AI brukes nå i alle fag, og prosess-modellering er ikke unntak. Det har dukket opp en bølge av løsninger — fra brede modeller som Claude og GPT, til spesialiserte verktøy som markedsfører "AI-drevet prosess discovery" og automatisert BPMN-generering.
Etter et halvår med daglig bruk av Claude og andre modeller i konkret prosess-arbeid — særlig i forbindelse med kartlegging, dokumentasjon og kontroll-identifisering — er det noen ting som faktisk fungerer, og noen ting som fortsatt er overhypet. Her er en ærlig vurdering.
Hva som faktisk fungerer
1. Transkribering av prosess-walkthroughs
Hvis du har en 30-min Loom-walkthrough fra en prosesseier, kan en moderne AI-modell transkribere og strukturere det til en narrativ tekst på minutter. Dette sparer typisk 2–4 timer av strukturert dokumentasjonsarbeid per walkthrough.
Det som fungerer:
- Transkribering med rimelig nøyaktighet
- Strukturering inn i steg
- Identifisering av beslutningspunkter og gateways
- Trekke fram aktører og roller
Det som ikke fungerer:
- AI kan ikke vite hva som er kritisk eller viktig — det krever menneskelig vurdering
- AI fanger ikke uskrevne forutsetninger som taleren tar for gitt
2. Generering av kontroll- og risikoregister
Når du har en prosessbeskrivelse, kan AI generere et utgangspunkt for kontroll- og risikoregister med 70–80 % treff på de vanlige kontrollene. Du går fra blankt ark til godt utgangspunkt på minutter i stedet for timer.
Det som fungerer:
- Identifisere standard kontroller for kjente prosesser
- Foreslå risikoer basert på prosess-design
- Strukturere registre i standard format
Det som ikke fungerer:
- Spesifikke kontroller for unike forretningsregler
- Vurdering av effektivitet av kontroller
- Vurdering av restrisiko
3. Generering av BPMN fra narrativ
Du kan beskrive en prosess i ord, og få ut et grovt BPMN-utgangspunkt. Det er ikke ferdig, men det er et utgangspunkt som er lett å redigere videre.
Det som fungerer:
- Identifisere aktiviteter, gateways og events
- Foreslå pool/lane-struktur
- Generere BPMN-XML som kan importeres i Camunda eller andre verktøy
Det som ikke fungerer:
- Pent layout-arbeid (mennesker er bedre)
- Kompleks parallell-modellering
- Eksotiske notasjons-elementer
4. Krysssjekk mot rammeverk
AI kan sammenligne en prosessbeskrivelse mot COSO, ISA 315, ISO 9001 eller andre rammeverk og identifisere hull. "Du nevner ikke segregering av oppgaver — er det dekket andre steder?" Slike spørsmål er ofte verdifulle.
Det som fungerer:
- Strukturert sammenligning mot kjente rammeverk
- Påpeke åpenbare hull
- Foreslå spørsmål som bør stilles
Det som ikke fungerer:
- Vurdere om noe er "godt nok" i kontekst
- Vurdere materielle vs immaterielle hull
Hvor AI fortsatt feiler
1. Forretningsmessig kontekst
AI vet ikke hva som er kritisk for ditt selskap. Det kan generere en standard kontrollregister, men det vet ikke at akkurat i ditt selskap er bankavstemming spesielt risikoutsatt fordi det skjedde svindel for to år siden og dere ikke har implementert alle anbefalinger.
Du må fortsatt tilføre kontekst manuelt. AI hjelper med å strukturere, ikke med å vite.
2. Politiske vurderinger
I prosess-kartlegging er det ofte politiske spørsmål — hvem skal eie en prosess, hvilken avdeling skal ha siste ord, hva som er rimelig å forvente av en rolle. AI er per definisjon politisk nøytral og kan ikke navigere disse landskapene.
3. Verifisering mot virkeligheten
Hvis du beskriver en prosess for AI, og prosessen du beskriver er feil, vil AI strukturere den feile prosessen på en pen måte. AI har ingen måte å vite om beskrivelsen stemmer med virkeligheten.
Dette er en av grunnene til at walkthrough-er og verifiserings-calls fortsatt er kritiske. Du kan ikke automatisere bort verifiserings-steget.
4. Lange dokumenter med kryssreferanser
Mens AI-modeller har blitt veldig gode på lengre kontekster, sliter de fortsatt med å holde konsistens over et stort dokument (50+ sider) med mange kryssreferanser. Du må gjennomgå og rydde manuelt.
Hva som er overhypet
"Fully automated process discovery"
Noen leverandører markedsfører "process mining" eller "automated process discovery" som om AI kan oppdage prosesser ved å analysere system-logs uten menneskelig input. Sannheten er at process mining (basert på event logs i ERP-systemer) er en spesifikk teknikk som er nyttig i visse situasjoner, men ikke en erstatning for walkthroughs eller intervjuer.
Det dekker bare det som faktisk skjer i systemet — ikke arbeid som skjer i Excel, e-post, eller i hodet.
"AI-modeller som forstår norske forretningsprosesser"
Spesialiserte modeller markedsføres som "trent på norske revisjons- og prosess-data". I praksis er gevinsten mot Claude eller GPT marginal, så lenge du gir god kontekst.
"Erstatte konsulenter"
AI reduserer tiden konsulenten bruker, men erstatter ikke konsulenten. Verdien av konsulenten er ikke transkribering og strukturering — det er klinisk vurdering, kjennskap til bransjepraksis, og evne til å stille de riktige spørsmålene.
Hvordan vi bruker AI i praksis
I NorthControl-leveranser bruker vi AI til:
- Transkribere walkthrough-opptak
- Strukturere narrative tekster fra rådata
- Generere første utkast til kontroll- og risikoregister
- Krysssjekk mot ISA 315 og COSO
- Generere BPMN-XML fra strukturerte beskrivelser
Vi bruker ikke AI til:
- Verifisering av faktum (det gjøres i call med klient)
- Vurdering av materielle vs immaterielle funn (det krever menneskelig vurdering)
- Endelig kontroll på leveranse (mennesker gjør quality review)
Resultatet er at vi kan levere på 5–10 virkedager det som ville tatt 4–6 uker med tradisjonell tilnærming. Forskjellen er ikke at AI gjør jobben — det er at AI fjerner mye administrasjon og strukturering, slik at den menneskelige innsatsen kan fokuseres der den teller.
For sikkerhet og databehandling rundt AI-bruken vår, se sikkerhet-seksjonen på hjemmesiden.
Konkrete anbefalinger
Hvis du vil prøve å bruke AI i ditt eget prosess-arbeid:
- Start med transkribering og strukturering. Det er den enkleste gevinsten.
- Bruk en moderne modell (Claude eller GPT) med god kontekst. Spesialiserte verktøy gir liten gevinst.
- Behold mennesker for verifisering og vurdering. Ikke automatiser bort den kritiske kvalitetskontrollen.
- Vær oppmerksom på konfidensialitet. Bruk en plattform med riktig databehandleravtale og null data retention.
Oppsummering
AI er reell og nyttig i prosess-modellering, men ikke som magisk erstatning for håndverket. Det er et verktøy som gjør strukturerings- og transkriberings-arbeid raskere. Den menneskelige delen — vurdering, kontekst, klinisk skjønn — er fortsatt nødvendig.
Selskaper som adopterer AI riktig kan levere mer, raskere, til lavere pris. Selskaper som tror AI erstatter konsulenten, ender ofte opp med pen dokumentasjon som er feil. Forskjellen er hvor du setter mennesket i loopen.