Kontekstgjeld: den skjulte kostnaden ved AI som ikke leverer
Den viktigste variabelen for om AI fungerer hos dere, er ikke hvilken modell dere valgte. Det er hva modellen får å jobbe med. Og de fleste organisasjoner har bygget opp gjeld på den balansen i årevis uten å vite det.
Det finnes ett funn som betyr mer enn det meste som blir sagt om AI for tiden.
Samme modell, gitt en oppgavebeskrivelse og noen filer, feiler i 97 prosent av tilfellene på ikke-trivielle oppgaver. Samme modell, gitt rik kontekst om hvem brukeren er, hva som skal oppnås, hva koden faktisk gjør, hva som er besluttet før, og hvilke begrensninger som gjelder, lykkes nesten 100 prosent av gangene.
Modellen var den samme. Konteksten gjorde forskjellen.
Dette er den viktigste skjevheten i bedrifts-AI akkurat nå, og nesten ingen investerer mot den. Pengene går til verktøyvalg, lisenser og piloter. Svært lite går til det som faktisk avgjør om pilotene lander: strukturert og pålitelig kontekst om organisasjonen selv.
Vi kaller gapet som blir igjen for kontekstgjeld.
Hva kontekstgjeld er
Hver organisasjon har lært i årevis. Beslutninger, kundesamtaler, arkitekturvalg, mislykkede eksperimenter, intern politikk, den reelle grunnen til at en leverandør ble valgt over en annen. Kunnskapen finnes. Den ligger i hoder, i møtenotater, i Slack-tråder, i e-poster, i dokumenter som ble skrevet en gang og aldri oppdatert.
Spørsmålet er ikke om kunnskapen finnes. Spørsmålet er om en AI-modell kan finne den når den trenger den.
Det kan den som regel ikke. Det er gjelden.
Kontekstgjeld er all den organisatoriske kunnskapen som finnes, men som ikke er tilgjengelig for AI når det gjelder.
Den bygger seg opp i stillhet. Hver gang en beslutning tas i et møte uten at noen skriver den ned, vokser balansen. Hver gang en ansatt som sitter på kritisk historikk slutter, blir gjelden vanskeligere å betale ned. Hvert nye system som legges til stacken, utvider flaten konteksten må spres på.
Etter ti, femten år har de fleste organisasjoner samlet opp en gjeld de ikke vet hvor stor er.
Hvorfor AI-en ikke leverer
Når AI ikke leverer verdien dere forventet, får modellen skylden. Eller prompten. Eller leverandøren. Eller brukerne.
Den virkelige årsaken er nesten alltid kontekstgjeld.
Her er mønsteret vi ser om og om igjen: Noen få ansatte bruker AI effektivt. De er flinke til å prompte, og de mater i praksis modellen for hånd med rik kontekst hver gang. Hvem kunden er, hva som er besluttet før, hvilke begrensninger som gjelder. Det fungerer. Resultatene er imponerende.
Så skal det skaleres. En pilot utvides til en avdeling. Et verktøy rulles ut til hele organisasjonen. En agent settes til å gjøre arbeid på egen hånd. Og treffraten kollapser. De nye brukerne har ikke samme kontekst i hodet, klarer ikke artikulere den, og vet ikke hva de skal putte inn i promptene sine. Agenten har ingen steder å hente den fra. Ledelsen konkluderer med at «teknologien ikke er klar».
Men teknologien er klar. Det er kontekstinfrastrukturen som ikke er det.
Fire gap som forsterker hverandre
Kontekstgjeld står ikke alene. Det er ett av fire gap som sammen forklarer hvorfor noen organisasjoner akselererer på AI mens andre stopper opp. Hvert av dem gjør de andre verre.
- Kapasitetsgapet. AI-feltet beveger seg raskere enn de fleste organisasjoner klarer å absorbere. Nye verktøy, modeller og metoder dukker opp ukentlig. Å holde tritt er en heltidsjobb de fleste ledergrupper ikke har råd til å bemanne.
- Kontekstgjelden. Gjelden vi snakker om her. Organisasjonens egen kunnskap er ikke tilgjengelig for AI.
- Medarbeidergapet. Noen ansatte har allerede klonet seg selv stille med AI-arbeidsflyter. Andre har ikke, eller vil ikke. Avstanden mellom de to gruppene vokser ukentlig, og samhandlingen blir vanskeligere.
- Koordineringsskatten. Sytti prosent av kunnskapsarbeid er koordinering. Møter, dokumenter, statusoppdateringer, oversettelse mellom folk. Agenter kan fjerne mye av dette. Hvis noen designer systemet.
En organisasjon kan ansette seg rundt kapasitetsgapet. Den kan lede seg rundt medarbeidergapet. Den kan omorganisere seg rundt koordineringsskatten. Men kontekstgjelden undergraver alle tre forsøkene i stillhet, fordi alle tre avhenger av at AI-en faktisk er nyttig. Og AI-en kan ikke være pålitelig nyttig uten kontekst den ikke når.
Hvordan dere betaler ned
Dette er biten de fleste leverandører ikke vil selge. Den er uglamorøs og den tar tid. Slik ser det ut i praksis:
- Skill mellom det offentlige og det interne kontekstlaget. Noe av det organisasjonen vet er allerede offentlig: bransje, teknologisk fotavtrykk, presseoppslag, konkurrenter, markedsposisjon. Det laget kan bygges utenfra før prosjektet starter. Det interne laget med reelle prioriteringer, faktiske avveininger og den ekte beslutningshistorikken blir bare avdekket gjennom relasjonen.
- Gjør konteksten kontinuerlig, ikke episodisk. Kontekst som blir fanget ved prosjektstart og aldri oppdatert er en statisk rapport. Kontekst som vokser med hvert møte, hver beslutning, hver iterasjon, er noe annet. Forskjellen er den samme som mellom et dokument og et minne.
- La mennesker og agenter hente fra samme kilde. Hvis en agent bare kan få tilgang til organisatorisk kontekst gjennom prompts skrevet av én dyktig ansatt, er organisasjonen én oppsigelse unna kollaps. Konteksten må leve i en flate både mennesker og agenter kan lese.
- Behandle kontekst som et produksjonsmiddel, ikke som forarbeid. Det er fristende å tenke på kontekst som noe som gjøres før selve arbeidet. Det er feil. Kontekst er selve arbeidet. Hver time brukt på å gjøre konteksten tilgjengelig for AI er verdt mer enn hver time brukt på å finjustere prompts mot en sulten modell.
Hva dette betyr for ledelsen
Hvis du leder en organisasjon gjennom AI-overgangen, er ikke det strategiske spørsmålet hvilken modell eller hvilken leverandør. Det strategiske spørsmålet er enklere og vanskeligere på samme tid:
Hvem hos dere har ansvar for å betale ned kontekstgjelden? Og har de strukturell myndighet til faktisk å gjøre det?
De fleste organisasjoner har ikke svar på det. Rollen finnes ikke i organisasjonskartet. Budsjettet har ikke en linje for det. Likevel vil hver AI-satsing dere gjør, fra enkeltbrukere til agenter i produksjon, lykkes eller feile på resultatet av det usynlige arbeidet.
Mennesker leder. Agenter utfører. Skills akkumuleres. Men ingenting av det er mulig uten en kontekstflate som både mennesker og agenter kan stole på.
Start der. Resten blir lettere.