Hvordan gør man viden klar til AI?
AI er ikke bedre end den viden, den bygger på. Sådan forbereder I jeres viden, så AI kan arbejde ud fra et solidt og pålideligt grundlag.
Mange AI-projekter starter det forkerte sted.
Organisationen vælger en AI-løsning. Der sættes et pilotprojekt i gang. En chatbot, en intern assistent eller AI-drevet videnssøgning bliver koblet på eksisterende dokumenter.
Forventningen er klar: AI skal finde svar hurtigere, hjælpe medarbejdere og gøre organisationens viden mere tilgængelig.
Men efter kort tid opstår problemerne. Svarene er upræcise. AI'en finder gamle dokumenter. Den blander flere versioner af samme proces sammen. Den svarer sikkert på noget, der ikke er godkendt. Og medarbejderne begynder at spørge, om AI'en overhovedet kan bruges.
Problemet er sjældent AI'en alene. Problemet er vidensgrundlaget.
AI er ikke bedre end den viden, den bygger på. Det klassiske princip gælder også her: garbage in, garbage out.
Hvis AI får adgang til spredt, forældet eller ukontrolleret viden, vil den også give svar, der afspejler det. AI kan gøre viden hurtigere tilgængelig, men den kan ikke automatisk forvandle dårlig viden til gode svar.
Derfor bør spørgsmålet ikke kun være: Hvilken AI-løsning skal vi vælge? Det bør også være: Er vores viden klar til AI?
At gøre viden klar til AI handler ikke først og fremmest om teknologi. Det handler om at samle, strukturere, kvalitetssikre og vedligeholde viden, så AI kan arbejde ud fra et solidt og pålideligt grundlag.
Hvorfor 'rå' viden ikke er nok til AI
De fleste organisationer har masser af viden. Problemet er, at den ikke nødvendigvis er klar til AI.
Viden findes ofte i mange former:
- gamle dokumenter
- mails
- intranetartikler
- PowerPoints
- PDF'er
- Teams-tråde
- procesbeskrivelser
- personlige noter
- FAQ'er
- medarbejderes erfaring
For mennesker kan det nogle gange fungere. En erfaren medarbejder kan godt læse et langt dokument, kende historikken, forstå undtagelserne og vurdere, hvad der stadig gælder. De kan kombinere erfaring, kontekst og faglig dømmekraft.
AI har brug for et tydeligere grundlag. Hvis AI får adgang til rå, ustruktureret og ukontrolleret viden, opstår der flere problemer.
| Problem med rå viden | Hvad det betyder for AI |
|---|---|
| Viden ligger spredt | AI kan finde forskellige versioner af samme svar |
| Dokumenter er lange og blandede | AI kan trække den forkerte del ud af konteksten |
| Gamle dokumenter lever videre | AI kan bruge forældet information |
| Ejerskab er uklart | Ingen ved, om indholdet er godkendt |
| Sproget er internt eller uklart | AI kan misforstå betydningen |
| Undtagelser er ikke tydelige | AI kan give et for generelt svar |
| Flere kilder modsiger hinanden | AI kan kombinere svar forkert |
Det er her, garbage in, garbage out bliver konkret.
Hvis vidensgrundlaget består af gamle dokumenter, uklare processer, dubletter og modstridende svar, får AI et dårligt udgangspunkt. Den kan måske formulere svaret pænt, men den kan ikke vide, hvilken version af viden der er den rigtige, hvis organisationen ikke selv har taget stilling først.
Det er derfor, eksisterende dokumenter sjældent kan bruges direkte som AI-grundlag. Ikke fordi dokumenterne nødvendigvis er dårlige. Men fordi de er skrevet til mennesker, der allerede kender organisationen.
AI har brug for viden, der er struktureret, afgrænset og verificeret.
Det betyder ikke, at alt skal omskrives fra bunden. Men det betyder, at viden skal forberedes, før den bruges til AI-drevet videnssøgning, chatbot-svar eller sagsunderstøttelse.
Trin 1: Kortlæg jeres eksisterende viden
Første skridt er at finde ud af, hvor jeres viden ligger i dag.
Det lyder simpelt. Men mange organisationer har aldrig lavet den øvelse systematisk. De ved godt, at viden findes mange steder. Men de ved ikke præcis hvilke steder, hvilke kilder der er vigtigst, hvem der bruger dem, og hvem der har ansvar for at holde dem opdateret.
