Når alle får tilgang til de samme KI-modellene, er ikke teknologien i seg selv et konkurransefortrinn. Norges mulighet ligger i å kombinere KI med industridata, produksjonsmiljøer, fagkompetanse og fysiske ressurser som andre ikke enkelt kan kopiere.
De samme KI-modellene kan brukes av en industribedrift på Kongsberg, en oppstartsbedrift i Silicon Valley og en konkurrent i Asia. Tilgangen blir stadig billigere og enklere. Det gjør kunstig intelligens viktigere, men samtidig mindre egnet som konkurransefortrinn i seg selv.
Likevel handler mye av den norske KI-debatten fortsatt om hvem som har tatt i bruk hvilke verktøy, hvor mange piloter som er startet, og hvor raskt de ansatte får tilgang til en KI-assistent. Dette er nødvendig modernisering. Men det er ikke en strategi for varig konkurransekraft.
Det avgjørende spørsmålet er ikke om en virksomhet bruker KI. Det er hva virksomheten kombinerer teknologien med, og om denne kombinasjonen skaper noe konkurrentene vanskelig kan gjenskape.
I artikkelen From AI table stakes to AI advantage beskriver McKinsey hvordan virksomheter kan gå fra KI som en grunnleggende forutsetning til KI som et varig konkurransefortrinn. Hovedpoenget er enkelt: Modeller og verktøy kan kopieres. Egne data, integrerte arbeidsprosesser, fysiske ressurser og organisatorisk gjennomføringsevne er langt vanskeligere å kopiere.
Norge trenger ikke vinne modellkappløpet
Norske industribedrifters viktigste mulighet ligger neppe i å utvikle generelle grunnmodeller i konkurranse med de største amerikanske og kinesiske teknologiselskapene. Kapitalbehovet, datamengdene og tilgangen til regnekraft gjør dette til en konkurranse på helt andre premisser.
Det betyr ikke at Norge har et dårlig utgangspunkt. Tvert imot har vi sterke posisjoner innen energi, maritim virksomhet, sjømat, prosessindustri, forsvarsteknologi og avansert produksjon. Mange norske virksomheter har digitaliserte produksjonsmiljøer, sterke fagmiljøer og store mengder data fra faktisk drift.
Dette er et bedre utgangspunkt enn det kanskje høres ut som. Når selve KI-modellen blir en standardvare, flyttes verdien til det modellen får tilgang til og hvordan den brukes. Et oppdrettsselskap kan kombinere historiske data om fiskehelse, fôring, temperatur, strømforhold og biomasse. Et energiselskap kan bruke produksjons-, vær- og vedlikeholdsdata til å forbedre prognoser og drift. En maritim leverandør kan analysere informasjon fra fartøy og utstyr for å redusere energibruk og forutse feil.
Ingen av disse fordelene ligger først og fremst i modellen. De ligger i dataene, den industrielle kunnskapen og evnen til å omsette innsikten i bedre drift.
Seks veier til et varig fortrinn
McKinsey peker på seks strategiske mekanismer. For norsk industri er de mest interessante når de virker sammen.
Den første er stordrift. Et industrikonsern som bygger en felles KI-infrastruktur for vedlikehold, kvalitetskontroll, energistyring og dokumentasjon, kan gjenbruke dataflyt, integrasjoner og sikkerhetsmekanismer på tvers av fabrikker og forretningsområder. Dersom hver divisjon utvikler egne løsninger, blir både kostnadene og kompleksiteten høyere.
Den andre er unike data. Data blir et konkurransefortrinn når de forbedrer beslutningene og samtidig skaper nye data som gjør systemet bedre. Da oppstår en læringssløyfe konkurrentene ikke kan kjøpe seg til over natten. Dette krever at virksomheten vet hvilke data som faktisk er strategiske, hvem som eier dem, og hvordan kvaliteten skal sikres.
Den tredje er dyp integrasjon i produksjon og arbeidsprosesser. Et KI-verktøy på siden av de ordinære systemene gir ofte begrenset effekt. Når KI prioriterer arbeidsordrer, inngår i kvalitetskontrollen eller løpende optimaliserer energi- og råvarebruk, blir teknologien en del av virksomhetens operative modell. Fortrinnet består da av kombinasjonen mellom teknologi, prosesskunnskap, data og medarbeidernes erfaring.
