Håndtér teknisk gæld og datagæld løbende
Behandl teknisk gæld og datagæld som en del af forretningsprioriteringen. Et hurtigt forsøg må gerne være enkelt og midlertidigt, når begrænsningerne er kendte. Problemet opstår, når en pilot uden ejerskab, adgangskontrol eller vedligeholdelse bliver kritisk drift uden en ny beslutning.
Agile principper fremhæver teknisk kvalitet og godt design som grundlag for fortsat tilpasning. [1] Læringen for AI er, at hastighed afhænger af et fundament, som kan ændres sikkert. Data, kilder, integrationer og evaluering skal kunne vedligeholdes sammen med applikationen.
Denne artikel bruger gæld som en praktisk betegnelse for valg eller mangler, der gør fremtidigt arbejde dyrere eller mere risikabelt. Ikke alle ufuldkommenheder skal løses straks. Systemmodenhed klar til agentisk AI (AI-03-001) beskriver modenhed, og Forbind AI med virksomhedens eksisterende systemer (Q15) krav til integration.
Skeln mellem et bevidst kompromis og en skjult mangel
Et eksperiment kan bruge en lille godkendt dataprøve og manuel indlæsning. Det kan være en fornuftig måde at undersøge et spørgsmål på. Registrér, hvad der skal ændres, hvis forsøget skal blive til en MVP eller en større løsning.
En skjult mangel opstår, når teamet ikke ved, hvem der ejer datakilden, hvilken version der bruges, eller hvordan et API-kald kan gentages sikkert. Den kan give et misvisende billede af både værdi og indsats. Et teknisk vellykket forsøg siger da mindre om den fulde løsning, end ledelsen tror.
DORA 2025 beskriver AI som en forstærker af eksisterende organisatoriske forhold i softwareudvikling. [2] Vores praktiske fortolkning er at undersøge, om AI gør det lettere at arbejde med et godt fundament eller blot producerer mere arbejde oven på eksisterende problemer.
Se hvad gælden består af
| Område | Kendt agil problemstilling | AI relateret udvidelse |
|---|---|---|
| Teknik | Svære ændringer og skrøbelige integrationer | Afhængighed af modelversion, værktøjer og instruktioner |
| Data | Uklare definitioner og dårlig kvalitet | Forældede kilder kan blive til overbevisende svar |
| Test | Utilstrækkelig kontrol af ændringer | Manglende faglige eksempler skjuler kvalitetsfald |
| Ejerskab | Ingen vedligeholder en fælles komponent | Ingen ejer kildestatus, indeks eller modeladgang |
Datagæld er ikke kun stavefejl og tomme felter. Den kan omfatte uklare begreber, manglende rettigheder, dubletter og manglende historik. En korrekt registrering kan stadig være uegnet til en bestemt opgave, hvis dens betydning eller aktualitet er uklar.
Prioritér efter konkret virkning
Beskriv, hvilke initiativer en forbedring hjælper, hvilken risiko den reducerer, og hvilken indsats den kræver. En fælles identitetsløsning kan have indirekte værdi for flere agenter. En oprydning i produktdata kan både forbedre dagens service og gøre en fremtidig RAG-løsning mulig.
Vær konkret om den forventede genbrug. En stor platform til hypotetiske behov kan binde kapacitet uden tilsvarende værdi. Vælg den mindste forbedring, som skaber et holdbart næste skridt, og registrér resterende begrænsninger.
Det britiske data quality framework beskriver blandt andet nøjagtighed, fuldstændighed og aktualitet. [3] Brug relevante dimensioner til at undersøge den valgte opgave. En enkelt kvalitetsprocent på tværs af alle data kan skjule, at netop de kritiske oplysninger er forkerte. Gør virksomhedens data klar til AI (Q13) uddyber vurderingen.
Et eksempel med en voksende vidensassistent
Virksomheden i dette eksempel bygger en nyttig assistent på en mappe med godkendte manualer. Efterhånden kopieres flere dokumenter ind, og en gammel version bliver liggende. Ingen har ansvar for sletning i søgeindekset. Assistenten finder nu to forskellige procedurer og svarer inkonsistent.
Teamet indfører stabile dokument-ID’er, versioner, ejerskab og en kontrolleret proces for opdatering og sletning. Der tilføjes tests for modstridende og udgåede kilder. Arbejdet skaber ikke en ny synlig chatbotfunktion, men gør den eksisterende løsning mere pålidelig.
RAG fra dokumenter til brugbar viden (AI-07-001) og Brug virksomhedens viden med RAG (Q14) beskriver denne livscyklus. En bedre model kan være nyttig, men den fjerner ikke behovet for at styre dokumenternes gyldighed og adgang.
Afsæt kapacitet før problemerne bliver akutte
Lad teamet vedligeholde en kort oversigt over væsentlig gæld med konsekvens, berørte løsninger og næste mulige handling. Gennemgå den sammen med forretningsprioriteringerne. Der behøver ikke være en universel fast procent til oprydning; kapaciteten skal følge den konkrete risiko og gevinst.
Microsofts designprincipper for AI-løsninger behandler vedligeholdelse og ændringer som fortsatte opgaver. [4] Aftal derfor, hvem der vurderer nye modelversioner, datakilder og integrationsændringer. Hold AI stabil og håndtér fejl i drift (Q27) beskriver drift, og Vælg AI leverandør og bevar handlefriheden (Q23) leverandørafhængighed.
Eksperimentet skal gøre de vigtigste kompromiser synlige. MVP’en skal have et fundament, som kan bære rigtig brug. Før skalering skal ledelsen kende de mangler, som ellers vil vokse med antal brugere, datakilder eller handlinger.
Næste ledelsesbeslutning: Vælg den tekniske eller datamæssige mangel, der mest begrænser næste investering. Beskriv dens forretningsvirkning, ejer og mindste holdbare forbedring, og giv arbejdet en plads i den fælles prioritering.
Kundeeksempel med mål og opfølgning
Et team i floweksemplet kan reducere gennemløbstid fra otte til fem uger gennem færre samtidige opgaver og mere pålidelig test. For en allerede valideret leverance med 20.000 kr. i forventet ugentligt nettobidrag kan tre ugers tidligere brug svare til 60.000 kr. over en fast periode.
Forbedringen skal efterprøves på sammenlignelige opgaver, og omkostningen til gældsreduktionen medregnes. Den indirekte værdi er bedre mulighed for kommende eksperimenter; den må ikke uden videre lægges oven i gevinsten fra samme tidligere lancering.
Brug den samlede VP/SE-model, VP-vejledningen og SE-vejledningen. Begge estimater revurderes før Hypotese, MVP og Skalering. VP/SE er et lokalt præferenceindeks, ikke økonomisk ROI eller WSJF. Lær anvendelsen på halvdag 1 om VP og halvdag 2 om SE og prioritering, hver fire timer inklusive pause.
Kilder og videre læsning
Eksempler og handlingsforslag er EnableAIs faglige vurdering. Virksomhedseksempler og regnetal er illustrative. Artiklen er opdateret med konkrete regneeksempler og henvisninger den 15. september 2026.
[1] Principperne bag Det Agile Manifest
[2] DORA · State of AI assisted Software Development 2025