AI og produktutviklingHafsteinn Runarsson · AI Konsulent21 Aug 2026 · 13 min

AI-konsulent: hva gjør de, pris og valg av partner

En AI-konsulent hjelper virksomheten med å velge et konkret problem, finne ut om AI er riktig virkemiddel og få en løsning inn i en arbeidsflyt som kan driftes. Den riktige partneren kombinerer forretningsforståelse, teknisk gjennomføring og tydelig ansvar for data, testing og overlevering.

Kort fortalt:

• Start med én arbeidsflyt og et målbart problem — ikke med en bestemt modell.
• Avklar om dere trenger AI-rådgivning, en utvikler eller et helt produktteam.
• Be om en avgrenset pilot med akseptansekriterier, testlogg og menneskelige kontrollpunkter.
• Sammenlign tilbud på omfang, integrasjoner, drift og overlevering — ikke bare timepris.
• Velg en AI-konsulent som kan forklare hva dere ikke bør bygge.

Denne guiden viser hva en AI-konsulent gjør, når ekstern hjelp passer, hva som påvirker kostnaden, og hvordan norske virksomheter kan velge en partner uten å kjøpe en imponerende demo uten plan for produksjon.

Hva er en AI-konsulent, og hva gjør rollen?

En AI-konsulent gjør et forretningsproblem om til et avgrenset og testbart AI-initiativ. Rollen kan dekke rådgivning, produktutvikling, integrasjoner, automatisering, opplæring og planlegging av drift.

Typiske oppgaver er å:

• kartlegge arbeidsprosesser, flaskehalser og beslutninger
• vurdere om oppgaven passer for en AI-agent, copilot, maskinlæring eller vanlig automatisering
• prioritere muligheter etter nytte, kompleksitet og risiko
• undersøke datakvalitet, systemtilganger og integrasjoner
• definere en pilot med tydelige akseptansekriterier
• bygge eller integrere løsningen med eksisterende systemer
• planlegge menneskelig kontroll, tilgangsstyring og håndtering av avvik
• måle kvalitet og bruk mot en dokumentert nullmåling
• avtale drift, eierskap, tilgang og overlevering

Noen AI-konsulenter leverer bare analyse og strategi. Andre kombinerer rådgivning og utvikling. Hvis målet er en løsning i produksjon, bør dere avklare tidlig hvem som faktisk designer, bygger, tester, drifter og overleverer den.

Når trenger bedriften en AI-konsulent?

Ekstern hjelp passer best når dere har et konkret problem, men mangler kapasitet eller kompetanse til å undersøke og løse det alene.

Det kan være aktuelt når:

• ansatte flytter informasjon manuelt mellom flere systemer
• mange henvendelser krever de samme oppslagene og stegene
• viktig kunnskap er vanskelig å finne i dokumenter og interne verktøy
• dere har en AI-idé, men mangler en realistisk vei fra demo til produksjon
• flere avdelinger tester ulike verktøy uten en felles prioritering
• dere trenger et beslutningsgrunnlag før dere investerer i utvikling
• en eksisterende pilot mangler kvalitetssikring, integrasjoner eller tydelig eierskap

En konsulent er ikke alltid riktig løsning. Hvis et standardverktøy allerede dekker arbeidsflyten, kan innkjøp og god innføring være nok. Hvis krav, data, grensesnitt og produktansvar allerede er tydelig definert, kan en AI-utvikler eller et utviklingsteam passe bedre.

AI-konsulent, AI-utvikler eller produktteam?

Velg rolle etter hvor avklart problemet er og hvor mye av leveransen som må eies eksternt.

• AI-konsulent — problem og retning: Passer når dere må finne ut hva som bør løses, hvilke forutsetninger som gjelder og hvordan en idé kan testes.
• AI-utvikler — teknisk implementering: Passer når krav, data, grensesnitt og ansvar er tydelig definert.
• Produktteam — hele leveransen: Passer når løsningen berører brukeropplevelse, integrasjoner, sikkerhet, drift og videre forbedring.
• Intern produkteier — beslutninger over tid: Virksomheten bør ha en person som eier mål, prioriteringer og avveininger, selv om eksterne bygger.

