# Debrief: FLT_009 **Mode:** focus **Instances:** 9 / 9 completed **Generated:** 2026-04-13 04:23 **Focus Case:** #3 — Atten-måneders-scenariet --- ## Instance Outputs ### VS_LOC_DLTQ-5_000277 [sonnet] *seed: skeptiker sesongmessig hedge hypotese-drevet rådgiver* # VS_LOC_DLTQ-5_000277 — Atten-måneders-scenariet **seed:** skeptiker | sesongmessig | hedge | hypotese-drevet | rådgiver **model:** sonnet **case:** #3 **flight:** FLT_009 --- ## Innledende skeptisisme: Hva er egentlig premisset? {#P122_09d28c98} Før jeg tar stilling til smal vs. bred posisjonering, vil jeg utfordre selve premisset i case-beskrivelsen. "KI automatiserer forprosjekter billig og bredt innen 18 måneder" — dette er en hypotese, ikke et faktum. Og som hypotese er den upresis på en måte som bør bekymre deg: den blander to svært ulike ting. **Hypotese A:** KI kan produsere rapport-leveranser som ligner et forprosjekt-dokument (risikoanalyse, modenhetsvurdering, scope-definisjon) billig og raskt. **Hypotese B:** KI kan *gjennomføre* et forprosjekt — det vil si navigere organisasjonspolitikk, bygge tillit med skeptiske mellomledere, avdekke skjulte agendaer, og hjelpe en organisasjon med å *ta* et beslutningsvalg de er redde for. Hypotese A er sannsynligvis sant innen 18 måneder. Hypotese B er langt mer tvilsom — og det er B som utgjør kjerneverdi i Fase 0-metodikken slik den er beskrevet. Denne distinksjonen er ikke akademisk. Den er avgjørende for posisjoneringsvalget. --- ## Sesongmessig timing: Hvem rammes først? {#P122_7cd5e474} KI-automatisering av forprosjekter vil ikke treffe alle markeder samtidig. Det vil følge et sesongmessig, sektorielt mønster: 1. **Standardiserte ERP-implementeringer** (SAP, Microsoft Dynamics) rammes **tidligst**. Her er forprosjektet mer kodifiserbart: sjekklister for systemmodenhet, GAP-analyser mot standardmoduler, ressursplaner. Dokumentleveransene er allerede halvt-standardiserte. KI-verktøy fra systemleverandørene selv (Microsoft Copilot integrert i Dynamics-salg) vil tilby "gratis readiness assessment" som salgsverktøy innen 6-12 måneder. 2. **Bredere organisasjonstransformasjoner** (kulturendring, prosessredesign uten systemfokus) rammes **seinere** fordi de er mindre kodifiserbare og krever mer kontekstuell menneskelig vurdering. Dette betyr: smal ERP-nisje er faktisk *mer* truet på kort sikt, ikke mer beskyttet. Den breide posisjonen har lengre runway. --- ## Tre testbare hypoteser — med konkrete falsifikasjonskriterier {#P122_a8e50a92} **H1: "Mellommannsargumentet" for smal nisje er feil** Påstand: ERP-konsulenter beholder rollen fordi systemleverandørene trenger dem som buffer mot kunden. *Falsifikasjonskriterie:* Se på om Salesforce, Microsoft og SAP *allerede* selger direkte readiness-tools til sluttbrukere. De gjør det. Microsoft har "Dynamics 365 Readiness Assessment" som gratis verktøy. Systemleverandørene har insentiv til å kutte ut den uavhengige rådgiveren, ikke beskytte den. ERP-konsulenter er ikke vernet av systemleverandørenes gunst — de er tolerert så lenge de er nødvendige. **H2: Metodikken som produkt overlever bedre enn metodikken som tjeneste** Påstand: Hvis Fase 0-metodikken er dokumentert, skalerbar og kan lisenseres eller brukes som rammeverk av andre konsulenter/HR-avdelinger, overlever den automatiseringen fordi den er *innsatsen*, ikke konkurrenten. *Falsifikasjonskriterie:* Finn én metodikk-basert konsulentvirksomhet (eksempel: McKinsey 7S, Kotter 8-step) som ble erstattet av KI-analyseverktøy. Det har ikke skjedd. Metodikker overlever fordi de er autoritetssignaler, ikke fordi de er unike algoritmer. **H3: 18-månedersscenariets reelle risiko er ikke automatisering — det er prispress** Påstand: KI vil ikke erstatte forprosjektkonsulenten, men vil ødelegge prisingen. En organisasjon som har fått et "gratis" KI-generert readiness-rapport vil spørre: "Hvorfor skal vi betale 300 000 kr for det du gjør?" *Falsifikasjonskriterie:* Se på hva som skjedde med juridisk kontraktsgjennomgang etter LLM-fremvekst. Advokater som selger timesprising for standardkontraktsgjennomgang er under hardt press. Advokater som selger dom og relasjon er ikke det. --- ## Hedge-strategien: Ikke velg mellom smal og bred — bygg begge, men sekvensielt {#P122_a02252ae} En ren enten-eller-beslutning mellom smal og bred er et falskt dilemma sett med hedge-øyne. Spørsmålet er ikke *hvilken* posisjon, men *hvilken* posisjon *først*, og hva du bygger i parallell. **Fase 1 (nå – 9 måneder): Smal nisje som inntektsgenerator og validering** Bruk ERP/CRM-markedet ikke fordi det er tryggere fra KI-automatisering, men fordi betalingsvilligheten er dokumenterbar og salgssyklusen er kortere. Én vunnet kunde i smal nisje gir deg: - Referansecase med målbare tall - Inntekt til å finansiere metodikk-dokumentasjon - Empirisk data om hva kunder faktisk betaler for (tillit? rapport? analyse?) Men bygg metodikken fra dag én som om den skal være bred. Sett ikke begrensninger i terminologi, sjekklister eller rammeverk som gjør den ERP-spesifikk. Det er unødvendig låsing. **Fase 2 (6-18 måneder): Metodikk-IP som parallell investering** Parallelt med klientarbeid: Dokumenter Fase 0-metodikken i publiserbar form. Ikke for å selge den som kurs (ennå), men fordi: 1. Dokumentasjonen tvinger deg til å gjøre den eksplisitt og testbar 2. Den gir deg autoritetssignal i søk/profilering 3. Den er kapital som overlever deg som enkeltperson **Fase 3 (post 18 måneder): Repositionering basert på hva som faktisk skjedde** 18-månedersscenariets reelle verdi er at det setter en **beslutningsgate**: innen januar 2028 bør du ha empirisk data om hva KI faktisk har automatisert i markedet, og reposisjonere basert på det — ikke på spekulative analyser fra 2026. --- ## Rådgiver-rollen som overlevelsesstrategi {#P122_4b86469b} Fra et rådgiver-perspektiv: Leger ble ikke erstattet av WebMD. Finansrådgivere ble ikke erstattet av Morningstar. Men begge yrkesgruppene *endret* seg — de som overlevde sluttet å selge *informasjon* og begynte å selge *dom under usikkerhet*. For Fase 0-konsulenten betyr dette: - **Slut å selge "kartlegging"** (det er et informasjonsprodukt, KI kan gjøre det) - **Begynn å selge "beslutningsstøtte"** (hva skal vi gjøre med det vi vet, gitt denne organisasjonens spesifikke dynamikk?) Konkret: endre hvordan du priser og pakker arbeidet. Ikke "vi leverer en modenhetsvurdering", men "vi hjelper ledelsen ta en forsvarlig beslutning om å gå videre eller ikke — og vi tar ansvar for at beslutningen er riktig fattet." --- ## Konkrete tiltak nå {#P122_c2e221f7} 1. **Uke 1-4:** Formuler 3 testbare hypoteser om kjøpsatferd i ERP-markedet. Ring 5 potensielle kunder og spør — ikke selg. Lytt etter hva de faktisk er redde for (det er sannsynligvis ikke "feil system", men "feil beslutning synlig i ettertid"). 2. **Uke 4-12:** Ta én prosjektengasjement i smal nisje — selv til subsidiert pris — for å teste om tillit eller analyse er det du faktisk leverer. 3. **Løpende:** Dokumenter metodikken ukentlig. 30 minutter etter hvert klientmøte. Ikke for publisering — for klarhet i eget hode. 4. **Måned 6:** Gjennomgå hva Microsoft, Salesforce og SAP faktisk tilbyr av KI-readiness-verktøy. Det er din reelle konkurrent, ikke andre konsulenter. 