De fleste norske bedrifter bruker nå kunstig intelligens til å skrive utkast. Et forslag til et innlegg, en e-post som skal finpusses, et sammendrag av et møte. Assistenten produserer tekst, og så tar et menneske over og gjør resten.

Det siste steget er i ferd med å forsvinne, og det endrer mer enn de fleste har fått med seg. Ikke fordi modellene har blitt smartere, men fordi de har fått lov til å ta i verktøyene våre.

Frem til nylig satt KI-assistenten bak et glass. Den kunne se og forstå, men ikke røre noe. Den kunne skrive et perfekt innlegg til LinkedIn, men den kunne ikke legge det ut. Den kunne finne feilen i regnskapet, men ikke rette den.

Grunnen var praktisk. Det fantes ingen felles måte for programvare å fortelle en assistent hva den kan gjøre. Hver eneste integrasjon måtte bygges spesielt, og derfor ble det med de færreste.

I løpet av det siste året har det endret seg med en standard som heter MCP, Model Context Protocol. Den ble lansert av Anthropic, og har siden blitt tatt i bruk av OpenAI og en lang rekke andre. Den gjør noe ganske udramatisk: den lar et program beskrive hva det kan utføre, på en måte alle assistenter forstår. Konsekvensen er derimot ikke udramatisk i det hele tatt. Assistenten går fra å være en rådgiver til å bli en som gjør jobben.

For en gründer er dette forskjellen mellom å bruke tjue minutter på å fikse noe KI-en foreslo, og å bruke tjue sekunder på å be om at det blir gjort.

Vi bygde denne koblingen inn i vårt eget produkt, og jeg har brukt den på våre egne kanaler siden i vinter.

I praksis ser det slik ut: jeg ber Claude om ti innlegg for neste uke. Den skriver dem, tilpasser hvert innlegg til plattformen det skal ut på, og legger dem i publiseringskø. Jeg leser dem stort sett ikke før de er ute. Det har blitt rundt 500 000 visninger på seks måneder, med TikTok som den klart største kanalen.

Det som overrasket meg var ikke at det sparte tid. Det var at innholdet ble bedre. Da jeg skrev selv, hadde jeg alltid dårlig tid, og terskelen for å forkaste en middelmådig idé var høy fordi jeg allerede hadde investert tjue minutter i den. Når assistenten lager ti utkast, koster det ingenting å la sju av dem dø. Utvalget ble strengere fordi råmaterialet var gratis.

Den andre overraskelsen var hvor lite av motstanden som var teknisk. Selve koblingen tok kort tid å bygge. Det som tok tid var å bli komfortabel med at noe publiseres uten at jeg har lest det først.

Erfaringen vår peker på tre ting som går igjen for alle som skal la en assistent utføre noe, uansett bransje.

Fullmakter må avklares før du begynner, ikke etterpå. Når et menneske trykker publiser, har de sett hva de publiserer. Når en assistent gjør det, er det ikke sikkert noen har. Vi landet på en enkel grense: assistenten publiserer fritt til våre egne kanaler, men aldri til en kundes uten at et menneske har godkjent. Et byrå som legger ut feil ting hos en kunde har et problem ingen teknologi løser.

Feilmeldinger må skrives for en maskin. Dette var mer arbeid enn selve integrasjonen. “Noe gikk galt, prøv igjen” er ubrukelig for en assistent, for den kan ikke gjette. Den må få vite at bildet var for stort, eller at kontoen har mistet tilgang, slik at den kan gjøre noe fornuftig videre. De fleste systemer er skrevet for et menneske som kan tolke en vag beskjed, og det holder ikke lenger.

Mindre er bedre. Fristelsen er å gjøre alt tilgjengelig for assistenten med én gang. Da velger den feil, og resultatet blir uforutsigbart. Vi begrenset oss til det vi faktisk gjør ofte, og det fungerte langt bedre enn en lang liste med muligheter.

Selv om du ikke bygger KI-verktøy, er det verdt å stille ett spørsmål: hvis kunden din ba assistenten sin om å gjøre den viktigste oppgaven produktet ditt løser, ville det gått?

For mange er svaret nei, fordi løsningen forutsetter at et menneske klikker seg gjennom skjermbilder. Det er ikke et problem i dag. Det kan bli det, av samme grunn som at det å ikke være søkbar på Google ble et problem for tjue år siden. Synligheten flyttet seg, og de som ikke fulgte med ble usynlige uten å merke det med en gang.

Det er også verdt å merke seg hva som skjer med kundelojalitet. Mye av grunnen til at folk blir værende i et system, er at de har lært seg det. Når en assistent utfører oppgaven, har ingen lært seg noe, og da konkurrerer du på om du løser oppgaven godt, ikke på hvor tungvint det er å bytte. For en liten aktør er det gode nyheter. For en etablert er det verdt å tenke over.

Du trenger ikke bygge om alt. Velg én oppgave der konsekvensen av en feil er lav, og la assistenten utføre den i stedet for å foreslå. For oss var det publisering til egne kanaler, nettopp fordi et dårlig innlegg ikke er farlig.

Det du lærer av den ene oppgaven er om motstanden din er teknisk eller om den handler om tillit. Hos oss var det tillit, og det tok lengre tid å komme over enn å bygge selve løsningen.