Start derfor med en praktisk kortlægning. Ikke en stor analyse, der tager måneder. En enkel oversigt over de vigtigste vidensområder.
Spørg:
- Hvilken viden bruger medarbejdere oftest?
- Hvilken viden efterspørger kunder eller borgere mest?
- Hvor ligger den viden i dag?
- Hvem ejer den?
- Hvornår blev den sidst opdateret?
- Er der flere versioner af samme svar?
- Hvilken viden er kritisk, hvis AI skal svare korrekt?
En kortlægning kan for eksempel se sådan ud:
| Vidensområde | Hvor ligger det i dag? | Hvem bruger det? | Hvem ejer det? | AI-klar? |
|---|---|---|---|---|
| Returregler | PDF, mails og FAQ | Support og kunder | Uklar | Nej |
| Produktfunktioner | Produktteamets dokumenter | Support, salg og marketing | Produkt | Delvist |
| Sagsprocesser | Intranet og lokale mapper | Sagsbehandlere | Fagansvarlig | Delvist |
| Standardsvar | Gamle mails og noter | Kundeservice | Supportleder | Nej |
| Compliance-krav | Juridiske dokumenter | Ledelse og drift | Jura | Delvist |
Målet er ikke at gøre alt AI-klart på én gang. Målet er at finde de områder, hvor AI vil skabe mest værdi — og hvor risikoen ved forkert viden er størst.
Start typisk med viden, der:
- bruges ofte
- skaber mange spørgsmål
- påvirker kunder eller borgere direkte
- kræver ensartede svar
- ofte bliver misforstået
- har høj risiko, hvis den er forkert
- bruges på tværs af afdelinger
Når I ved, hvor viden ligger, kan I begynde at samle og strukturere den.
Trin 2: Strukturér viden i klare, afgrænsede enheder
AI fungerer bedst, når viden er tydelig og afgrænset. Det betyder, at lange dokumenter med mange emner sjældent er det bedste udgangspunkt.
Et 40-siders dokument kan indeholde vigtig viden. Men hvis dokumentet blander regler, undtagelser, historik, eksempler, interne kommentarer og gamle formuleringer, bliver det svært for AI at finde det præcise svar.
Derfor skal viden brydes ned i mindre, klare enheder. Én artikel bør som udgangspunkt dække ét emne, ét spørgsmål eller én proces. Det gør det lettere for både medarbejdere og AI at finde og bruge den rigtige information.
| Ustruktureret viden | Struktureret viden til AI |
|---|---|
| Lange dokumenter med mange emner | Korte artikler med ét klart formål |
| Blandet intern og ekstern information | Tydelig opdeling af målgruppe og brug |
| Uklare overskrifter | Præcise titler og spørgsmål |
| Flere svar i samme tekst | Én hovedregel, tydelige undtagelser |
| Historik og nuværende regler blandet sammen | Kun gældende viden som svargrundlag |
| Uformelle noter | Godkendt og forståeligt indhold |
Et godt vidensformat til AI kan for eksempel indeholde:
- en tydelig titel
- et konkret spørgsmål eller emne
- et kort hovedsvar
- relevante undtagelser
- trin-for-trin vejledning, hvis det er en proces
- målgruppe for indholdet
- ejer af indholdet
- seneste opdateringsdato
- relaterede artikler eller emner
Eksempel: I stedet for én lang artikel om "Returnering" kan I opdele viden i:
- Hvornår kan en kunde returnere en vare?
- Hvad gælder ved åbnet emballage?
- Hvordan håndteres retur efter fristen?
- Hvornår skal support eskalere en retursag?
- Hvilken formulering skal bruges over for kunden?
Det gør viden mere præcis. Og præcis viden giver bedre AI-svar.
Trin 3: Godkend og verificer indholdet
AI bør ikke trække på indhold, som ingen har godkendt. Det er et af de vigtigste principper, når viden skal gøres klar til AI.
Hvis AI får adgang til gamle dokumenter, uformelle noter eller uafklarede processer, kan den komme til at bruge information, der ikke længere gælder. Eller den kan blande godkendt og ikke-godkendt viden i samme svar.
Derfor skal indhold verificeres, før det bliver en del af AI-grundlaget. Det betyder, at den relevante fagperson, vidensejer eller produktejer skal kunne sige: "Dette er korrekt. Dette må AI bruge som svargrundlag."
