Haaga-Helia University of Applied Science

Enade tjänster. Höjd prestanda.

När Haaga-Helia University of Applied Sciences införde AI i sin IT service management var utgångspunkten enkel: börja smått, hålla det praktiskt och bygga något användbart redan från start. Istället för att jaga en perfekt lösning valde man att låta AI passa in i den befintliga miljön, hålla den enkel att använda, lätt att förvalta och byggd för att växa.

Det här inlägget beskriver hur arbetet inleddes, vad man lärt sig längs vägen, och hur andra ITSM-team kan ta sina första steg mot AI med samma trygghet.

Utmaningen: Att bygga en stabil grund utan att öka risken

Haaga-Helia stöttar omkring 11 000 studenter och medarbetare inom flera olika tjänster, med Matrix42 som kärnan i serviceleveransen. I takt med att AI blev alltmer relevant inom IT-support ville teamet undersöka hur tekniken kunde stärka servicearbetet.

Ett beslut styrde arbetet från start: AI skulle inte vara ett separat verktyg. Den behövde vara en del av det befintliga systemet, integrerad direkt i serviceportalen. Att nå dit krävde förarbete. Kunskapsbasen var inte redo att stödja AI. Instruktionerna fanns i olika format, många var bildbaserade, och stora delar av innehållet behövde uppdateras. Teamet behövde också säkerställa konsekvens mellan det finska och engelska materialet.

Säkerhet och dataskydd tillförde ytterligare komplexitet. Avtal, behörigheter och insyn i data behövde vara tydligt definierade innan något kunde driftsättas. Det tog tid, men var avgörande för att bygga förtroende för lösningen. Teamet räknade också med ett gradvis införande. Målet var inte omedelbara effektivitetsvinster, utan att skapa ett tryggt och kontrollerat sätt att lära sig.

Lösningen: Börja smått och prioritera förarbetet

När möjligheten att delta i en Matrix42 AI-pilot dök upp valde Haaga-Helia att gå vidare. Förberedelsefasen blev snabbt den viktigaste delen av projektet. AI integrerades direkt i serviceportalen, så att användarna kunde nå den i en miljö de redan kände igen. För att hålla arbetet hanterbart begränsades den första fasen till IT-relaterade frågor för personal.

Merparten av arbetet lades på att förbättra kunskapsbasen. Bildtunga guider skrevs om till text, och allt innehåll gjordes tillgängligt på både finska och engelska för att ge AI:n bättre underlag att svara utifrån. Samtidigt infördes strikta kontroller. AI:n fick endast tillgång till utvalt innehåll baserat på användarnas roller, vilket säkerställde att känslig eller irrelevant information inte exponerades.

Tillförlitlighet var en annan prioritet. Istället för att fokusera på perfekta svar testade teamet hur AI:n beter sig i svåra situationer. Kunde den förmås att ge osäkra eller missvisande svar? Det arbetet bidrog till att bygga förtroende för systemet redan i ett tidigt skede.

Parallellt började supportteamet anpassa sitt eget arbetssätt. Istället för att bara lösa enskilda ärenden lade man allt mer fokus på att förbättra den kunskap som AI:n bygger sina svar på. Det skiftet pågår fortfarande, men det är en avgörande del av att göra AI användbar på lång sikt.

Resultatet: En stabil lösning med en stark grund

Piloten bekräftade att ett noggrant och strukturerat angreppssätt fungerar. Trots ett begränsat omfång visade AI:n sig vara stabil och konsekvent. Den hanterade gränsfall väl och gav inga oväntade eller riskfyllda svar. Inga större problem eller negativa reaktioner från användarna har uppstått.

Användningen fortsätter att öka. Omkring 700 medarbetare har tillgång till lösningen, men det är fortfarande en mindre grupp som använder tjänsten aktivt. Det är förväntat i detta skede. Teamet ser den här fasen som ett arbete med att lägga grunden, snarare än att mäta framgång i volym.

Förarbetet har också gett tydliga fördelar. Kunskapsbasen är nu mer strukturerad, enklare att underhålla och mer användbar i alla supportkanaler. Viktigast av allt är att teamet nu har förtroende för lösningen. AI är inte längre ett experiment.

Framtiden: Skala upp AI för att skapa mer värde

H

Haaga-Helia förbereder nu en utökad användning av AI. Nästa steg är att öppna tjänsten för en bredare målgrupp, framför allt studenter. Det kommer att öka användningen och skapa fler möjligheter att automatisera vanliga ärenden. Det långsiktiga målet är tydligt: AI ska bli den första kontaktpunkten för användare som inte behöver omedelbar mänsklig hjälp.

Teamet undersöker även hur AI kan stötta serviceagenterna. Det handlar bland annat om att föreslå lösningar baserat på tidigare ärenden, sammanfatta ärenden och avlasta vid rutinuppgifter. Målet är inte att ersätta medarbetare, utan att minska det repetitiva arbetet och frigöra tid för mer komplexa frågor.

Viktiga lärdomar för att komma igång

Haaga-Helias erfarenheter lyfter fram några praktiska lärdomar:

• Kunskapsbasen betyder mest. AI kan bara arbeta utifrån det underlag den får, så att förbättra innehållet är en central del av projektet.
• Börja med ett avgränsat användningsfall. Ett mindre omfång gör det enklare att hantera risker och lära sig av verklig användning.
• Utse ett tydligt ägarskap. AI kräver kontinuerlig utveckling, och någon behöver ta ansvar för det arbetet.
• Var beredd på ett förändrat synsätt. Att stödja AI innebär att förbättra kunskap, inte bara lösa enskilda ärenden.

Redo att inleda er egen AI-resa?

Det här caset visar att det inte krävs en stor omställning för att komma igång med AI. Det börjar med förarbete, ett tydligt fokus och en vilja att lära.

Tekniken finns redan på plats. Nästa steg är att få den att fungera i er egen miljö.

Prata med er kontakt på Matrix42 för att utforska hur ni kan starta er egen AI-pilot, eller kontakta oss här.