AI-utbildning för tre avdelningar i en reglerad verksamhet

Utgångsläget

Tre avdelningar i en medicinteknisk verksamhet, var och en med arbete som inte liknar de andras: Operations driver projektledning för nya komponenter, Regulatory Affairs förbereder ansökningar till myndigheterna och Software Quality Assurance tar fram testdokumentation. Alla tre hade hört vad generativ AI kan göra i allmänhet. Ingen av dem hade sett vad den gör inne i en process där varje resultat är föremål för revision, spårbarhet och regulatorisk granskning.

Det här gjorde vi

En workshopdesign, genomförd tre gånger, justerad för varje avdelning. Kartläggningen kördes först per avdelning, så att varje genomförande använde avdelningens verkliga arbete i stället för ett allmänt övningsexempel.

• Möjligheter till affärsvärde med generativ AI: de tre vägarna, tillämpade av deltagarna på den egna funktionen innan något verktyg öppnades.
• Ramverk, verktyg och centrala begrepp: vad tekniken gör inom text, bild, ljud och data, var gränserna går i dag och vad EU:s rättsakt om Artificiell Intelligens (AI Act) betyder för en reglerad tillverkare.
• Generativ AI i arbetet: avdelningens egen process, kartlagd och sedan kartlagd igen med AI tillämpad steg för steg.
• AI-agenter och vad man ska göra med dem: skillnaden mellan en copilot, ett verktyg och en agent, och vilken av de tre en viss uppgift faktiskt behöver.

Metoden: kartlägg processen, kartlägg den sedan igen

Kärnan i varje session var två vyer av samma arbete. Först: så här gör vi, med avdelningens process utlagd steg för steg och med indata, resultat, roller och datakällor vid varje steg. Sedan: så här gör vi med generativ AI, med samma steg och en namngiven tillämpning vid vart och ett. Inte en lista med verktyg som letar efter användning, utan en process deltagarna redan ägde, med utpekade punkter där AI kan gå in.

Vad det reglerade sammanhanget ändrade

Nästan varje tillämpning som avdelningarna hittade formades av regelefterlevnad snarare än av hastighet. Software Quality Assurance lyfte fram anpassning till regelverk för testprotokoll, generering av spårbarhetsmatriser, upptäckt av dubbletter bland felrapporter och formatering enligt regulatorisk standard. Operations lyfte fram matchning av leverantörer, utkast till ansökningar och sammanfattning av grundorsaker efter lansering. Mönstret höll i alla tre: i en reglerad verksamhet ligger det AI-arbete som ger mest värde oftast i dokumentation, spårbarhet och granskning, eftersom det är där arbetsinsatsen sitter och där kravet är entydigt.

Praktiskt arbete, i deras egna verktyg

Promptträningen kördes på ramverket RIGHT och stegen från zero shot till few shots, och den kördes inne i företagets egen godkända AI-chattbott i stället för i ett publikt verktyg. Förmåga som bara fungerar i verktyg som organisationen inte har godkänt är förmåga som ingen kan använda på måndag. De senare sessionerna lade till att applikationer byggdes live, så att deltagarna såg något fungerande växa fram i stället för att höra att det gick.

Det deltagarna gick därifrån med

Ett arbetshäfte, en uppsättning AI-användningsfall som identifierades för den egna avdelningen under sessionen, praktisk erfarenhet av de verktyg de får använda och en stående resurssida med material, prompter och länkar från båda sessionerna.