Ett oppdrag kan kreve flere av rollene. Be leverandøren beskrive hvem som har ansvar for hver del, og hvem hos dere som må ta beslutninger underveis.

Hvilken type AI-hjelp trenger dere?

Markedet består av ulike spesialiseringer. Et presist behov gjør det lettere å velge riktig AI-konsulent.

Strategi og mulighetskartlegging

Denne hjelpen passer når dere må velge problem, vurdere gjennomførbarhet og lage en prioritert plan. Kartleggingen bør ende i konkrete valg: hva som skal testes først, hva som ikke bør prioriteres nå, og hvilke avhengigheter som må løses.

Automatisering og operasjoner

Denne typen oppdrag retter seg mot arbeidsflyter på tvers av systemer. AI kan være én del av løsningen, mens regler, API-er, datakvalitet og menneskelige kontrollpunkter utgjør resten.

AI-agenter og copiloter

En copilot støtter en person i en oppgave. En AI-agent kan utføre flere avtalte steg med tilgang til bestemte verktøy. Uansett navn bør dere definere hva løsningen får lov til å gjøre, når den må spørre et menneske, og hvordan handlinger kan spores og korrigeres.

Full-stack AI-produkt

Når løsningen skal brukes av kunder eller medarbeidere, trengs mer enn en modell. Brukergrensesnitt, integrasjoner, tilgang, feilhåndtering, logging og drift må fungere som ett produkt. Da passer et tverrfaglig produktteam bedre enn rådgivning alene. Hvis leverandøren skal ta ansvar for hele løsningen, kan dere også bruke guiden til å velge AI-byrå i Norge.

Opplæring og innføring

Når verktøyet allerede finnes, kan behovet være arbeidsmetode fremfor utvikling. Be da om opplæring basert på faktiske oppgaver, tydelige retningslinjer for bruk og en plan for hvem som følger opp spørsmål og avvik etter kurset.

Hvilken kompetanse bør en AI-konsulent ha?

En sterk AI-konsulent må både forstå virksomheten og kunne føre en løsning helt frem til realistisk testing. Sertifikater og verktøylister er mindre nyttige hvis kandidaten ikke kan forklare beslutningene i en konkret leveranse.

Se etter dokumentert evne til å:

• kartlegge arbeidsflyter og stille presise spørsmål om mål og begrensninger
• vurdere data, integrasjoner, arkitektur og tekniske avhengigheter
• velge mellom generativ AI, søk, regler, maskinlæring og tradisjonell programvare
• definere kvalitetskrav og teste normale scenarioer, avvik og feil
• bygge inn tilgangsstyring, logging og menneskelig kontroll der det trengs
• kommunisere tekniske avveininger til både ledelse og fagpersoner
• dokumentere beslutninger, oppsett, testresultater og overlevering
• samarbeide med dem som eier prosessen i det daglige

Be om et eksempel på hvordan konsulenten avgrenset et prosjekt, hva som ble valgt bort, og hvordan teamet avgjorde om piloten var god nok. Svaret viser mer enn en generell presentasjon av teknologi.

Vanlige bruksområder

De beste startpunktene er avgrensede arbeidsflyter med tydelig input, ønsket resultat og en person som eier prosessen.

Aktuelle områder kan være:

• Kundeservice: finne informasjon, foreslå svar, klassifisere saker og sende avvik til riktig person
• Dokumentarbeid: hente ut felt, oppsummere innhold og gjøre intern kunnskap søkbar
• Salg og oppfølging: forberede møter, strukturere notater og foreslå neste steg
• Interne operasjoner: kontrollere input, oppdatere systemer og koordinere gjentakende oppgaver
• Produktfunksjoner: bygge en avgrenset AI-funksjon inn i et eksisterende digitalt produkt
• Beslutningsstøtte: samle relevant informasjon og presentere et grunnlag for menneskelig vurdering

Et bruksområde er først godt definert når dere kan beskrive input, ønsket output, tillatte handlinger, kvalitetskrav og hvem som håndterer unntak.

