Din software skal fjerne arbejde. Denne løsning gav 30 minutter ekstra om ugen.

Jeg ejer et AI-studie, hvor jeg arbejder med AI-projekter for virksomheder over hele verden. I denne serie skriver jeg om nogle af de største fejl, jeg har set i projekter med implementering af AI og software, så du kan undgå at begå de samme.

En af mine kunder, en malingsproducent¹, sælger det meste af sin produktion gennem små, selvstændige isenkræmmer- og byggemarkedsbutikker. Virksomheden leverer til butikkerne på sine egne ruter og vidste derfor altid præcis, hvor meget maling den havde sendt til hver enkelt. Men den anede ikke, hvad der skete derefter: hvor meget der var blevet solgt, og hvor meget der stadig stod på hylden. Det er små butikker, ofte familievirksomheder, og det er almindeligt, at én person ejer flere af dem. Virksomheden gik ud fra, at butikkerne var for små til at bruge nogen form for system: Salget blev skrevet ned i hånden eller slået ind på et simpelt kasseapparat, der ikke holdt styr på lageret. Hvis det var rigtigt, var selve hylden den eneste registrering af, hvad der var tilbage, og de eneste, der så den hylde hver dag, var butiksejerne og medarbejderne bag disken.

Virksomheden ville meget gerne have det tal, og ikke kun for at planlægge bedre leveringsruter. Uden det planlagde den alt ud fra butikkernes bestillinger, og bestillinger er en forsinket og forvrænget udgave af det, kunderne faktisk køber. En butik, der løb tør i sidste uge, bestiller dobbelt så meget i denne uge. En butik med for meget på lager bestiller ingenting i en måned. Fabrikken opfatter begge dele som reelle ændringer i efterspørgslen. Den producerer for meget af nogle farver og for lidt af andre, køber råvarer ud fra en forkert prognose og ender med restordrer på netop de produkter, folk vil have.

Hver eneste af de fejl koster penge: hasteproduktion for at indhente det forsømte, ekstra leveringer til butikker, der er løbet tør, og maling, der hober sig op på et lager, hvor ingen har brug for den. Hver tom plads på hylden er også et tabt salg, for den, der kommer ind for at købe maling til weekenden, venter ikke på din næste levering. De køber et andet mærke.

Forskere i forsyningskæder har et navn for den måde, små ændringer på butikshylden bliver til store udsving på fabrikken: piskesmældseffekten, beskrevet af Hau Lee, V. Padmanabhan og Seungjin Whang i MIT Sloan Management Review i 1997. Når virksomheder kan se, hvad der er tilbage ude i butikkerne, kan de tage piskesmældet ud af forsyningskæden.

Faktaboks: Piskesmældseffekten

Når du slår med en pisk, bliver en lille bevægelse i håndleddet til et stort udsving i spidsen. Forsyningskæder gør det samme med efterspørgslen. Hvert led i kæden, fra butikken til distributøren til fabrikken og videre til fabrikkens egne leverandører, ser kun bestillingerne fra det næste led mod kunden, ikke hvad kunderne faktisk køber. Derfor lægger hvert led lidt ekstra på lager for en sikkerheds skyld, bestiller i større partier og overreagerer på pludselige stigninger eller fald. Når signalet når frem til fabrikken, er en lille ændring på butikshylden blevet til et stort udsving i produktionen.

Begrebet blev gjort kendt af Hau Lee, V. Padmanabhan og Seungjin Whang i 1997. Deres mest kendte eksempel kom fra Procter & Gamble, som opdagede, at bestillingerne på Pampers-bleer svingede voldsomt op og ned, selv om babyer bruger bleer i et bemærkelsesværdigt stabilt tempo. Jo længere tilbage i kæden P&G kiggede, desto voldsommere blev udsvingene.

Den sædvanlige kur er indsigt. Når alle led i kæden kan se, hvad der faktisk bliver solgt i butikkerne, holder de op med at gætte ud fra bestillinger.

For at løse problemet henvendte min kunde sig til de eneste, der faktisk kunne se hylderne hver dag: forhandlerne, altså butikkerne selv. Idéen lød enkel. Hvis hver butik én gang om ugen fortalte virksomheden, hvad den havde tilbage, kunne virksomheden klare resten. Men det, en butik havde tilbage, var aldrig bare ét tal. En isenkræmmer- eller byggemarkedsbutik fører virksomhedens maling i snesevis af farver, flere glansgrader og forskellige bøttestørrelser, ved siden af den grunder, fortynder, de pensler og malerruller, der hører til. I branchen er hver af dem en særskilt SKU, en forkortelse for stock keeping unit: Hver farve i hver glansgrad og hver bøttestørrelse tæller som sin egen vare. At indberette lagerbeholdningen betød at tælle hver eneste SKU på hylden, én ad gangen.

