Tidy context: hvorfor ryddelige data giver bedre digitale medarbejdere
Tidy context betyder, at en digital medarbejder får kilder, felter, status og beslutninger i en form, den kan bruge uden at gætte.
Kort svar
Tidy context betyder ikke, at hele virksomheden skal have perfekte data. Det betyder, at den digitale medarbejder får den kontekst, rollen faktisk skal bruge, i en ryddelig form: klare felter, gyldige kilder, ejer, status, dato, version, links og kendte stopregler. Jo mindre den skal gætte om betydningen af et dokument, en sag eller et regneark, jo bedre kan den arbejde stabilt.
Problemet i praksis
Mange virksomheder har data nok, men konteksten er rodet: farver i regneark, gamle PDF’er, screenshots, chatbeskeder og beslutninger der kun ligger i folks hoveder.
Mennesker kan ofte kompensere med erfaring og lokalkendskab. En digital medarbejder skal enten bruge tid på at gætte eller stoppe og spørge.
Når konteksten er uklar, bliver problemet nemt forklaret som “AI’en er ikke god nok”, selvom kilderne faktisk er uklare for alle nye kollegaer.
Hvad ændrer sig med en digital medarbejder?
Virksomheden flytter fokus fra “mere data” til “brugbar kontekst for den konkrete rolle”.
Den digitale medarbejder får en smal kildepakke med tydelige felter, statusser og links i stedet for bred adgang til alt.
Stopregler bliver lettere at skrive, fordi rollen kan se hvornår en kilde mangler, er for gammel, modsiger en anden kilde eller ikke har en ejer.
Ryddelige data er ikke pæne data
Et regneark kan se pænt ud og stadig være svært at bruge. Hvis status kun vises med farver, og beslutningen ligger i en kommentar fra sidste år, er konteksten ikke ryddelig.
For en digital medarbejder er det bedre med kedelige, tydelige felter: status, ejer, dato, version, kilde og næste handling.
Det samme gælder dokumenter. Et dokument uden ejer og gyldighed er ikke en sikker kilde, bare fordi teksten kan læses.
Tidy context starter med rollen
Man skal ikke starte med at rydde hele virksomheden op. Start med den rolle, der skal i drift.
En digital ledelsesstatus-medarbejder skal måske bruge tre regneark, en BI-eksport og en liste over åbne risici. En digital dokumentsteward skal bruge mapper, dokumentstatus, ejere og opdateringsdatoer. En digital mødeopfølger skal bruge kalender, referater, beslutninger og opgaveliste.
Når rollen er smal, bliver det tydeligt hvilken kontekst der er nødvendig — og hvad der kan vente.
Gæt er en dårlig arbejdsform
Mennesker gætter hele tiden i små doser: “den grønne celle betyder nok godkendt”, “det nyeste dokument er nok det rigtige”, “Mette plejer at eje den type sag”.
Det er netop den slags tavs viden, der gør digitale medarbejdere usikre. Rollen bør ikke belønnes for at gætte. Den bør stoppe, vise manglen og foreslå hvordan kilden gøres læsbar næste gang.
På den måde bliver stopregler ikke bare sikkerhed. De bliver en motor for bedre kilder.
En praktisk første version
Lav en lille kontekstpakke for én rolle. Skriv fem ting ned: gyldige kilder, vigtige felter, hvem der ejer kilden, hvad output skal bruges til, og hvornår rollen skal stoppe.
Test rollen på rigtige, men lavrisiko-sager. Se hvor den stopper. Hver stopårsag fortæller enten, at kilden skal forbedres, eller at mandatet skal præciseres.
Det er langsommere end en demo, men langt mere brugbart i drift.
Sådan starter man uden at overbygge
- 1
Vælg én digital medarbejderrolle og lav en kontekstpakke: hvilke kilder må den stole på, hvilke felter betyder noget, og hvilket output skal den aflevere?
- 2
Gør implicit betydning eksplicit: er en sag åben eller lukket, er dokumentet et udkast eller gældende, hvem ejer tallet, og hvor ligger beslutningen?
- 3
Skriv stopregler for dårlig kontekst: manglende ejer, ukendt version, modstridende tal, screenshots uden tekst, følsomme oplysninger eller kilder uden klar status.
Risici der skal styres
- At gøre tidy context til et stort data governance-program, før første rolle er valgt.
- At give den digitale medarbejder adgang til alle mapper og systemer i håb om, at den selv finder mening.
- At lade den gætte på farvekoder, gamle dokumenter eller usikre beslutninger i stedet for at stoppe med en konkret mangel.
Kilder og videre læsning
Datakvalitet handler blandt andet om nøjagtighed, fuldstændighed, konsistens og pålidelighed.
ISO 8000-2: Data qualityISO 8000 som overordnet reference for datakvalitet som etableret fagområde.
Atlassian: Knowledge managementKnowledge management kræver indsamling, organisering, deling og vedligeholdelse af viden.
Microsoft Learn: Data loss prevention policiesDLP-politikker som reference for forsigtig sprogbrug om dataadgang og datatab.
NIST: AI Risk Management FrameworkRisikostyring kræver styring af kontekst, kilder, måling og løbende opfølgning; bruges her som driftsramme, ikke som compliance-garanti.
Relaterede sider
Gør virksomheden læsbar for digitale medarbejdere
Når viden ligger i PDF’er, farvekoder, screenshots og gamle mapper, skal den digitale medarbejder gætte. Gør kilderne læsbare først.
Fra PDF og screenshots til kilder en digital medarbejder kan bruge
PDF’er og screenshots kan være praktiske, men de bliver først gode kilder for en digital medarbejder, når status, ejer, dato og version er tydelige.
Agentkontrakten: sådan definerer du en digital medarbejder
En digital medarbejder bør defineres med rolle, mandat, kontekst, redskaber, hukommelse, arbejdsrytme og stopregler.
Rolle og mandat: forskellen på en digital medarbejder og en opgave
En opgave er noget der skal gøres. En digital medarbejder er en rolle med ansvar, kilder, redskaber, mandat og stopregler.
Sådan vælger du den første digitale medarbejder
Den første digitale medarbejder bør være smal, nyttig og reel: en rolle med klare kilder, output, mandat og stopregler.
Hvordan træffer en digital medarbejder beslutninger?
En digital medarbejder træffer ikke frie AI-beslutninger. Den vurderer normale sager inden for mandat, kilder, kriterier og stopregler.
Hvad kræver det af virksomheden?
En digital medarbejder kræver ikke perfekt data eller et stort projekt. Se hvad virksomheden skal have styr på: opgave, ejer, kilder, adgang, mandat og stopregler.
Data ligger i flere systemer
Når data ligger i CRM, mails, regneark og fagsystemer, bliver overblik manuelt. Se hvordan en digital medarbejder kan samle arbejdet.