Sjekk data, sikkerhet og personvern før piloten

En pilot bør ikke starte før dere vet hvilke data løsningen trenger, hvor de kommer fra og hvem som kan få tilgang. Dette gjelder også når løsningen bare skal brukes av noen få medarbeidere.

Tre offentlige ressurser er nyttige i kartleggingen: EU-kommisjonens oversikt over AI-forordningen forklarer den risikobaserte tilnærmingen og sentrale plikter for utviklere og virksomheter; NIST AI Risk Management Framework gir et praktisk rammeverk for styring, måling og risikohåndtering; og Datatilsynets regulatoriske sandkasse tilbyr veiledning for personvernvennlig innovasjon. Ressursene erstatter ikke juridisk vurdering av det konkrete bruksområdet.

Avklar minst:

1. Hvilke data skal løsningen lese, opprette eller endre?
2. Inneholder arbeidsflyten personopplysninger, fortrolig informasjon eller andre data med særskilte krav?
3. Hvilke systemer og leverandører behandler informasjonen?
4. Hvem kan gi og trekke tilbake tilganger?
5. Hva skal logges, og hvem følger opp avvik?
6. Når må et menneske godkjenne før systemet handler?
7. Hvordan kan dere stoppe løsningen eller gå tilbake til manuell behandling?
8. Hvem vurderer hvilke kontrakts-, sikkerhets- og personvernkrav som gjelder for det konkrete bruksområdet?

En norsk leverandør er ikke automatisk riktig bare fordi den er lokal. Vurder om teamet forstår norsk språk og fagspråk, systemene dere bruker, kravene i bransjen og hvordan ansvar skal dokumenteres.

Fra idé til produksjon

Et ryddig AI-oppdrag kan deles i fire faser med en tydelig beslutning mellom hver fase.

1. Kartlegg mål og nullmåling

Velg én prosess. Beskriv hvordan den fungerer i dag, hvem som deltar, hvilke systemer som brukes, og hvor feil eller ventetid oppstår.

Dokumenter en nullmåling før dere endrer noe. Det kan være behandlingstid, antall manuelle steg, andel saker som må korrigeres eller en annen måling som passer prosessen. Uten en nullmåling blir det vanskelig å skille faktisk forbedring fra en god demonstrasjon.

2. Prioriter og avgrens

Vurder hvert forslag etter fire spørsmål:

1. Hvilken konkret oppgave skal løses?
2. Hvilke data og systemtilganger kreves?
3. Hva kan gå galt, og hvem merker det?
4. Hvordan avgjør vi om forsøket er godt nok?

Velg den minste piloten som kan teste den viktigste antakelsen. Avgrens brukere, datakilder, handlinger og tidsrom. Guiden til MVP og avgrensning viser hvordan dere skiller en pilot fra en prototype og velger det minste nyttige omfanget.

3. Bygg og valider en pilot

Test piloten på realistiske oppgaver. Definer på forhånd hvilke resultater som godtas, hvilke feil som krever stopp, og når et menneske skal ta over.

Be om en enkel testlogg. Den bør vise hvilke scenarioer som er prøvd, hva som fungerte, hva som feilet, og hvilke endringer som ble gjort. Da blir beslutningen om videre investering mer konkret.

4. Sett løsningen i produksjon og avtal overlevering

Før produksjonssetting bør ansvar være tydelig. Avklar overvåking, support, endringer, tilganger, dokumentasjon og håndtering av feil. Avtal også hvem som eier beslutningene når behovet eller teknologien endrer seg.

I produksjon må løsningen passe inn i en reell arbeidsflyt og ha en tydelig vei tilbake når noe går galt.