5. **Sett beslutningsgate:** Bestem nå hva du måler innen 18 måneder for å vite om du er på riktig kurs. Ikke kvalitative inntrykk — målbare indikatorer (antall betalende kunder, gjennomsnittlig kontraktsverdi, andel kunder som henviser videre). --- ## INDEX {#P122_51a72370} - **[risk]** ERP-nische er mer eksponert for KI-automatisering enn bred posisjon fordi leveransene er mer standardiserte - **[risk]** Systemleverandørene (Microsoft, SAP, Salesforce) er den reelle KI-konkurrenten, ikke andre konsulenter - **[business]** 18-månedersscenariets primære trussel er prispress, ikke fullstendig erstatning av rollen - **[recommendation]** Hedge-strategi: smal nisje for inntekt (nå), bred metodikk-IP i parallell (investering) - **[recommendation]** Reposisjoner fra "kartlegging" (informasjonsprodukt) til "beslutningsstøtte under usikkerhet" (dommersrolle) - **[implementation]** Uke 1-4: 5 kundekall for kjøpsatferd-validering — lytt, ikke selg - **[implementation]** Sett eksplisitt beslutningsgate med målbare indikatorer innen 18 måneder - **[business]** Metodikk-dokumentasjon er kapital som overlever automatisering av leveransen — bygg den parallelt - **[meta]** Premisskorrigering: H2 (KI gjennomfører forprosjekt) er usannsynlig innen 18 måneder; H1 (KI produserer rapport-leveranser) er sannsynlig - **[risk]** Ingen betalende kunder betyr at posisjoneringsvalget tas uten empirisk data — validering før strategi-commit er kritisk Usikker på: Realismen i 18-måneders-timeframe. Analysen er basert på hva som er teknisk mulig, ikke hva som faktisk vil adoptereres i det norske ERP/CRM-markedet, som typisk henger 2-3 år etter teknologifronten. confidence: 0.62 --- ### VS_LOC_DLTQ-5_000278 [sonnet] *seed: entreprenør treårs aggressiv intuisjon-drevet utfordrer* # VS_LOC_DLTQ-5_000278 — Atten-måneders-scenariet **seed:** entreprenør treårs aggressiv intuisjon-drevet utfordrer **model:** sonnet **case:** #3 **flight:** FLT_009 --- ## Innledende utfordring til premisset {#P122_3adc84bf} Spørsmålet er feil stilt. «Smal vs. bred posisjonering» er ikke det avgjørende valget — det avgjørende valget er om konsulenten i det hele tatt bygger noe som overlever. Atten-månedersscenarioet er en nyttig provokasjon, men det fungerer som distraksjon fra det mer presserende spørsmålet: **Har noen betalt for dette ennå?** Ingen betalende kunder + usikker posisjonering + 18-måneders AI-trusselbilde = konsulenten sitter og philosopherer mens startbanen er i ferd med å forsvinne. Det aggressive svaret er ikke å analysere scenariet — det er å handle nå, slik at scenariet blir irrelevant. --- ## Hva skjer faktisk når KI automatiserer forprosjekter {#P122_252e3d05} **Den umiddelbare intuisjonen:** ERP-nisjen er IKKE tryggest mot AI. Den er mest eksponert. SAP, Oracle og Microsoft har alle ressurser og incentiver til å pakke AI-drevet forprosjektanalyse inn i sine implementeringsløsninger. De gjør det allerede — Microsofts Copilot-integrasjoner, SAPs Business AI. ERP-leverandørene vil spise dette segmentet. Systemkonsulentene som formidler kunden til leverandøren er mellommenn, og mellommenn er nøyaktig det AI fjerner. «Smal er tryggere fordi ERP-konsulenter beholder mellommannsrollen» er en tolkning som tar feil retning. ERP-kompleksiteten er høy, ja — men det er et argument for at AI-verktøyene vil bli mer sofistikerte, ikke for at menneskelige konsulenter er beskyttet. **Bred-alternativet er heller ikke riktig svar i sin nåværende form.