Før dere begynner Det er fristende å starte med det mest spennende. Et bedre første prosjekt er ofte det kjedelige: en oppgave som går igjen hver uke, der det er lett å se om resultatet blir bedre. Lykkes det, har dere lært mye om data, kontroll og drift som dere tar med videre. Guiden har fem steg. Regn med et par korte møter med dem som gjør oppgavene i dag. Eksemplene er tenkte og laget for å illustrere. ## Steg 1: Lag en kortliste fra ekte arbeid Start med oppgavene, ikke med teknologien. Spør de som gjør jobben, hvilke oppgaver som tar mye tid, går igjen ofte eller er kjedelige. Skriv ned fem til ti kandidater med én setning hver: hva som gjøres, hvor ofte og av hvem. Unngå kandidater som bare er formulert som «bruke AI til markedsføring». En god kandidat er så konkret at dere kan peke på et eksempel fra forrige uke. Spørsmål å stille: - Hvilke oppgaver gjør vi hver uke som tar mer enn en time? - Hvor tastes det samme inn i flere systemer? - Hvilke spørsmål får vi om og om igjen? - Hvor venter kunder eller kolleger på svar? > **Hypotetisk eksempel: Kortliste i en regnskapsavdeling** > > 1\. Kontere inngående fakturaer (daglig, to personer). 2. Svare ansatte på spørsmål om reiseregninger (ukentlig). 3. Skrive månedlig kommentar til tallene (månedlig, leder). 4. Purre på manglende bilag (ukentlig). 5. Lage oversikt over avtaler som snart utløper (hvert kvartal). ## Steg 2: Sorter bort det som ikke trenger AI Gå gjennom listen og spør for hver kandidat om en enklere løsning holder. Mange oppgaver løses bedre med en fast regel, et bedre skjema eller en innstilling i et system dere allerede har. Det er gode nyheter: Da blir det raskere og billigere. Anthropic, som lager språkmodellen Claude, anbefaler selv å velge den enkleste løsningen som virker \[2\]. Behold kandidatene der informasjonen varierer for mye for faste regler, for eksempel fritekst, dokumenter eller spørsmål som skrives på mange måter. Spørsmål å stille: - Kan oppgaven beskrives som faste regler? - Har systemet vi bruker, allerede en funksjon for dette? - Er problemet egentlig uklar ansvarsfordeling? > **Hypotetisk eksempel: Kortlisten etter sortering** > > Purring på bilag kan løses med en automatisk påminnelse i regnskapssystemet. Oversikten over avtaler kan lages med et filter i avtalearkivet. Igjen står kontering av fakturaer, spørsmål om reiseregninger og månedskommentaren, der teksten varierer mye. ## Steg 3: Vurder verdi, risiko og data Vurder hver kandidat som er igjen, ut fra tre spørsmål. Verdi: Hvor mye tid eller kvalitet kan dere vinne, og hvor ofte? Risiko: Hva skjer hvis AI-en tar feil, og hvem oppdager det? Data: Finnes eksemplene og informasjonen som trengs, og har dere lov til å bruke dem? Et godt første prosjekt har tydelig verdi, lav til middels risiko og data dere kan bruke. Inneholder oppgaven personopplysninger, gjelder personvernregelverket, og virksomheten har ansvaret selv om verktøyet er kjøpt inn \[1\]. En grov vurdering holder: lav, middels eller høy. Spørsmål å stille: - Hvor mange ganger i måneden gjøres oppgaven? - Hva koster en feil, og blir den oppdaget før den gjør skade? - Inneholder dataene personopplysninger eller forretningshemmeligheter? - Finnes det eksempler vi kan teste på? > **Hypotetisk eksempel: Tre kandidater vurdert** > > Kontering av fakturaer: høy verdi (daglig), middels risiko (feil fanges ved avstemming), data finnes. Spørsmål om reiseregninger: middels verdi, lav risiko (svarene bygger på en godkjent rutine), data finnes i rutinedokumentet. Månedskommentar: lav verdi (månedlig), middels risiko (går til ledelsen), lite data. Reiseregningsspørsmål og kontering går videre. ## Steg 4: Bestem hva som er godt nok, og når dere stopper Velg