Virksomheder i alle størrelser accelererer implementeringen af kunstig intelligens, tiltrukket af løftet om øget effektivitet og reducerede driftsomkostninger. Men dette kapløb skjuler en mindre omtalt risiko: en betydelig del af disse projekter forventes ikke at overleve ud over de næste to år, da de forbruges af investeringer uden at levere det lovede afkast.
Advarslen understøttes af data fra to af de mest respekterede institutter i teknologisektoren. Gartner forudser, at 40 % af virksomhedsapplikationer vil have kunstig intelligens-agenter fokuseret på specifikke opgaver inden udgangen af 2026, sammenlignet med mindre end 5 % i 2025, og forudsiger samtidig, at mere end 40 % af agentisk AI-projekter vil blive annulleret inden udgangen af 2027 på grund af stigende omkostninger, uklar forretningsværdi eller utilstrækkelig risikokontrol. En Deloitte-undersøgelse forstærker scenariet fra en anden vinkel: næsten tre fjerdedele af virksomhederne planlægger at implementere agentisk AI i de næste to år, men kun 21 % af dem hævder at have en moden styringsmodel for disse agenter.
Ifølge Carlos Pisani, systemarkitekturspecialist og stiftende partner i ArcH, beskriver tallene et mønster, han genkender i praksis, længe før nogen rapport bekræfter det. "Problemet er næsten aldrig den valgte AI-model. Det handler om at placere en autonom agent oven på et system, der aldrig har haft klare tekniske specifikationer eller en valideret arkitektur. Hvert nyt lag, der tilføjes til denne base, øger den tekniske gæld i stedet for at løse noget," siger han.
Ifølge Pisani er der en ændring i virksomheders adfærd, som endnu ikke har nået den måde, de bygger software på. "Markedet er modnet i den måde, det tænker på forretning. Efterspørgslen efter operationel effektivitet og økonomisk bæredygtighed er vokset; dette er ikke længere til debat. Problemet er, at denne modenhed ikke har nået udviklingen af systemer. Mange virksomheder har udviklet deres forretningsmodel og fortsætter med at udvikle software på den gamle måde, uden specifikation og uden arkitekturvalidering. Det er her, den tekniske gæld fødes, som så netop hindrer den effektivitet, som virksomheden selv er kommet til at kræve."
Ifølge Pisanis analyse bekræfter Deloitte-dataene diagnosen set ud fra et governanceperspektiv. "Det faktum, at kun 21 % af virksomhederne har en moden agent governance-model, er ikke et compliance-problem, men et symptom på svag arkitektur. Agent governance forudsætter, at der er noget struktureret til at styre. Når systemet fødes uden specifikation, kan intet governance-rammeværk løse det senere."
For at reducere risikoen for at være blandt de 40% af aflyste projekter argumenterer Pisani for, at tekniske specifikationer bør behandles som forretningsbeslutninger, ikke som tekniske trin, der skal springes over. "Før man spørger, hvilken AI-agent der skal bruges, er det rigtige spørgsmål, om den underliggende arkitektur kan håndtere den beslutning. Dette er, hvad vi kalder Spec-Driven Architecture (SDA): ingen teknisk beslutning træffes, før der er klarhed over, hvad der skal løses, og hvordan det vil blive opretholdt over tid. Virksomheder, der springer dette trin over, sparer ikke tid; de udsætter aflysningen af deres eget projekt."
