Den mest värdefulla personen i ditt AI-initiativ just nu är inte en AI-ingenjör, det är inte en prompt-ingenjör och det är inte en dataanalytiker.

Det är personen som kan svara på två frågor med tillräcklig precision för att vara användbar:

Hur sker detta arbete egentligen?

Inte processdiggrammet på väggen. Den riktiga... Beslutsreglerna, undantagen, eskaleringsvägarna, ögonblicket då någon bara vet vad som ska göras härnäst.

Vad behöver systemet veta för att göra det?

Den andra frågan är där de flesta organisationer har den största utmaningen, särskilt när de går från enkla chattbotar på dina policydokument.

AI-agenter hallucinerar inte för att modellen är dålig... De misslyckas eftersom modellen alltid genererar ett svar, oavsett om den strukturerade kontext den behöver faktiskt existerar, generellt.

Ingen gjorde det hårda arbetet med att göra företagskunskap AI-läsbar innan implementering.

--> Entiteterna var inte definierade.

--> Relationerna var inte kartlagda.

--> Terminologin betydde tre olika saker över tre olika team.

--> Kriterierna för "lyckad" slutförande levde i någons huvud i 15 år.

Det du faktiskt behöver är en kunskapsarkitekt – någon som kan sitta med dina domänexperter, extrahera den verkliga processlogiken på atomär nivå, förstå vilken strukturerad information en agent behöver för att resonera över den logiken, och bygga en bro mellan de två.

Det här är inte prompt engineering. Det är inte data engineering. Det är en särskild disciplin... Delvis kunskapshantering, delvis system och datatänkande, delvis översättning.

De flesta organisationer har inte den här personen. Många vet inte ens att de behöver en.

Men om du vill skala bortom piloter... där agenter behöver tillgång till registersystem och måste operera över många domäner, datakällor och team... Denna roll blir skillnaden mellan ett proof of concept och ett produktionssystem.

AI skapar inte den kunskapen medan den utför sin verksamhet. Det beror på den för att lyckas med något.