Så projektet blev hurtigt omfattende. Der var et link til en app og et regneark, som butikspersonalet skulle downloade, udfylde SKU for SKU og sende tilbage. Efter et stykke tid bad virksomheden dem også om at tilføje deres salgspriser. De fleste butikker udfyldte det aldrig, og nogle udfyldte det på må og få bare for at få det af vejen. Da det ikke virkede, begyndte en medarbejder fra kundeservice at ringe til butikkerne hver uge og spørge til deres lagerbeholdning, kategori for kategori. For mange butikker tog en ordentlig optælling tredive minutter eller mere, og personen i den anden ende af røret havde ofte kunder, der ventede. Tallene, der kom tilbage, var svære at stole på, og projektet blev lukket, før det overhovedet var rullet helt ud.

Jeg begyndte at arbejde med virksomheden efter det, og mit råd var at holde fast i målet og droppe metoden. Det er reelt værdifuldt at vide, hvad der er tilbage på dine kunders hylder. Men denne løsning var dødsdømt fra første dag, fordi den bad mennesker, der ikke selv ville få noget ud af dataene, om at bruge en halv time hver uge på at producere dem for andre. Det er dér, IT-projekter går hen for at dø.

Appen blev målet, og problemet blev glemt

På papiret lød virksomhedens plan god. Den beskrev en simpel app, som butikkerne skulle bruge til at indberette deres lagerbeholdning, så nem, at ingen ville få brug for oplæring eller en manual. Men som så mange virksomheder før dem glemte min kunde, at teknologi er et middel. Software, data og AI er værktøjer til at løse et problem. De er ikke målet. Et sted undervejs blev appen til selve projektet, og al energien gik til at bygge værktøjet i stedet for at løse det problem, det skulle løse. Det krævede en forståelse af de mennesker, ressourcer og incitamenter, der skulle til for faktisk at få arbejdet gjort.

Det fremgår endda af planen. Den opremsede, hvad projektets succes afhang af, og det første punkt var, at virksomheden skulle finde på en form for belønning, der kunne få butikkerne til at indberette hver uge. Lige ved siden af stod en note om, at ledelsen måske skulle genoverveje, hvordan den belønnede butikkerne for at dele information. Det vigtigste spørgsmål i hele projektet, hvorfor nogen i en butik overhovedet skulle gøre sig umagen, blev parkeret som en forudsætning, nogen måtte finde ud af senere. Det gjorde ingen.

Og det var det egentlige problem. Folkene i butikkerne havde absolut intet incitament til at tage et fælles ansvar for problemet sammen med virksomheden. Gevinsterne tilfaldt producenten, og arbejdet landede hos dem. Ovenikøbet er butikkerne ikke gift med min kundes maling. De har masser af andre mærker stående lige ved siden af, så hvis min kundes bøtter slipper op, vælger kunden bare et andet mærke fra samme hylde, og butikken får stadig salget. En delvist tom hylde er producentens problem, ikke butikkens. Det er en af de mest almindelige fejl, jeg ser: Virksomheder forveksler enkelt med gratis. En flot app tager stadig tid at bruge, og tredive minutters nem optælling er stadig tredive minutter taget fra en person med ventende kunder og en butik at drive. Du kan gøre en opgave lettere, men du kan ikke få nogen til at interessere sig for en opgave, der kun hjælper dig.

Næsten ingen butikker talte op, og de optællinger, der kom ind, var ikke til at stole på

Folk gør én af to ting med en anmodning om data, der ikke hjælper dem selv. De ignorerer den, og du får huller i dataene. Eller de udfylder den med det, der går hurtigst, og du får fiktive data. Det sidste er langt værre. Et tomt dashboard fortæller dig, at du ikke ved noget. Et dashboard fyldt med opdigtede optællinger fortæller dig, at du gør, og så planlægger du dine ruter og din produktion ud fra fiktion.

Det er ikke kun et problem i små butikker. I en undersøgelse fra 2024 foretaget af Validity, en virksomhed, der sælger værktøjer til datakvalitet, svarede mere end halvdelen af respondenterne fra dataafhængige virksomheder, at deres medarbejdere manipulerer kundeoplysningerne i CRM-systemet for at fortælle lederne det, de gerne vil høre, og 45 procent svarede, at medarbejderne simpelthen finder på dataene. Læger lever med det samme. Et studie fra 2016 viste, at for hver time, læger tilbringer med patienter, bruger de næsten to mere på elektroniske journaler og skrivebordsarbejde, og da forskere fra Penn Medicine undersøgte mere end 100 millioner journalnotater, var omkring halvdelen af teksten kopieret fra tidligere notater. Når et system kræver tekst, giver folk det tekst.

