Vad vi gjorde i stället
I slutet av 2024 påbörjade vi vår plattformsomvandling: en stegvis evolutionär modernisering. Inte en omskrivning från grunden. Det var svårare: att ersätta grunden samtidigt som mer än 1.000 kunder driver sin verksamhet på den befintliga produkten varje dag.
Vi byggde en ny arkitektur med en ren, enhetlig datamodell som körs parallellt med den befintliga plattformen och ersätter det gamla lagret modul för modul. Det gamla systemet kommer inte att stängas av förrän den nya versionen är beprövad.
Man får inte ett oskrivet blad när det gäller programvara. Man förtjänar det steg för steg.
Vi valde en medveten sekvens: först datafundament, sedan analys, sedan AI. Inte för att vi inte kunde gå snabbare fram. Utan för att det är just genom att gå snabbare fram utan rätt grund som AI-skatten hopar sig.
Den typ av svar som är korrekt två gånger
Stora språkmodeller är kraftfulla när det gäller syntes, tolkning och problemlösning. Men de är dåligt lämpade för det som företag förlitar sig på varje dag: svar som är korrekta två gånger.
Det här är inte bara ett problem för dataplattformar. Det gäller i lika hög grad alla affärsapplikationer där AI måste resonera om projekt, tid, intäkter och människor och leverera samma korrekta svar varje gång du frågar. En PSA är exakt den typen av applikation. När en leveranschef frågar "vad är marginalen på det här projektet just nu?" kan svaret inte vara ungefär rätt. Det måste vara exakt rätt, och det måste vara samma svar oavsett vem som frågar eller när.
För att kunna göra detta behöver modellen en grund att stå på. Utan styrda data, konsekventa definitioner och en enhetlig datamodell kan AI gissa med självförtroende. Och självsäkra gissningar är farligare än inget svar alls.
Så här ser en AI-skatt ut
När man hoppar över grunden och bygger in AI i en äldre arkitektur får man något som fungerar bra i demonstrationssyfte, men som försämras i produktion. Felaktiga förslag. Inkonsekventa utdata. Supportfall som ingen kan diagnostisera eftersom problemet ligger tre lager under själva funktionen.
Och i slutändan är det dina kunder som får betala för uppstädningen. Långsammare releaser eftersom utvecklingsteamet patchar dåliga data. Fler buggar eftersom AI resonerar utifrån inkonsekvent input. En prishöjning kopplad till en teknisk skuld som de aldrig har bett om och inte kan se.
Det är AI-skatten. Den dyker inte upp dag ett. Den dyker upp år två, när genvägarna börjar hopa sig.
Var vi befinner oss nu
Grunden har lagts så långt att nästa lager kan läggas ovanpå. En enhetlig datamodell där ett projekt, en resursbokning och en finansiell post betyder samma sak över hela plattformen. Dataflöden i realtid. En API-yta som är utformad för att kunna användas av både människor och agenter, inte för att eftermonteras. En plattform som konvergerar medan det gamla lagret fasas ut modul för modul.
Det mesta av detta är osynligt för kunderna just nu. Så kommer det inte att förbli. Allt nedströms blir snabbare och mer tillförlitligt när grunden är solid.
Vi befinner oss nu i analysfasen. Projektrapportering är på väg. Detsamma gäller projektportföljen med inbäddad analys. Det här är inte kosmetika. Det är det första lagret av verklig insikt som byggs ovanpå rena, styrda data. När datamodellen är konsekvent betyder rapporterna vad de säger. Siffrorna stämmer överens med varandra.
Därefter kommer AI. Och ordningen spelar roll.
Hur vi använder AI idag
Vi praktiserar redan denna distinktion internt. Vi har lanserat vår AI in Operations Playbook, som är ett ramverk för hur TimeLog använder AI i hela företaget idag. Varje AI-initiativ delas in i en av tre kategorier: personlig produktivitet, återanvändbara teamverktyg eller automatiserade arbetsflöden med bevisat värde. Det är viktigt att påpeka att det inte handlar om steg som man klättrar upp för i tur och ordning. Ett initiativ kan starta på vilken nivå som helst, till och med direkt i full automatisering, så länge värdet är tydligt och grunden stöder det.
Oavsett nivå är testet detsamma: påskyndar det arbetet eller konkurrerar det med det? Denna disciplin förhindrar att AI-skatten staplas på hög. AI i drift medan produktfundamentet mognar.
Det är disciplinen som gör att AI fortsätter att arbeta för verksamheten och inte tvärtom.
Vad det innebär för våra kunder
När analyslagret är stabilt kommer AI-funktionerna i TimeLog inte att vara påklistrade. De kommer att vara ett naturligt resultat av arkitekturen som bygger på styrd data, konsekventa definitioner och en plattform som redan från början är byggd för att användas av både människor och agenter.
Det här är den enda versionen av AI i ett PSA som vi är villiga att leverera till våra kunder. Inte den snabbaste versionen. Inte den mest flashiga. Den som ger dig den typ av svar som är korrekt två gånger.
En fråga du bör ställa till dina leverantörer
Om du för närvarande utvärderar PSA-plattformar, ställ en fråga till dina leverantörer: vilken är den datagrund som ligger till grund för era AI-funktioner?
Om de inte kan ge ett tydligt svar har du hittat AI-skatten.
Vill du se hur vi bygger vår? Prata med oss eller utforska plattformen.
