Eller er AI-strategien ved at drukne i teknisk gæld?
Af Susanne Møllegaard
AI er i dag højt på agendaen hos de fleste forsikringsselskaber. Fokus har flyttet sig fra spørgsmålet om, hvorvidt AI skal bruges, til hvordan forretningsværdien kan realiseres hurtigere og mere sikkert.
Alligevel ser vi den samme udfordring igen og igen: Virksomheder investerer millioner i AI-initiativer, mens de underliggende data stadig er fanget i IT-landskaber, som er bygget op over 10, 15 eller 20 år.
Resultatet er dyrere AI-projekter, længere implementeringer og business cases, der bliver vanskeligere at dokumentere. Samtidig bruger interne specialister værdifuld tid på at finde og klargøre data, frem for at udvikle løsninger, der skaber forretningsværdi.
AI skaber værdi gennem data, beslutningslogik, processer og integrationer. Når data er fragmenterede, forældede, svære at tilgå eller bundet op i komplekse integrationslandskaber, bliver AI en forstærker af de begrænsninger, virksomheden allerede arbejder med — snarere end en genvej til ny værdi.
Det er her, mange AI-strategier møder virkeligheden.
60% af AI-projekter forventes opgivet, fordi data ikke er AI-ready.
Gartner vurderer, at 63 % af organisationer enten ikke har – eller er usikre på, om de har – de rette datamanagement-praksisser til AI, og forudsiger samtidig, at organisationer frem mod 2026 vil opgive 60 % af AI-projekter, som ikke understøttes af AI-ready data.1
Det er en vigtig påmindelse om, at AI-ready data er en strategisk forudsætning for at kunne realisere værdien af AI.
Når integrationskompleksitet bliver en vækstbarriere
For forsikringsbranchen er pointen særlig relevant. Mange selskaber har gennem årtier digitaliseret i lag. Nye kernesystemer. Nye kundeplatforme. Nye samarbejdspartnere. Nye regulatoriske krav. Nye eksterne datakilder. Hver investering har isoleret set skabt værdi. Men tilsammen har de ofte efterladt et komplekst integrationslandskab, hvor ændringer er unødigt tidskrævende og dyre.
Det betyder ikke nødvendigvis, at integrationerne ikke virker. Mange af dem fungerer fint i den daglige drift. Problemet opstår, når forretningen skal udvikle sig hurtigere, end integrationslandskabet kan følge med. Når nye datakilder tager måneder at koble på. Når specialister bruger tid på at finde, rense og sammenstille data. Når AI-teams må kompensere for teknisk gæld, før de overhovedet kan begynde at skabe ny værdi.
Så bliver integration ikke længere et IT-anliggende. Det bliver en strategisk udfordring.
En global undersøgelse fra Dun & Bradstreet blandt 10.000 virksomheder viser, at 97 % har aktive AI-initiativer, mens kun 5 % vurderer, at deres data er tilstrækkeligt klar til at understøtte dem. 50% peger på, at begrænset dataadgang er største forhindring, og 38% peger på manglende integration på tværs af systemer. Det tydeliggør en markant ubalance: AI-adoptionen accelererer, men datafundamentet halter bagefter.2
“Garbage in, garbage out” er ikke længere dækkende. I en AI-kontekst kan utilstrækkelig datakvalitet blive til automatiseret risiko.
Det er derfor mere end et irritationsmoment for analytikere eller et effektivitetstab i driften. Når AI anvendes i beslutningsstøtte, automatisering eller kundevendte processer, kan fejl i datagrundlaget sprede sig hurtigere, bredere og med større konsekvens.
IBM peger på, at mere end en fjerdedel af organisationer vurderer, at de taber over 5 mio. dollar (ca. 33 mio. kr.) årligt på dårlig datakvalitet, mens 7 % rapporterer tab på 25 mio. dollar (ca. 164 mio. kr.) eller mere. Når disse udfordringer kobles til AI, er konsekvensen mere end økonomi. Det koster på tillid, compliance, dokumentation og ansvar.3
AI-ready data forudsætter strategisk handlekraft
AI-ready data bør ses som en strategisk kapabilitet, der skal udvikles og styres på linje med andre forretningskritiske evner. Det handler om at skabe et datafundament, som gør virksomheden i stand til at realisere værdien af AI hurtigere og mere skalerbart — og hvor data kan anvendes sikkert, fleksibelt og konsistent på tværs af systemer, processer og samarbejdspartnere.
Med andre ord: AI-ready data kræver agile integrationer.
Agile integrationer giver virksomheden mulighed for at forbinde nye datakilder, ændre eksisterende dataflows, udvide samarbejder og understøtte forretningsbehov uden at skabe flere afhængigheder for hver ny ændring. Det er her, teknologien bliver strategisk: Når data kan bringes i anvendelse på tværs af organisationen, styrker det både innovationsevnen, beslutningskraften og evnen til at skalere AI uden at akkumulere yderligere teknisk gæld.
Integration as a Service er genvejen til AI-ready data
Mange virksomheder er vant til at betragte integrationer som enkeltstående udviklingsprojekter. Noget, der bestilles, bygges, testes og vedligeholdes. Men den model passer dårligt til en virkelighed, hvor AI, automatisering, regulatoriske krav og nye partnerskaber ændrer behovene løbende. Integrationer bør i stigende grad håndteres som en service – på samme måde som virksomheder tidligere begyndte at se cloud som en strategisk platform frem for blot en teknisk leverancemodel.
Når integrationslaget håndteres som en service, opnår virksomheden en fleksibel infrastruktur, hvor data kan gøres tilgængelige dér, hvor forretningen har brug for dem, uden at kompleksiteten vokser tilsvarende. Det frigør interne specialister til at arbejde med det, der reelt skaber konkurrencekraft: nye services, bedre beslutningsstøtte, mere effektiv automatisering og hurtigere omsætning af AI til forretningsværdi.
For Process Factory handler Integration as a Service netop om at reducere kompleksiteten omkring dataudveksling, så forsikringsselskaber kan bruge deres interne kompetencer på værdiskabelse frem for integrationsvedligeholdelse.
Hvor stor en del af jeres AI-investering går i virkeligheden til at kompensere for integrationskompleksitet?
Mange ledelser spørger i dag, hvordan de får mere værdi ud af AI. Det er et relevant spørgsmål. Men måske bør spørgsmålet udvides: Hvor stor en del af AI-investeringen går reelt til at håndtere gamle afhængigheder i systemlandskabet?
I takt med at AI-værktøjer bliver mere tilgængelige, flytter konkurrencefordelen sig. Den afgøres ikke af adgangen til teknologien alene, men af virksomhedens evne til at omsætte egne data til bedre beslutninger, stærkere processer og skalerbare AI-løsninger.
Derfor bør AI-ready data være en del af virksomhedens strategi. Meget tyder på, at den kommende konkurrence om AI i forsikringsbranchen reelt bliver afgjort her.
Den gode nyhed er, at det ikke kræver endnu et stort internt integrationsprojekt at komme videre. Med Integration as a Service kan forsikringsselskaber reducere integrationsbyrden, styrke deres datakapabilitet og frigøre kræfter til det, der skaber reel forretningsværdi: bedre kundeoplevelser, hurtigere skadebehandling, stærkere compliance og AI-løsninger, der kan skaleres.