Og læger og sælgere er ansatte. De bliver betalt for at udfylde de systemer, og alligevel forringes dataene. Folkene bag disken i disse butikker arbejdede ikke engang for virksomheden. De arbejdede for dens kunder. Virksomheden havde ingen mulighed for at tvinge dem til at tælle, og de havde al mulig grund til at lade være.

Bryggerier løste det samme problem ved at gøre det lettere for butikken at bestille

De virksomheder, der har knækket koden, bad ikke om ekstra arbejde. De fandt noget, butiksejeren allerede gerne ville gøre, og byggede dataindsamlingen ind i det. Bryggerikoncernen AB InBev byggede en bestillingsapp til små butikker ved navn BEES. I stedet for at vente på, at en sælger kommer forbi, kan butiksejerne se hele sortimentet og priserne, vælge en leveringsdag, optjene belønninger og få mere gennemskuelige kreditvilkår. AB InBev oplyser nu, at platformen har mere end seks millioner kunder, og at 72 procent af omsætningen kommer gennem virksomhedens digitale B2B-platforme. Virksomheden fortalte investorerne i 2023, at den pludselig havde data, den aldrig havde haft før. Ingen behøvede at tigge butiksejerne om dem. De bestilte, fordi det var blevet nemmere at bestille.

Min kunde kan ikke bare kopiere BEES. Øl bliver genbestilt hver uge, og bryggeriet er ofte en butiks vigtigste leverandør. Maling er én produktgruppe blandt tusindvis i en isenkræmmer- eller byggemarkedsbutik, og ingen butik vil installere en app for hvert mærke på hylderne. Det, man kan overføre, er princippet: Indsaml dataene i det øjeblik, hvor folk allerede gør noget af deres egne grunde.

Butikkerne havde allerede kasseapparater, og nogle havde et system fra en konkurrent

For min kunde var svaret tættere på, end nogen troede. Jeg udfordrede antagelsen om, at butikkerne slet ikke havde noget system. Mit forslag, inspireret af en anden af mine kunder, var at give butikkerne noget, de faktisk ville have: en simpel lagerapp eller en tablet, der holder styr på hele butikkens lager, hvert mærke på hver hylde, ikke kun min kundes maling.

På den måde får butikken et værktøj, der hjælper den med at drive sin forretning. Min kunde får indblik i hele transaktionen, også i hvad der bliver solgt, når virksomhedens egen maling ikke gør. Så tog vi ud i butikkerne. Hver eneste af dem havde et kasseapparat, og nogle havde allerede et lagersystem, leveret af min kundes konkurrent. Transaktionen blev allerede registreret. Den blev bare ikke registreret til brug for min kunde. Hvad det siger om, hvor langt en virksomhed kan fjerne sig fra sine egne kunder, fortjener en artikel for sig, og det vender jeg tilbage til i næste artikel i serien.

Virksomheden prøvede en app, et regneark og telefonopkald, men tilbød aldrig butikkerne noget

Ret skal være ret: Virksomheden prøvede faktisk. Den gik fra en app til et regneark til telefonopkald, og hver version var et oprigtigt forsøg på at gøre det lettere at levere de ønskede oplysninger. Alle slog fejl, og virksomheden stoppede før en fuld udrulning.

Det, der aldrig ændrede sig, var byttehandlen. I hver version gav butikken tredive minutter og fik intet igen. Virksomheden afprøvede, hvordan den skulle spørge, men undersøgte aldrig, hvorfor nogen skulle svare. Den undersøgelse ville have været næsten gratis. Besøg ti butikker, se, hvad der står ved siden af kassen, og spørg folkene bag disken, hvad de ville have til gengæld for at tælle malingen op hver uge. De fleste ville have grinet, og nogle ville have peget på det system, de allerede havde.

Der var mulighed for en aftale, i hvert fald i teorien. Min kunde kunne have tilbudt butikkerne en andel af omsætningen, en lille procentdel retur for hver solgt bøtte, hvis de indberettede deres lagerbeholdning hver uge. Det ville have givet folkene bag disken en grund til at tælle. Projektet tilbød butikkerne ingenting, så det fik ingenting igen. Men jeg tror ikke, at betaling for optællinger nogensinde var det bedste svar. Det bedre spørgsmål var, hvor transaktionen allerede blev registreret.

Den reelle omkostning er ikke bare ét mislykket projekt. Når en løsning fejler så synligt, bliver målet ofte begravet sammen med den. Efter det seneste forsøg er kuldsejlet, vil ingen være den, der foreslår data fra butikshylderne igen, selv om idéen hele tiden var rigtig.

