Silos, okänd GPU-kapacitet och en välfylld ”POC-kyrkogård”.
När en av Sveriges större myndigheter bad om hjälp med sin AI-mognad blev verklighetsbilden tydlig. Sex månader senare var målet att ha lösningar i produktion – och en fungerande AI-grund på plats.
– ”Jag brukar prata med CIO:er och känner mig rätt trygg i att jag kan mer om AI än de gör. Här är jag inte lika säker,” inleder Johan Lennartson, AI-strateg på Sogeti, som är en del av Capgemini.
Uppdraget: att hjälpa en av landets större myndigheter med ansvar för infrastruktur och samhällskritiska funktioner att ta AI från experiment till produktion. Myndigheten kan inte namnges, men enligt Lennartson hanterar den data på nationell säkerhetsnivå.
En välbekant startpunkt
Projektet inleddes med en AI-mognadsanalys. Resultatet var, enligt Lennartson, knappast unikt för offentlig sektor:
”Super-silos. De pratade inte med varandra och de delade inte data. Nästan varje intervju avslöjade ytterligare ett GPU-kluster som ingen särskilt inte IT-avdelningen visste fanns.”
Utöver den tekniska fragmenteringen fanns en annan utmaning: en misstro mellan verksamheten och IT.
”Vi blev initialt inbjudna av IT. I stora organisationer finns det ofta en situation där verksamheten inte fullt ut litar på IT. Det påverkar tempot i förändringen.”
Samtidigt fanns en paradox. Myndigheten saknade samlad AI-förmåga men hade flera högt kvalificerade individer. Problemet var att de arbetade isolerat.
POC-kyrkogården växte
Organisationen hade testat en rad AI-initiativ. Få hade nått produktion.
”De hade en väldigt välbefolkad POC-kyrkogård. Mycket testande, ganska höga kostnader men nästan inget i drift.”
Här satte IT-direktören en tydlig ambition: minst en, helst flera, AI-lösningar i produktion inom sex månader.
”Från den startpunkten var det en ambitiös målsättning,” konstaterar Lennartson.
Men uppdraget handlade inte bara om att leverera enstaka use case. Målet var att parallellt bygga en stabil AI-grund: plattform, arbetssätt, styrning och kompetens.
”Varje lösning vi byggde skulle samtidigt stärka fundamentet, så att nästa gick snabbare.”
Johan Lennartson, AI-strateg på Sogeti, som är en del av Capgemini
Hackathon som katalysator
Som start valde teamet att samla 20 personer från myndigheten i ett hackathon. Fyra konkreta use case togs med in för utvärdering.
Syftet var dubbelt: att snabbt testa datatillgång och teknisk genomförbarhet och att skapa samsyn mellan IT och verksamhet.
”Vi behövde en gemensam bild av vad som faktiskt är möjligt, och vad som är affärsmässigt relevant.”
Första use caset: en RAG-chatbot – men inte bara
Det första initiativet blev, föga förvånande, en RAG-baserad chatbot (Retrieval-Augmented Generation).
”Surprise, surprise,” säger Lennartson med ett leende.
Men i en myndighetsmiljö med säkerhetsklassad information är en chatbot långt ifrån trivial.
Dataskydd, åtkomstkontroll, spårbarhet och modellval blev centrala frågor. Att använda externa molntjänster var inte självklart. Arkitekturen behövde möta både regulatoriska krav och interna säkerhetskrav.
”På ytan är en RAG-chatbot ett enkelt första steg. I en miljö med nationell säkerhetsdata är det något helt annat.”
Bygga kapacitet – inte bara kod
En av de viktigaste lärdomarna var att teknik inte är den största utmaningen.
Den verkliga transformationen låg i:
- Gemensamma arbetssätt mellan IT och verksamhet
- Tydlig ägarskap för data
- Central överblick över beräkningsresurser
- Kompetensdelning mellan isolerade AI-specialister
”Det finns ofta mer kompetens i organisationen än man tror. Men utan struktur och samarbete händer inget.”
Offentlig sektor under press
Satsningen speglar en bredare rörelse i offentlig sektor. Kraven på effektivisering, säkerhet och transparens ökar samtidigt som AI-utvecklingen accelererar.
För många myndigheter är frågan inte längre om AI ska användas utan hur det ska göras säkert, skalbart och kostnadseffektivt.
”Det går inte att experimentera sig fram hur länge som helst. Förr eller senare måste något i produktion.”
Nyckelinsikter från projektet
Johan Lennartson sammanfattar arbetet i några centrala lärdomar:
- Börja med ett konkret use case – men bygg fundamentet samtidigt.
- Säkerhet och governance måste designas in från början.
- Bryt silos aktivt – det sker inte av sig självt.
- AI-mognad handlar mer om organisation än om modellval.
Tekniken är ofta den enklaste delen. Det svåra är att förändra hur människor jobbar tillsammans.
Av Annika Guldroth