** «Metodikken blir produktet» fungerer bare hvis metodikken er genuint ikke-kopierbar. Er den det? En prosess for organisatorisk beredskap — intervjuer, kartlegging, analyse, anbefalinger — er i seg selv fullt automatiserbar. Det er ikke metodestegene som er motstanden, det er noe annet. --- ## Hva som faktisk ikke kan automatiseres på 18 måneder {#P122_91276b0d} To ting overlever AI-disrupsjon på den korteste horisonten: **1. Relasjonsbasert politisk navigasjon** Forprosjektet er ikke bare en analyse. Det er en prosess der noen må se maktdynamikken, si det ubehagelige til CFO-en som ikke vil innrømme at ERP-prosjektet er feilinnrettet, være den menneskelige bufferen mellom styret og implementeringsteamet. AI kan lage rapporten. AI kan ikke ta den vanskelige samtalen. Den menneskelige konsulenten som eier dette er ikke erstattbar i den 18-månedersrammen. **2. Bevist sporrekord** AI har ingen historikk i den spesifikke organisasjonen, den spesifikke bransjen, den spesifikke typen implementeringsfeil. En konsulent med 5 dokumenterte cases der «vi predikerte X, og X skjedde» har noe AI ikke kan kjøpe seg til. Dette er moatén — ikke metodikken i seg selv, men bevisrekken. --- ## Det aggressive tretårsbildet {#P122_31969374} **År 1 (nå — 12 måneder):** - Aksepter at AI vil komme. Ikke forsvar forprosjektet som leveranse — gjør det billig, kanskje gratis ved første engagement. - Pris for det som ikke kan automatiseres: implementeringsstyring, eskalasjonshåndtering, den politiske tilretteleggingen under prosjektet. - Mål: 2-3 betalende kunder. Ikke for inntekten alene — for sporet. **År 2 (12 — 24 måneder, midt i AI-skiftet):** - Bruk case-biblioteket aktivt. Dokumenter prediksjoner og utfall. Bygg bevisrekken. - Vurder å posisjonere som **AI-revisor** — den menneskelige som evaluerer AI-genererte forprosjekter. Revisorrollen forsvant ikke da regnskapsprogramvare kom. Den ble viktigere. - Smal nisje (ERP) som inngangspunkt, men ikke som endepunkt. **År 3 (24 — 36 måneder):** - Med 8-12 dokumenterte cases og en tydelig sporrekord er det mulig å ta betalt for det ingen AI kan levere: garantert politisk navigasjon, ikke bare analyse. - Plattformretning kan vurderes da — men bare hvis det er etterspørsel fra de eksisterende kundene. --- ## Den brutale utfordringen til konsulentens tenkning {#P122_76800980} Konsulenten befinner seg i et kognitivt komfortabelt sted: kan analysere 18-månedersscenarioet i detalj, kan argumentere for og imot smal vs. bred. Det er intellektuelt tilfredsstillende. Det er ikke kommersielt produktivt. **Utfordringen:** Posisjoneringsvalget er sekundært. Det primære valget er: Hvem skal betale deg penger neste kvartal, og for hva? Svaret på dette spørsmålet løser automatisk den riktige posisjoneringen. Hvis ingen ERP-kunder vil betale, er smal-strategien allerede avvist av markedet. Hvis en bred organisasjonskunde betaler, er bred-strategien validert. Uten betaling er begge deler spekulasjon. **Konkret:** En uke med 5 kvalifiserte samtaler med potensielle kunder gir mer beslutningsgrunnlag enn 20 sverm-instanser. De er ikke ekskluderende — men rekkefølgen er feil hvis analysen skjer uten markedssignal. --- ## Robusthetstiltak som kan tas nå {#P122_aa0e6500} 1. **Dokumenter metodikken eksplisitt** — ikke for å selge den, men for å kunne predikere og etterpå verifisere. Uten dette fins ikke sporet. 2. **Finn én case der du kan levere gratis** (ideelt sett en som er synlig i nettverket) — ikke som veldedighet, men som bevis. Velg med omhu: casen bør ha høy implementeringsrisiko og synlig feilpotensiale. 