Betaling for hver optælling ville have skabt en ekstra forretning

Den oplagte indvending er: Fint, så betal butikkerne. Nogle gange virker det. Markedsanalysevirksomheder har i årtier betalt husstande for at scanne deres indkøb, og NielsenIQ udvidede sit britiske panel til 30.000 husstande i 2024. Men se på, hvad det kræver. At rekruttere folk, udforme belønningerne, kontrollere dataene og smide dem ud, der snyder, er en hel forretning i sig selv. En malingsvirksomhed, der begynder at betale for lageroptællinger, har startet en ekstra virksomhed uden at opdage det.

Den har også skabt en grund til at snyde. Samfundsforskeren Donald Campbell advarede i 1970’erne om, at jo mere et tal bruges til at træffe beslutninger, desto større bliver presset for at manipulere det. Den idé er nu kendt som Campbells lov. Hans eksempel var militærets optællinger af dræbte fjender. Betal en butik pr. optælling, og du får optællinger. Om de har noget med hylden at gøre, er et andet spørgsmål. Derfor fungerer en andel af omsætningen bedre end et fast beløb. Et fast beløb belønner det at sende et tal, mens en andel af salget belønner et tal, der er sandt.

Min kunde byggede et værktøj, men havde brug for data fra salgsstedet

Når jeg ser tilbage, begik min kunde fire fejl, og ingen af dem var tekniske.

1. Virksomheden satte teknologien i centrum. Så snart problemet var formuleret, kom samtalen til at handle om, hvilket værktøj der skulle bygges: en app, et link, et regneark. Ingen stoppede op og spurgte, hvad butikkerne allerede brugte, hvad de havde brug for, eller hvad de ville få ud af det.
2. Virksomheden låste sig fast på processen. Hver gang butikkerne ikke indberettede, ændrede virksomheden måden, den spurgte på, fra appen til regnearket til telefonopkaldene, i stedet for at spørge sig selv, om den overhovedet burde bede dem om det.
3. Virksomheden fik aldrig de mennesker med, som den var afhængig af. Hele projektet byggede på, at butikspersonalet udførte ekstra arbejde hver uge, men ingen besøgte dem, spurgte dem eller tilbød dem noget. De havde ingen grund til at tage et fælles ansvar for problemet, og det gjorde de heller ikke.
4. Virksomheden forvekslede et værktøj med projektet. Projektet handlede aldrig om at rulle en app eller en AI-funktion ud. Det handlede om at få pålidelige data fra salgsstedet. Set sådan ændrer spørgsmålet sig fra, hvordan man får butikkerne til at bruge sin app, til, hvor de oplysninger allerede bliver registreret, og svaret stod hele tiden ved siden af kassen.

I begyndelsen så hylden ud til at være noget, kun folkene i butikken kunne se, og hele planen afhang af at overtale dem til at tælle den op for virksomheden. Men hylden var aldrig den eneste registrering. Hver bøtte, der forlod den, gik gennem et kasseapparat og i nogle butikker gennem et system, min kundes konkurrent havde stillet op. Oplysningerne blev registreret hver eneste dag. Min kunde tog bare aldrig ud for at se efter. Ingen i den butik havde nogensinde sagt ja til at tælle for dig, og god software ville aldrig have bedt dem om det.

¹ Alle historier i denne serie er virkelige. For at beskytte mine kunder ændrer jeg de detaljer, der kan identificere dem, såsom branchen, produkterne, virksomhedens størrelse og placering samt navne på personer og leverandører. Det, der skete, de beslutninger, der blev truffet, og årsagerne til, at det gik galt, er bevaret, som de var.

Kilder

• Christine Sinsky et al., "Fordeling af lægers tid i ambulant praksis: Et tids- og bevægelsesstudie i fire specialer", Annals of Internal Medicine 165(11), 2016.
• Jackson Steinkamp, Jacob Kantrowitz og Subha Airan-Javia, "Forekomst af og kilder til duplikeret information i den elektroniske patientjournal", JAMA Network Open 5(9), 2022.
• Validity, "Status for håndtering af CRM-data i 2024", 2024.
• AB InBev, "Resultater for andet kvartal 2026", 30. juli 2026.
• Nick Caton, AB InBev, "Digitalisér og skab indtjening: BEES", transskription fra kapitalmarkedsdagen, 20. september 2023.
• NielsenIQ, "NIQ afslutter udvidelsen af Homescan-panelet til 30.000 husstande", oktober 2024.
• Donald T. Campbell, "Vurdering af virkningen af planlagt social forandring", Occasional Paper 8, Dartmouth College, 1976 (genoptrykt i Journal of MultiDisciplinary Evaluation, 2011).
• Hau L. Lee, V. Padmanabhan og Seungjin Whang, "Piskesmældseffekten i forsyningskæder", MIT Sloan Management Review, 1997.