Godkendelse bør især afklare:
| Spørgsmål | Hvorfor det er vigtigt |
|---|---|
| Er indholdet fagligt korrekt? | AI må ikke bygge på fejl |
| Er indholdet opdateret? | Gamle regler må ikke indgå |
| Er indholdet godkendt af rette ejer? | Ansvar skal være placeret |
| Er undtagelser tydelige? | AI skal kunne skelne hovedregel fra undtagelse |
| Er der modstridende kilder? | AI må ikke vælge mellem flere sandheder |
| Er indholdet egnet til AI-svar? | Viden skal kunne bruges i praksis |
Det betyder ikke, at godkendelse skal være tung og bureaukratisk. Men den skal være tydelig.
En praktisk proces kan være:
- Vidensredaktør eller projektteam samler eksisterende viden.
- Indhold opdeles og struktureres.
- Fagperson eller vidensejer verificerer korrekthed.
- Forældet eller usikkert indhold arkiveres.
- Godkendt indhold markeres som AI-egnet.
- Indholdet får ejer og opdateringsrytme.
Det er her fundamentet for pålidelige AI-svar bliver lagt. AI skal ikke selv afgøre, hvilke af jeres gamle dokumenter der er rigtige. Det skal organisationen gøre først.
Trin 4: Gør viden søgbar for AI-drevet videnssøgning
Når viden er samlet, struktureret og godkendt, skal den også kunne findes. Både af mennesker og AI.
AI-drevet videnssøgning handler om mere end klassisk søgning på nøgleord. En medarbejder kan skrive ét ord, mens en kunde bruger et andet. En borger kan beskrive problemet på sin egen måde. En sagsbehandler kan søge efter en situation frem for en titel.
AI kan hjælpe med at forstå betydningen bag spørgsmålet. Men den fungerer bedst, når viden er struktureret nok til at blive fundet korrekt.
Det kræver blandt andet:
- tydelige titler
- klare emner
- relevante tags
- kategorier
- ensartede begreber
- relaterede artikler
- tydelige målgrupper
- opdaterede kilder
- ingen dubletter eller modstridende svar
Eksempel: Hvis en kunde spørger: "Kan jeg få pengene tilbage, hvis varen er brugt?" — skal AI kunne finde den relevante viden, selvom artiklen måske hedder "Returnering af varer med brudt emballage".
Det kræver, at viden er skrevet og struktureret, så forskellige formuleringer leder til samme korrekte svar.
Søgbarhed handler derfor ikke kun om teknik. Det handler også om sprog.
Bruger medarbejdere og kunder de samme ord som jeres dokumenter? Findes der interne begreber, som eksterne brugere aldrig ville bruge? Er artikler skrevet efter afdelingsstruktur eller efter de spørgsmål, folk faktisk stiller?
AI kan bygge bro mellem forskellige formuleringer. Men den kan ikke trylle et klart svar frem af uklart indhold.
Derfor bør viden struktureres efter brugssituationer, ikke kun efter interne mapper.
Trin 5: Hold processen levende — viden er ikke statisk
At gøre viden klar til AI er ikke en engangsopgave. Det er en løbende proces.
For organisationens viden ændrer sig hele tiden. Nye produkter kommer til. Processer justeres. Regler ændrer sig. Kampagner starter og slutter. Nye spørgsmål opstår. Medarbejdere opdager huller. Kunder bruger nye formuleringer. Gamle artikler bliver mindre relevante.
Hvis vidensgrundlaget ikke vedligeholdes, bliver AI gradvist dårligere. Ikke fordi AI'en ændrer sig. Men fordi den viden, den svarer ud fra, ikke længere passer til virkeligheden.
Derfor skal AI-klar viden have en vedligeholdelsesproces. Det betyder:
| Vedligeholdelsesområde | Hvad I bør gøre |
|---|---|
| Ejerskab | Hver artikel eller kategori bør have en ansvarlig |
| Feedback | Medarbejdere skal nemt kunne flagge fejl og mangler |
| Opdatering | Ny eller ændret viden skal ind i vidensbasen først |
| Review | Kritisk indhold bør gennemgås med fast rytme |
| Arkivering | Forældet indhold skal fjernes fra AI-grundlaget |
Sådan understøtter Responza processen
Det betyder, at organisationen ikke behøver starte med en fri AI-løsning og håbe, at den finder de rigtige svar. I stedet kan AI bygges oven på et kontrolleret vidensgrundlag.