Den fjerde er nettverkseffekter. I maritim sektor kan data fra fartøy, verft, havner og utstyrsleverandører gi bedre vedlikehold og mer effektive havneanløp. Verdien øker dersom hver ny deltaker gjør plattformen bedre for de øvrige. Men da blir også spørsmålet om hvem som eier plattformen, dataene og kunderelasjonen strategisk viktig.
Den femte er nye forretningsmodeller. KI kan gjøre det enklere å gå fra salg av produkter, timer og servicebesøk til betaling for dokumenterte resultater. En utstyrsleverandør kan selge garantert oppetid. Et energiteknologiselskap kan få betalt for oppnådde besparelser. Slike modeller kan utfordre dagens inntekter, men også gi mer langsiktige kunderelasjoner.
Den sjette er kontroll over knappe ressurser. Norge har vannkraftverk, kraftnett, offshoreinstallasjoner, havner, fartøy, oppdrettsanlegg og avanserte fabrikker. Disse ressursene krever kapital, konsesjoner, sikkerhetsgodkjenninger og erfaring bygget opp over lang tid. En konkurrent kan kjøpe tilgang til den samme KI-modellen, men kan ikke enkelt kopiere hele det industrielle systemet rundt den.
Den sterkeste norske posisjonen vil derfor ofte være en kombinasjon: egne driftsdata, KI integrert i produksjonen og kontroll over fysiske eller regulerte ressurser. Hver del forsterker de andre.
Gjennomføringsevnen blir avgjørende
Teknologi og data er likevel ikke nok. McKinsey peker også på tre organisatoriske kapabiliteter: evnen til å lære og skalere raskt, evnen til å bygge etterlevelse inn i løsningene, og evnen til å skape tillit.
Dette passer godt med norske forutsetninger. Vi har regulerte markeder, sterke fagmiljøer og tradisjon for samarbeid mellom ledelse og ansatte. Men tillit er ikke det samme som lav risiko. KI som påvirker produksjon, sikkerhet eller viktige beslutninger, krever sporbarhet, datakontroll, tydelig ansvar og menneskelig oppfølging.
God styring kan bli et konkurransefortrinn dersom den gjør det mulig å skalere raskere og tryggere. Det motsatte skjer dersom virksomheten først bygger mange løsninger og deretter forsøker å reparere dataforvaltning, sikkerhet og leverandøravhengighet.
Denne risikoen fortjener større oppmerksomhet. Når KI bygges dypt inn i kjerneprosessene, kan leverandøren få betydelig kontroll over både data, arbeidsprosesser og kostnadsutvikling. Norske virksomheter bør derfor avklare datarettigheter, åpne grensesnitt og reell portabilitet før avhengigheten blir vanskelig å reversere.
Ledelsen må velge hvor virksomheten skal være vanskelig å kopiere
Norske virksomheter bør ikke forsøke å bygge alle konkurransefortrinn samtidig. Ledelsen må velge ett til tre områder hvor selskapet allerede har en strukturell styrke, og konsentrere investeringene der.
Det krever svar på tre spørsmål: Hvilke data, prosesser, kunderelasjoner eller fysiske ressurser har vi som andre vanskelig kan kopiere? Hvordan kan KI gjøre disse fortrinnene sterkere gjennom bruk? Og hvilke deler av dataene, arkitekturen og kompetansen må vi kontrollere selv?
Også myndighetenes rolle bør vurderes i dette perspektivet. Norge har besluttet å investere minst én milliard kroner over fem år i forskning på KI og digitale teknologier. Det er positivt. Men forskningsmidler og generell KI-infrastruktur gir først varig effekt når de kobles til industrielle miljøer, spesialiserte data og faktiske produksjonsutfordringer.
Den viktigste norske KI-satsingen er derfor ikke nødvendigvis den mest synlige. Det kan være løsningen som reduserer nedetiden i en fabrikk, forbedrer fiskehelsen, optimaliserer kraftproduksjonen eller gjør et fartøy sikrere og mer energieffektivt.
Norge trenger ikke eie den største modellen. Vi må bli bedre enn andre til å bruke tilgjengelig KI til å gjøre industrien mer produktiv, mer kunnskapsrik og vanskeligere å konkurrere med.
Kilder
McKinsey & Company: From AI table stakes to AI advantage: Building competitive moats
Regjeringen: Seks nye forskningssentre for kunstig intelligens
