Antalet som kallar sig AI-konsult har exploderat de senaste två åren. I Skåne finns nu allt från enmansbolag med en OpenAI-nyckel till stora konsultbyråer som lagt till “AI” i tjänstekatalogen. Skillnaden i vad man faktiskt får är enorm.
Det här är de frågor vi tycker att du ska ställa innan du skriver på. Vi ställer dem gärna till oss själva också — du får samma svar oavsett.
1. Har ni själva byggt och driftat det ni säljer?
AI-infrastruktur är inte ett strategidokument. Det är GPU-schemaläggning, KV-cachar, vektordatabaser och larm som ringer klockan tre på natten. Fråga efter konkreta system som konsulten har byggt och fortfarande driftar — inte bara presenterat.
Ett bra tecken: de kan prata om vad som gick fel. Ett dåligt tecken: varje referensprojekt beskrivs som en framgång utan friktion.
2. Var hamnar vår data?
Det här är den fråga som diskvalificerar flest leverantörer. Om svaret är “vi använder ett API” bör du fråga vilket, var det körs, vilka underbiträden som finns och vad som gäller för prompts som skickas dit.
För många verksamheter — offentlig sektor, life science, finans, advokatbyråer — räcker det inte med att leverantören har ett databehandlingsavtal. Datan får över huvud taget inte lämna organisationen. Då behövs egen GPU-kapacitet och self-hostad inferens, och det är en helt annan arkitektur än att anropa ett externt API.
Fråga: “Vilka av våra data kommer att lämna vår miljö, och kan ni bygga en lösning där svaret är inga?”
3. Vad händer när modellen svarar fel?
Alla modeller svarar fel ibland. Den relevanta frågan är vad som händer sedan: upptäcks det, loggas det, och kan svaret återskapas i efterhand?
Be om att få se hur utvärdering går till. Finns det ett testset? Mäter ni kvalitet löpande eller bara vid leverans? Vet ni när en modell som fungerade i januari slutar fungera i juni? En AI-tjänst utan utvärdering är en tjänst ingen äger.
4. Vem är det som faktiskt gör arbetet?
Många upphandlingar vinns av en senior arkitekt och genomförs av någon som är ny i yrket. Fråga vem som skriver koden, vem som sitter i mötena och hur mycket tid den personen har avsatt i projektet.
Det är också värt att fråga hur många uppdrag konsulten driver samtidigt. En senior konsult med elva parallella projekt är i praktiken en projektledare.
5. Vad kostar det efter att projektet är slut?
De stora kostnaderna i AI-system är sällan utvecklingstimmar. Det är GPU-timmar, token-kostnader och den tid som går åt till att hålla systemet vid liv. En lösning som är billig att bygga kan vara dyr att drifta i tre år.
Fråga efter en kostnadsmodell per månad vid förväntad volym — inte bara en projektbudget. Be också om vad som händer vid dubbla trafiken: vilka kostnader skalar linjärt och vilka gör det inte.
6. Kan vi ta över systemet själva?
En leverantör som gör sig oumbärlig är en dold kostnad. Fråga om infrastrukturen ligger som kod, om den kan köras i er egen miljö, och om ni får dokumentation som beskriver systemet i klartext.
En bra konsult gör sig själv överflödig. Det är ett dåligt affärsupplägg på kort sikt och ett bra ett på lång sikt — eftersom det är den konsulten du ringer nästa gång.
7. Vad är ett rimligt första steg?
Om svaret är ett sexmånadersprogram med okänd slutpunkt bör du tveka. Ett rimligt första steg är avgränsat, mätbart och går att avbryta: en arkitekturgranskning, en teknisk förstudie, eller ett proof of concept med kriterier för vad som räknas som lyckat — fastställda innan arbetet börjar.
Fråga: “Om vi bara vill lägga tjugo timmar innan vi bestämmer oss — vad skulle ni göra med dem?”
Sammanfattning
De sju frågorna handlar egentligen om samma sak: vill leverantören att du ska förstå systemet, eller bara att du ska köpa det? En AI-konsult som kan svara rakt på dataresidens, utvärdering, kostnad efter projektet och överlämning är nästan alltid den du vill arbeta med.
Vi svarar gärna på alla sju — hör av dig via kontaktsidan. Vi arbetar från Staffanstorp med kunder i Malmö och Lund, och du kan läsa mer om våra AI-konsulttjänster.