Hur kan vi organisera oss när vi städar data för att skapa värde?

När en offentlig verksamhet ska rensa statisk verksamhetsdata är det lätt att börja i själva datan. Vilka mappar finns? Vilka system innehåller gammal information? Vad kan tas bort? Vad kan sparas? Men våra erfarenheter visar att arbetet ofta behöver börja någon annanstans. 

Innan man kan avgöra vilken information som ska rensas, bevaras eller göras tillgänglig behöver organisationen svara på en mer grundläggande fråga:

– För vem skapar vi denna AI lösning eller assistent? 

Det är först när den frågan är tydlig som det går att bedöma vilken information som faktiskt skapar värde. Ska lösningen stödja handläggare i vardagen? Ska den hjälpa chefer att få överblick? Ska den ge medarbetare stöd i rutiner och styrdokument? Ska den användas för uppföljning, analys eller kunskapsstöd? Olika användare behöver olika information, vid olika tillfällen och på olika sätt. 

Därför räcker det inte att fråga vilken data som finns. Man behöver också fråga vad lösningen behöver veta, när den behöver veta det och hur informationen behöver vara strukturerad för att kunna användas på ett tryggt och meningsfullt sätt. En AI assistent som ska stödja en handläggare behöver kanske aktuell, verksamhetsnära och konkret information. En lösning för analys kan behöva mer historik, men också tydliga definitioner och bättre metadata. En assistent som ska svara på frågor om interna arbetssätt behöver veta vilka rutiner som faktiskt gäller och vilka som är gamla. 

Det är här arbetet ofta blir svårt i praktiken. Vi har sett att verksamheter kan ha stora mängder information, men ändå sakna tydlighet kring vilken information som är aktuell, vem som äger den och vem som får besluta om den ska sparas, gallras eller tas bort. Då blir rensningen inte bara en fråga om ordning i systemen, utan en fråga om ansvar, mandat och informationsägarskap. 

Det viktigaste är därför inte att samla alla tänkbara funktioner från början. Det viktigaste är att välja ut rätt personer för just den informationsmängd och det användningsområde som arbetet handlar om. Om syftet är otydligt blir det också svårt att veta vilka som behöver vara med. Men om man vet vem AI lösningen ska stödja och vilken nytta den ska skapa blir det lättare att se vilka roller som behöver bidra.