Slik måler dere om AI-oppdraget gir verdi

Verdien bør måles mot arbeidsflyten slik den fungerer før piloten. Velg få mål som viser både nytte og kvalitet, og bestem på forhånd hva som utløser stopp, justering eller videre investering.

Relevante målepunkter kan være:

• tid brukt per sak eller arbeidsoppgave
• antall manuelle steg og overleveringer
• andel resultater som må korrigeres
• kvalitet vurdert mot avtalte eksempler
• hvor ofte et menneske må overta
• faktisk bruk blant den definerte brukergruppen
• feil, avvik og hendelser som krever oppfølging

Ikke mål bare om modellen produserer et svar. Mål om hele arbeidsflyten blir bedre uten at risiko og kontroll forsvinner ut av syne. En pilot kan være verdifull selv om konklusjonen er å stoppe, dersom den avklarer en kostbar eller risikabel antakelse tidlig.

Hva koster en AI-konsulent?

Det finnes ikke én meningsfull standardpris for alle AI-oppdrag. Kostnaden påvirkes av problemet, datagrunnlaget, integrasjonene og hvor mye ansvar leverandøren skal ta.

Viktige prisdrivere er:

• hvor tydelig problemet og omfanget er
• antall datakilder og integrasjoner
• krav til brukergrensesnitt og arbeidsflyt
• hvor mye testing og kvalitetssikring som kreves
• behov for drift, support og videreutvikling
• ansvar for dokumentasjon, tilgang og overlevering

Sammenlign tilbud på samme grunnlag. Be om beskrevet omfang, leveranser, forutsetninger, avgrensninger og pris før arbeidet starter. Timing, tilgang, eierskap, levering og overlevering bør avtales for det enkelte oppdrag.

Et lavt estimat uten tydelige avgrensninger kan være vanskelig å sammenligne med et tilbud som inkluderer integrasjon, testing og drift. Be leverandøren skille mellom kartlegging, pilot og eventuell produksjonssetting.

Slik velger du riktig AI-konsulent

Velg partner med spørsmål som avdekker arbeidsmåte og ansvar — ikke bare kjennskap til populære verktøy.

Om problemet

• Hvordan vil dere kartlegge arbeidsflyten før dere foreslår en løsning?
• Hvilke antakelser bør vi teste først?
• Hva mener dere at vi ikke bør bygge nå?

Om gjennomføring

• Hvem gjør rådgivning, design, utvikling og testing?
• Hvordan definerer dere akseptansekriterier for piloten?
• Hvordan tester dere avvik og uventede svar?
• Hvordan integreres løsningen med systemene vi allerede bruker?

Om data og kontroll

• Hvilke data må dere ha tilgang til, og hvorfor?
• Hvilke handlinger kan løsningen utføre selv?
• Når må et menneske godkjenne eller overta?
• Hvordan kan vi se hva systemet har gjort?
• Hva skjer hvis en integrasjon eller modell ikke er tilgjengelig?

Om det kommersielle

• Hva er inkludert og eksplisitt ikke inkludert i prisen?
• Hvilke forutsetninger bygger estimatet på?
• Hvilke tilganger og ressurser må vi stille med?
• Hvordan avtales eierskap, drift, endringer og overlevering?

Gode svar bør være konkrete nok til at dere kan se hvordan prosjektet faktisk skal gjennomføres.

Varselsignaler før dere signerer

Vær forsiktig hvis leverandøren lover et resultat før prosessen og datagrunnlaget er kartlagt.

Andre varselsignaler er at leverandøren:

• starter med en bestemt modell uten å forklare problemet
• viser en demo, men ikke kan beskrive testing og feilhåndtering
• hopper over nullmåling og akseptansekriterier
• er uklar om hvem som bygger og hvem som drifter
• ikke vil beskrive avgrensninger, tilganger eller overlevering
• gjør virksomheten avhengig av én person uten dokumentasjon
• ikke kan forklare hvordan ansatte skal gi tilbakemeldinger eller rapportere feil

Målet er ikke å fjerne all usikkerhet. Målet er å gjøre usikkerheten synlig og teste den i riktig rekkefølge.

