DigJourneys Anders Nilsson testar Changemkrs nya AI-verktyg för djupare och snabbare analys av mognadsmätningar

Tusentals mognadsmätningar har gjorts baserat på DigJourneys Digitala Mognadsindex och efter genomförda mätningar vill man kunna få ut de viktigaste insikterna och även rekommendationer på vad man bör jobba vidare med. Det är ett arbete som ofta kräver rätt mycket från den som gör analysen och det är tidskrävande men med de AI-verktygen går det väldigt mycket enklare och snabbare. Med hjälp av dessa kan man:

1. Prata med mätningarna - exempelvis fråga. Vilka är våra styrkor? Var tycker vi lika och olika? Vad ser du för mönster i datan som inte är självklart men viktigt att ha med sig?
2. Bli intervjuad - AIn intervjuar er för att komplettera enkätdata med djupare information som du och din organisation sitter på. Detta ger ett djupare dataset och en bättre analys.
3. Få rekommenderade aktiviteter - med utgångspunkt i informationen om era behov och ert nuläge hjälper AIn till med att ta fram aktiviteter. Dessa kan sedan redigeras eller läggas in rakt i er plan och Att-göra-lista.

Vi intervjuade DigJourneys Anders Nilsson som i ett kundcase använt 1 och 3 för allra första gången och vi var såklart nyfiken på hur han upplevde det.

I videon nedan kan du se Kim Törnqvist, produktchef på Changemkr gå genom de nya AI-verktygen för dig som vill ha mer förståelse för vad Anders använt.

Hej Anders, kul att ni använde AI-stödet i Changemkr i ett skarpt kundcase. Kan du berätta lite om bakgrunden?

Gärna, vi använde AI-stödet i vårt uppdrag med ett kommunalt energibolag för att analysera ledningsgruppens resultat i när de genomförde ett Digital Maturity Index (DMI)

Hur integrerades AI-stödet i analysprocessen?

Vi började som vanligt med att manuellt gå igenom varje digital motor och analysera svaren. Därefter använde vi AI-stödet för att få analysstöd kopplat till varje motor och för att göra korsreferenser mellan motorerna, vilket hjälpte oss att hitta mönster och områden att fördjupa.

Vilka funktioner i AI-stödet var mest hjälpsamma?

Vi upplevde att AI-stödet var särskilt värdefullt för att testa hypoteser, identifiera avvikelser, ge råd och dra slutsatser från datan, skapa formuleringar och ta fram relevant statistik.

Vad upplevde ni var värdet med att använda AI i analysen

Arbetsprocessen blev mycket mer effektiv och det var även imponerande att se att AI-stödets input låg väl i linje med vår egen expertis men det centrala var att det snabbt gick att få ett större djup i analysarbetet samtidigt som det gick snabbt att dubbelkolla sina egna tankar och gjorda analyser.

Fanns det några begränsningar eller utmaningar med AI-stödet?

Det finns ju alltid risk för hallucinationer med denna typ av AI-tjänster så vi dubbelkollade alltid statistik och kvantitativ data.

Hur påverkade AI-stödet ert arbetssätt?

Vi kunde arbeta mer iterativt och experimentellt. AI:n hjälpte oss att tänka bredare och mer systematiskt, samtidigt som vi behöll kontrollen över analysens kvalitet.

Kommer ni använda stödet framåt också?

Definitivt! Det ger ett tydligt mervärde, både i kvalitet och effektivitet.

Om du fick önska fritt – vad skulle du vilja att AI-verktyget i Changemkr kunde göra framöver?

Som en första version tycker jag att det fungerade alldeles utmärkt – men framåt hade det varit riktigt spännande med en AI-avatar man kunde sparras med, nästan som en digital kollega. Det skulle också vara kraftfullt om AI:t kunde laddas med fördjupad expertis kopplad till varje digital motor, så att man till exempel kunde labba med en “processkartläggningsexpert”, en “innovationsledningsexpert” eller en “data/analysexpert” direkt i verktyget. En annan önskan är att få fler visualiseringsmöjligheter – att snabbt kunna generera automatiska diagram och modeller baserat på olika ramverk, som till exempel prioritering eller effekt kontra kostnad. Det skulle ta analysen och dialogen med kund till en helt ny nivå.

Tack, det ska vi skicka med oss till gänget på Changemkr!