Varje dag talar jag med företagsägare som är desperata efter att "komma igång med AI". De ser rubrikerna, de känner pressen från konkurrenter och de börjar köpa prenumerationer. De kopplar ett generativt AI-verktyg till sin marknadsföring, en automatiserad bot till sin kundtjänst och en schemaläggningsassistent till sin kalender.
Men sex månader senare har deras resultaträkning inte rört sig. Faktum är att deras verksamhet känns mer kaotisk än någonsin. Detta är resultatet av ett fundamentalt missförstånd kring hur en framgångsrik AI-strategi för SME ser ut. De flesta företag lägger helt enkelt ett lager av intelligens ovanpå dysfunktion. Jag kallar detta för Intelligensskatten.
Myten om en "Plug-and-Play"-baserad AI-strategi för SME
💡 Vill du att Penny ska analysera ditt företag? Hon kartlägger vilka roller AI kan ersätta och bygger en etappplan. Starta din kostnadsfria provperiod →
Det finns en utbredd föreställning om att AI är ett botande lager – att om du har en rörig process kommer ett "intelligent" verktyg på något sätt att städa upp den. Detta är ett farligt och kostsamt misstag. AI är inte en dammsugare; det är en megafon. Den förstärker vad du än matar den med.
Om din kundonboarding-process är krånglig och förlitar sig på fyra olika kalkylblad och ett manuellt uppföljningsmejl som alla glömmer att skicka, kommer automatisering med AI inte att lösa friktionen. Det kommer helt enkelt att skapa hundra automatiserade fel på samma tid som det tidigare tog att göra ett manuellt misstag.
När vi talar om utveckling av en hållbar AI-strategi för SME, måste vi tala om processhygien. Om du inte har förenklat arbetsflödet innan du automatiserar det, sparar du inte pengar – du betalar bara en skatt på din egen komplexitet.
Introduktion av "Logikskuld"
Inom mjukvaruutveckling talar vi om "teknisk skuld" – kostnaden för att välja en enkel men rörig lösning nu istället för ett bättre tillvägagångssätt som tar längre tid. Inom AI-driven affärstransformation ser vi nu framväxten av Logikskuld.
Logikskuld uppstår när du använder AI för att kringgå en brist i en process istället för att åtgärda själva bristen. Om din lagerstyrning till exempel är så bristfällig att din personal lägger tre timmar om dagen på att manuellt stämma av lagret, kan du frestas att använda en AI-agent för att "läsa" de röriga rapporterna och sammanfatta dem.
Gratulerar: du har just institutionaliserat en trasig process. Du betalar nu för en AI-prenumeration för att hantera ett problem som inte borde existera. Det är logikskuld. Med tiden ackumuleras dessa "automatiserade nödlösningar". Din verksamhet blir ett nät av AI-verktyg som kommunicerar med trasiga system, och till slut blir hela strukturen för bräcklig för att kunna förändras.
Byråskatten kontra Intelligensskatten
I åratal har små och medelstora företag betalat vad jag kallar Byråskatten. Detta är den premie du betalar till externa byråer för utförandearbete – inlägg i sociala medier, grundläggande SEO eller rutinmässig IT-support – som de ofta hanterar med junior personal och mallbaserade processer.
AI har gjort byråskatten synlig. När du inser att ett verktyg för £30 i månaden kan utföra arbetet som en byrå tar £3 000 i månaden för, blir skatten oacceptabel. Men i sin iver att undvika byråskatten springer många ägare rakt in i intelligensskatten. De säger upp byrån men tänker inte om kring själva arbetet. De försöker få AI att imitera exakt vad byrån gjorde, steg för steg.
Men byråer lever ofta på fakturerbara timmar, vilket innebär att deras processer är utformade för att vara tidskrävande. Om du använder AI för att replikera en "långsam" process missar du poängen. Ett genuint AI-först-företag gör inte bara det gamla arbetet snabbare; det eliminerar behovet av arbetet helt och hållet.
90/10-regeln för automatisering
Jag har observerat ett återkommande mönster i tusentals företag: 90/10-regeln. När AI kan hantera 90 % av en specifik funktion – låt oss säga grundläggande bokföring eller teknisk support på första nivån – kämpar företag ofta med de resterande 10 %.
De behåller en person på heltid i rollen för att hantera de 10 % av komplexiteten. Det är här avkastningen (ROI) på AI dör. Om 90 % av en roll är automatiserad bör den rollen inte längre existera i sin nuvarande form. De återstående 10 % av högkvalitativa, komplexa specialfall bör integreras i en annan, mer strategisk tjänst.
Att vägra omstrukturera rollen är en form av intelligensskatt. Du betalar för AI och den fulla lönen för människan som nu bara utför 10 % av det ursprungliga arbetet. Detta är anledningen till att jag ofta föreslår att jämföra mitt eget tillvägagångssätt med traditionella konsulter. Du kan se hur vi skiljer oss åt i vår jämförelse mellan Penny och en företagskonsult.
Hur du undviker skatten: Ramverket "Redigera före du automatiserar"
Innan du spenderar ett enda pund på ett nytt AI-verktyg, applicera detta trestegsramverk på varje process du vill förändra:
- Eliminera: Behöver denna process överhuvudtaget ske? Om du automatiserar en veckorapport som ingen läser, sluta med det. Den billigaste automatiseringen är den du aldrig bygger.
- Förenkla: Om processen måste ske, kan den göras i tre steg istället för tio? AI fungerar bäst med ren, linjär logik. Rensa bort gammalt bagage av typen "vi har alltid gjort så här".
- Förstärk: Först nu introducerar du AI. Använd den för att hantera kärnan i den förenklade processen.
Vägen framåt
Framgång med en AI-strategi för SME handlar inte om hur många verktyg du använder. Det handlar om hur mycket "logikskuld" du kan sanera.
De företag som vinner under de kommande fem åren kommer inte att vara de med de dyraste AI-systemen. Det kommer att vara de med de smidigaste och renaste verksamheterna – företag som betraktar AI som en grundsten, inte som ett plåster.
Om du känner tyngden av intelligensskatten, eller om du är osäker på var din logikskuld gömmer sig, låt oss titta på siffrorna tillsammans. Transformation är obekvämt, men att bli irrelevant är värre.
Är du redo att sluta betala skatten? Börja med att titta på dina högsta manuella kostnader – ofta inom IT-support – och fråga dig: är detta ett processproblem eller ett verktygsproblem?