En kort bestilling dere kan sende ut

En god første henvendelse beskriver arbeidsflyten, problemet og hva dere ønsker å lære før dere ber om en full leveranse.

Bestillingsmal:

Vi ønsker å undersøke arbeidsflyten [navn]. I dag utføres den av [roller] i [systemer]. Utfordringen er [konkret problem]. Vi ønsker først å måle dagens situasjon, avgrense én pilot og få et tilbud som skiller kartlegging, pilot og eventuell produksjonssetting. Beskriv foreslått team, leveranser, forutsetninger, pris og hva dere trenger fra oss.

Denne strukturen gjør det enklere å sammenligne leverandører på samme problem.

Må vi ha en ferdig AI-strategi først?

Nei. Det holder å ha et konkret problem og tilgang til personene som kjenner arbeidsflyten. Strategien kan begynne med prioritering av ett avgrenset bruksområde.

Trenger vi store mengder data for å starte?

Ikke nødvendigvis. Databehovet avhenger av oppgaven og løsningsformen. En første kartlegging kan bruke et lite, representativt utvalg for å undersøke kvalitet, tilgang og begrensninger før dere bestemmer om en pilot er forsvarlig.

Hvor lang tid tar et AI-oppdrag?

Det avhenger av omfang, datatilgang, integrasjoner og hvor raskt beslutninger kan tas. Be om separate planer for kartlegging, pilot og eventuell produksjonssetting, med tydelige avhengigheter og beslutningspunkter mellom fasene.

Hvordan måler vi avkastningen på AI-rådgivning?

Start med en nullmåling av dagens arbeidsflyt og avtal hvilke endringer som skal telle som verdi. Sammenlign spart arbeid, kvalitet, bruk og risiko mot kostnaden ved utvikling, drift og oppfølging. Vurder resultatet etter piloten før dere investerer videre.

Kan vi starte med en liten pilot?

Ja. Avgrens piloten til én prosess, en definert brukergruppe og tydelige akseptansekriterier. Bestem før start hva dere skal måle og hva som skal til for å stoppe, justere eller gå videre.

Kan en AI-konsulent arbeide med eksisterende systemer?

Ja, hvis integrasjonene og tilgangene er realistiske. Be konsulenten kartlegge tilgjengelige grensesnitt, datakvalitet, tilgangsstyring og feilhåndtering før arbeidet estimeres.

Hva er forskjellen på en demo og en produksjonsløsning?

En demo viser en avgrenset mulighet. En produksjonsløsning må i tillegg passe inn i arbeidsflyten, håndtere tilgang og avvik, kunne følges opp og ha avklart ansvar for drift og endringer.

Bør AI-konsulenten også bygge løsningen?

Det avhenger av behovet. Hvis målet er produksjonsleveranse, kan ett team for rådgivning og utvikling redusere antall overleveringer. Be uansett om tydelig rollefordeling og dokumentasjon.

Trenger ansatte opplæring etter leveransen?

Som regel bør innføring være en del av planen når medarbeidere skal bruke eller kontrollere løsningen. Avklar hvem som får opplæring, hvordan feil rapporteres, hvem som følger opp bruken, og hvordan arbeidsmåten oppdateres når løsningen endres.

Fra rådgivning til et produkt som kan brukes

Daia er et AI-produktstudio i Bergen, etablert i 2019. Vi arbeider med AI-agenter og copiloter, full-stack-produkter, vekstsystemer og løsninger for automasjon og drift.

Arbeidet avgrenses og prises før start. Timing, tilgang, eierskap, levering og overlevering avtales for hvert oppdrag. Vi retter arbeidet mot en konkret produksjonsleveranse og avtaler planen for gjennomføring.

Har dere en arbeidsflyt som bør kartlegges? Be om et tilbud eller start med en kort beskrivelse av problemet, systemene som er involvert og hvem som bruker prosessen i dag.