Enterprise Architecture🇩🇰 Dansk
AI i Enterprise Architecture: governance
Juli 2025·7 min læsning·Brian P.N. Tofft
Kunstig intelligens er ikke blot endnu et IT-system der skal implementeres og driftes. Det er en fundamental ændring af måden organisationer indsamler, behandler og anvender information, og det stiller helt nye krav til Enterprise Architecture. Virksomheder der ikke tager højde for AI i deres EA-rammeværk risikerer at ende med en fragmenteret AI-portefølje, redundante datasiloer og strategiske investeringer der ikke hænger sammen. Hos We Lead Projects har vi bistået virksomheder med netop dette arbejde. Her er vores erfaringer.
Traditionelle EA-frameworks som TOGAF er bygget op om fire arkitekturlag: forretning, data, applikationer og teknologi. AI berører alle fire lag på én gang. På forretningslaget ændrer AI beslutningsprocesser og skaber nye forretningsmodeller. På datalaget stiller AI skærpede krav til datakvalitet, datalineage og adgangsstyring. Dårlige data giver dårlige AI-resultater. På applikationslaget introducerer AI nye komponenter som modeller, inference-endpoints og MLOps-pipelines. På teknologilaget kræver AI-workloads ofte specialiseret infrastruktur i form af GPU-kapacitet, cloud-platforme og dataplattforme. En Enterprise Arkitekt der ikke har kortlagt disse sammenhænge skaber blindt rum for fejlinvesteringer.
AI-governance er den del af EA der sikrer, at AI-systemer udvikles og anvendes på en ansvarlig, reproducerbar og kontrollerbar måde. Det dækker over: modelregistrering og versionsstyring, datarettigheder og compliance (herunder EU AI Act og GDPR), fairness og bias-evaluering, auditbarhed og forklarbarhed samt klare ejerskabsstrukturer for AI-aktiver. Mange organisationer har i dag AI-eksperimenter spredt ud over forretningen, i marketing, økonomi, drift og HR, uden central koordinering eller governancepolitik. En Enterprise Arkitekt der etablerer et AI-governanceframework bringer disse initiativer ind under en fælles struktur, reducerer risiko og øger genanvendeligheden af data og modeller på tværs af organisationen.
Et af de første og vigtigste skridt i AI-EA-arbejdet er at skabe et overblik over eksisterende AI-aktiver: hvilke modeller er i brug, hvem ejer dem, hvilke data er de trænet på, og hvilke systemer er de integreret i? Denne kortlægning afslører typisk tre ting: (1) Mange AI-løsninger er indkøbt som dele af SaaS-produkter og er ikke synlige i den eksisterende IT-portefølje. (2) Der er betydelig redundans. Det samme problem løses med forskellige AI-løsninger i forskellige dele af organisationen. (3) Datakvaliteten varierer markant på tværs af de datakilder der bruges til AI. Kortlægningen er grundlaget for en realistisk AI-roadmap.
En AI-roadmap baseret på EA er ikke en liste over AI-projekter man gerne vil lave. Det er en prioriteret plan der tager udgangspunkt i forretningens strategiske mål, kortlægger de arkitekturmæssige forudsætninger og identificerer de kritiske kapabiliteter der skal etableres, typisk dataplattform, governancestrukturer og kompetencer, inden de store AI-investeringer igangsættes. Roadmappen bør skelne mellem tre typer AI-initiativer: (1) Køb: indkøb af AI-funktionalitet som del af eksisterende software. (2) Tilpas: finjustering af eksisterende modeller til organisationens specifikke behov. (3) Byg: udvikling af egne modeller på egne data. De fleste organisationer har brug for alle tre, men i forskellig balance afhængigt af deres datamodenhed og strategiske ambitioner.
Hos We Lead Projects har vi ledt og bistået AI-implementeringsprojekter i flere faser, fra den indledende behovsanalyse og arkitekturvurdering til leverance og driftovergang. Vores erfaring er, at de projekter der lykkes, har tre ting til fælles: For det første et klart forretningsproblem at løse, ikke 'vi vil gerne lave AI', men 'vi vil reducere behandlingstiden for X med Y procent'. For det andet et solidt datafundament etableret inden modeludvikling starter. For det tredje en governance-struktur der er defineret og godkendt af ledelsen inden første model går i produktion. De projekter der fejler, starter typisk med teknologien og arbejder sig baglæns mod forretningsværdien. Det er den omvendte rækkefølge.
Uanset hvor din organisation er i AI-rejsen, er en arkitekturvurdering et godt startpunkt. Den afklarer hvad I har, hvad I mangler og hvad der er det rigtige næste skridt, uden at forpligte jer til en bestemt teknologi eller leverandør. Hos We Lead Projects tilbyder vi AI-EA-vurderinger som et afgrænset engagement, typisk 4–8 uger, med en konkret rapport og en prioriteret roadmap som leverance. Kontakt os for at høre mere.
Brian P.N. Tofft
Managing Partner, We Lead Projects
Brian har mere end 30 års erfaring med projektledelse og IT-transformationer på tværs af brancher.
Kontakt os og hør hvordan vi kan hjælpe med dit næste projekt.
Kontakt os