Det er forskellen på AI, der forsøger at gætte, og AI, der arbejder ud fra godkendt viden.
Responza understøtter hele processen:
- Kortlæg og saml viden.
- Strukturér indhold i klare enheder.
- Godkend og verificer viden.
- Gør viden søgbar og anvendelig.
- Vedligehold viden løbende.
- Brug AI oven på det godkendte fundament.
Det gør AI mere pålidelig. Og det gør det lettere for medarbejdere og ledere at have tillid til de svar, AI hjælper med at finde eller formulere.
AI er kun så god som den viden, den får adgang til
AI kan skabe stor værdi i kundeservice, sagsbehandling og intern vidensdeling. Men AI løser ikke et dårligt vidensgrundlag.
AI er ikke bedre end den viden, den bygger på. Hvis viden ligger spredt, er forældet eller ikke er godkendt, vil AI arve problemet. Den kan gøre viden hurtigere tilgængelig, men den kan ikke automatisk afgøre, hvad der er korrekt, gældende og ansvarligt at bruge.
Garbage in, garbage out gælder stadig — også når teknologien er avanceret.
Derfor starter et godt AI-projekt med viden. De fem trin er:
- Kortlæg jeres eksisterende viden.
- Strukturér viden i klare og afgrænsede enheder.
- Godkend og verificer indholdet.
- Gør viden søgbar for AI-drevet videnssøgning.
- Hold processen levende, så viden forbliver korrekt over tid.
De vigtigste pointer
- 1Kortlæg jeres eksisterende viden og find de områder, hvor AI vil skabe mest værdi.
- 2Strukturér viden i klare, afgrænsede enheder med ét emne pr. artikel.
- 3Godkend og verificer indholdet, før det bliver en del af AI-grundlaget.
- 4Gør viden søgbar med tydelige titler, ensartede begreber og ingen dubletter.
- 5Hold processen levende, så viden forbliver korrekt over tid.
Ofte stillede spørgsmål
Hvad betyder det at gøre viden klar til AI?
+
At gøre viden klar til AI betyder, at organisationens viden bliver samlet, struktureret, godkendt og gjort søgbar, så AI kan bruge den som et pålideligt grundlag. Det handler ikke kun om teknologi, men om at sikre, at AI trækker på korrekt og opdateret viden. Målet er at reducere risikoen for upræcise eller ukontrollerede svar.
Hvorfor kan AI ikke bare bruge vores eksisterende dokumenter?
+
AI kan godt læse eksisterende dokumenter, men det betyder ikke, at de er egnede som svargrundlag. Mange dokumenter er lange, ustrukturerede, forældede eller skrevet til mennesker med forhåndsviden. Hvis AI bruger dem direkte, kan den finde den forkerte information eller kombinere svar på en måde, der ikke er korrekt.
Hvad er struktureret viden, og hvorfor er det vigtigt for AI?
+
Struktureret viden er viden, der er opdelt i klare, afgrænsede enheder med tydeligt emne, svar, ansvar og opdatering. Det gør det lettere for AI at finde og bruge den rigtige information. Jo mere præcis og struktureret viden er, desto bedre grundlag har AI for at give pålidelige svar.
Hvad er AI-drevet videnssøgning?
+
AI-drevet videnssøgning er søgning, hvor AI hjælper med at forstå betydningen bag et spørgsmål, ikke kun de præcise nøgleord. Det gør det lettere at finde relevant viden, selvom brugeren formulerer spørgsmålet anderledes end artiklens titel. Det kræver dog, at vidensgrundlaget er struktureret, opdateret og kvalitetssikret.
Hvor lang tid tager det at forberede en organisations viden til AI?
+
Det afhænger af organisationens størrelse, kompleksitet og hvor spredt viden er i dag. Mange kan starte med et afgrænset område og skabe værdi relativt hurtigt, mens en større klargøring typisk sker trinvis. Det vigtigste er at begynde med de vidensområder, hvor AI kan skabe størst værdi, og hvor korrekthed er mest kritisk.
Vil I se, hvordan Responza forbereder jeres viden til AI fra dag ét?
Book en demo og se, hvordan Responza hjælper jer med at samle, strukturere og kvalitetssikre viden, så AI kan arbejde på et pålideligt grundlag.