När sparlogik möter användarlogik

Denna krönika var tänkt att handla om hur vi ska organisera oss när vi ”städar” vår data. Det kommer den inte göra, för vi fick nämligen ett mail som ledde in oss på ett annat spår som kändes mer angeläget att resonera kring. Mailet handlade om vikten av att förhålla sig till organisationens dokumenthanteringsplaner.

Och det är det vi nu vill resonera om: hur hjälper eller stjälper dokumenthanteringsplaner vårt användande av statisk verksamhetsspecifik data för AI assistenter 

En dokumenthanteringsplan är, i sin enklaste form, en överenskommelse om ordning. Den beskriver vilka handlingar som finns i en verksamhet, hur de ska hanteras, hur länge de ska sparas och när de får gallras. Den finns där för att vi ska kunna visa vad vi har gjort, varför vi har gjort det och säkerställa att vi följer lagar och krav på insyn, rättssäkerhet och transparens. Den tar bort godtycket och ser till att värdet redan är bedömt, att vi inte i efterhand behöver fundera på vad som var viktigt att spara utan att det redan finns en struktur som bär det ansvaret. 

Samtidigt befinner vi oss i ett läge där mängden information inte bara ökar, utan accelererar. Vi har under lång tid haft en kultur av att spara, vilket i sig är både rimligt och nödvändigt. Men i kombination med dagens arbetssätt, där vi med hjälp av digitala verktyg och AI genererar stora mängder nytt material varje dag, har det lett till något annat. Vi har inte bara mycket statisk verksamhetsdata, vi har extrema mängder olika typer av dokument. Och vi fortsätter att fylla på i en takt som gör det allt svårare att överblicka vad som faktiskt är relevant. 

Det är här vi behöver börja hålla två tankar i huvudet samtidigt. Vi behöver fortsatt säkerställa att vi håller oss till våra dokumenthanteringsplaner. Men parallellt behöver vi bli betydligt bättre på att identifiera vilken information som faktiskt skapar värde i användning. För i en AI-kontext är det inte mängden data som avgör nyttan, utan kvaliteten. Informationen behöver vara relevant, aktuell och begriplig för att kunna användas som stöd i arbetet. Annars riskerar vi att skapa system som visserligen har tillgång till mycket, men som ändå inte hjälper oss framåt. 

För om vi inte gör den uppdelningen riskerar vi att bygga AI-assistenter som är lika överbelastade som våra gemensamma lagringsytor. De svarar, men de svarar väldigt övergripande och ospecifikt då de svara baserat på all data vi har. De hittar information, men inte nödvändigtvis den information som är mest relevant i stunden. De blandar aktuella arbetssätt med gamla versioner, relevanta dokument med sådant som främst finns kvar av dokumentationsskäl, och resultatet blir att stödet blir otydligt trots att datamängden är stor. 

Här blir det viktigt att vara tydlig med en sak. När vi pratar om att städa eller gallra i relation till AI menar vi inte att radera information utan att förhålla sig till en dokumenthanteringsplan. Vi menar att göra aktiva val kring vad som ska vara tillgängligt i ett visst sammanhang. Det handlar inte om att minska mängden information som finns, utan om att höja kvaliteten i det som används. Att identifiera vad som är aktuellt, vad som är kvalitetssäkrat och vad som faktiskt bidrar till att lösa en uppgift här och nu. En AI-assistent är bara så bra som den data vi förser den med. Drömmen om AI-assistenter som hjälper olika målgrupper att hitta relevant information, minska fel, undvika omvägar i dokumentationshav och snabbt stötta i vardagens operativa behov, kräver att vi sorterar vår data. Där det blir viktigt att vi ställer oss frågan: vem behöver veta vad, och när? 

Det innebär att vi behöver arbeta mer medvetet med hur vi lyfter fram relevant statisk verksamhetsdata ur den stora mängd som finns. Inte genom att ta bort det som ska bevaras, utan genom att skapa strukturer där det som ska användas blir tydligt. Det kan handla om att arbeta mer aktivt med urval, kontext och aktualitet. Att förstå skillnaden mellan information som behöver finnas kvar och information som behöver vara i omlopp. 

För i praktiken innebär det att vi behöver arbeta med flera lager av information samtidigt. Ett lager för bevarande där dokumenthanteringsplanen är helt central och där allt som måste finnas kvar av juridiska, historiska och verksamhetsmässiga skäl hanteras. Där är struktur, ordning och långsiktighet avgörande. Parallellt behöver vi lager för användning där vi kontinuerligt identifierar, uppdaterar och tillgängliggör den information som faktiskt skapar värde. Det är här kvalitet blir viktigare än kvantitet, och där relevans slår volym. 

Det innebär också att vi behöver bli bättre på att arbeta med aktualitet. Information som en gång varit korrekt och viktig är inte nödvändigtvis det i dag. I en sparlogik är det inget problem, eftersom historiken i sig är värdefull. Men i en användningslogik, särskilt när AI är inblandat, blir det avgörande att kunna särskilja det som gäller nu från det som gällde då. Annars riskerar vi att fatta beslut på fel grund, trots att all information “finns”. 

Det är här de två perspektiven behöver mötas i praktiken. Dokumenthanteringsplanen säkerställer att vi tar ansvar för det som ska finnas kvar över tid. Arbetet med att identifiera relevant och aktuell statisk verksamhetsdata säkerställer att vi kan använda informationen på ett meningsfullt sätt i vardagen. Det ena handlar om efterlevnad, det andra om effekt. Och båda behövs, samtidigt. 

Så kanske är det inte mängden data som är vår största utmaning, utan vår förmåga att navigera i den. Att parallellt kunna spara det som måste finnas kvar och lyfta fram det som faktiskt gör skillnad. För det är först då som vi kan gå från att ha mycket information till att faktiskt ha användbar kunskap.