én kandidat. Skriv ned hva som må til for at forsøket er vellykket, før dere starter. Bruk målinger dere faktisk kan ta: andelen svar som kan brukes uten retting, tid per oppgave medregnet kontrollen, eller hvor mange saker som må sendes videre til et menneske. Bestem også hvor lenge forsøket skal vare, og hva som skjer etterpå. Et forsøk kan ende på tre måter: Dere forbedrer løsningen, utvider den til flere oppgaver eller stopper. Alle tre er gode utfall hvis dere har lært noe. Skriv ned på forhånd hva som skal til for hvert av dem, så blir beslutningen etter forsøket enklere. Spørsmål å stille: - Hva må være sant etter forsøket for at vi fortsetter? - Hvordan måler vi det, og hva er tallet i dag? - Hvor lenge skal forsøket vare? - Hvem bestemmer om vi forbedrer, utvider eller stopper? > **Hypotetisk eksempel: Mål for svar på reiseregningsspørsmål** > > Avdelingen velger reiseregningsspørsmålene fordi risikoen er lavest, selv om kontering kan gi større gevinst senere. Forsøket varer i seks uker. Godt nok: Minst åtte av ti svar kan brukes uten retting, og spørsmål assistenten ikke kan svare på, sendes videre til regnskap. Stopp: Hvis assistenten gjentatte ganger gir feil svar om satser eller regler, eller hvis de ansatte slutter å bruke den. ## Steg 5: Skriv en prosjektbeskrivelse på én side Samle det dere har kommet fram til, på én side. Den gjør det enklere å få en beslutning, snakke med en leverandør og huske hvorfor dere valgte som dere gjorde. Hold den kort: En side som blir lest, er bedre enn ti som ikke blir det. Siden bør si hva oppgaven er, hvem som gjør den i dag, hvilke data som trengs, hva målet og stoppunktet er, hvem som eier forsøket, og hva dere ikke skal gjøre i denne omgangen. Spørsmål å stille: - Er det tydelig hva som ikke er med i forsøket? - Vet alle hvem som eier forsøket? - Er personvern og tilgang til data avklart? > **Hypotetisk eksempel: Utdrag fra en prosjektbeskrivelse** > > Oppgave: Svare ansatte på spørsmål om reiseregninger. I dag: Regnskap svarer på e-post hver uke. Data: Godkjent reiserutine og gjeldende satser, ingen personopplysninger i testperioden. Mål: Minst åtte av ti svar kan brukes uten retting. Eier: Regnskapsleder. Ikke med nå: Utfylling av selve reiseregningen. Det første prosjektet handler like mye om å lære som om å spare tid. Velg noe som er lite nok til å bli ferdig, og viktig nok til at noen bryr seg om resultatet. ## Sjekkliste før dere starter - Kandidatene kommer fra oppgaver dere faktisk gjør - Dere har vurdert om en enklere løsning holder - Oppgaven gjøres ofte nok til at gevinsten merkes - Feil kan oppdages og rettes før de gjør skade - Dataene finnes, og dere har lov til å bruke dem - Målet er skrevet ned før forsøket starter - Dere vet hvordan målet skal måles - Forsøket har en tidsramme og et stoppunkt - Én person eier forsøket - Det står hva som ikke er med i denne omgangen ## Kilder Sist vurdert 25. oktober 2026. - [KI Norge (Digitaliseringsdirektoratet): «Personvern og KI»]() - [Anthropic: «Building effective agents»]() ## Les videre - [Slik tester dere AI-modeller på egne oppgaver](): Generelle rangeringer sier lite om hvilken AI-modell som passer best til akkurat deres oppgaver. Her er hva dere bør måle, hvordan dere lager en enkel og rettferdig test på egne eksempler, og hvilke feller dere bør unngå. - [Fra AI-demo til drift](): En god demo viser at teknologien kan svare på et spørsmål. En løsning i drift må også vite hvilke data som gjelder, hvem som får se hva, og hva som skjer når svaret er feil. ## Vil dere ha en vurdering av kandidatene? Ta med kortlisten deres. En gjennomgang kan vise hvilke kandidater som passer for AI, og hvilke som løses bedre på andre måter. - [AI-kartlegging]()