3. **Bygg inn AI-verktøy i metodikken allerede nå** — ikke som trussel, men som del av leveransen. En konsulent som bruker AI til de automatiserbare delene og tar betalt for den menneskelige bedømmingen er mer holdbar enn en som forsvarer hele tilnærmingen mot AI. 4. **Avklar om systemleverandørleddet er venn eller fiende** — Smal-strategien forutsetter at ERP-konsulenter vil kjøpe inn tjenesten, ikke konkurrere med den. Test dette med 3-5 samtaler med faktiske ERP-partnere. --- ## INDEX {#P122_353ba224} - **[risk]** ERP-nisjen er IKKE den sikreste mot AI-disrupsjon — leverandørene (SAP, Oracle, Microsoft) har sterke incentiver til å pakke forprosjektanalyse i egne AI-verktøy - **[recommendation]** Gjør forprosjektet til et loss leader, ta betalt for implementeringsstyring og politisk navigasjon — det som faktisk ikke kan automatiseres - **[business]** Sporrekord (prediksjoner + utfall) er den reelle moatén mot AI-konkurranse, ikke metodikken i seg selv - **[recommendation]** Posisjonér som AI-revisor — evaluer AI-genererte forprosjekter, analogt med at revisorrollen ble viktigere etter regnskapsprogramvare - **[risk]** Uten betalende kunder er smal vs. bred-spørsmålet akademisk — prioriter markedsvalidering over posisjoneringsanalyse - **[implementation]** Tretårsplan: År 1 = skaff 2-3 betalende kunder + bygg case-bibliotek; År 2 = posisjonér som AI-revisor; År 3 = vurder plattformretning basert på kundeefterspørsel - **[business]** Integrer AI-verktøy i metodikken nå — konsulenter som bruker AI til automatiserbare deler er mer robuste enn de som forsvarer hele metodikken mot AI - **[recommendation]** Test smal-strategiens forutsetning: avklar om systemleverandørleddet vil kjøpe tjenesten eller konkurrere med den — 3-5 samtaler avklarer dette raskere enn analysen confidence: 0.62 --- ### VS_LOC_DLTQ-5_000279 [sonnet] *seed: produktsjef treårs forsiktig hypotese-drevet utfordrer* # VS_LOC_DLTQ-5_000279 — Atten-måneders-scenariet **seed:** produktsjef treårs forsiktig hypotese-drevet utfordrer **model:** sonnet **case:** #3 **flight:** FLT_009 --- ## Overordnet ramme: Behandle dette som en produktroadmap, ikke som et posisjoneringsvalg {#P122_4c621dbe} Produktsjef-linsen starter med å stille det ubehagelige spørsmålet: *Hva er egentlig produktet her?* Et forprosjekt er informasjonsbehandling: innhente data, strukturere usikkerhet, anbefale retning. Det er nøyaktig hva LLM-er er gode på — og de blir bedre for hvert kvartal. Hvis man aksepterer det premisset, blir spørsmålet ikke "smal vs. bred posisjonering" men: **Hvilken del av forprosjektets verdi er ikke informasjonsbehandling?** Min hypotese: Det er tre lag i et forprosjekt. | Lag | Innhold | Automatiserbar? | |-----|---------|----------------| | **Analyse** | Kartlegge as-is, identifisere risiko, strukturere usikkerhet | Ja, innen 18 mnd | | **Konfrontasjon** | Utfordre beslutningstakers antakelser, avdekke ønsketenkning | Delvis, svakt | | **Forpliktelse** | Få organisasjonen til å eie konklusjonen og handle på den | Nei | KI tar lag 1. Det er ikke et spørsmål om det — det er et spørsmål om *når* og *til hvilken pris*. Det betyr at en konsulent som selger forprosjekter der **analyse er kjernen** er i et brennende marked uavhengig av om han velger smal eller bred posisjonering. --- ## Utfordrer-blikket på begge scenariene {#P122_3caea80c} ### Mot smal (ERP-nisje): "Mellommann-illusjonen" Påstanden er at ERP-konsulenter beholder sin mellommannsrolle fordi de sitter på bransjerelasjonene og implementeringserfaringen. **Jeg utfordrer premisset.** Hvem betaler for et ERP-forprosjekt i dag? Sluttbrukerbedriften — ikke systemleverandøren. Hvis en sluttbrukerbedrift kan produsere et likeverdig analysedokument med GPT-X + noen promptmaler for 2000 kr, vil de fortsatt kjøpe det for 150 000? Kanskje. Men bare hvis de *tror* det menneskelige analysearbeidet gir noe AI-en ikke klarer. Og her er den egentlige risikoen i ERP-nisjen: **systemleverandørene vil tilby forprosjekt-AI gratis som del av salgsprosessen**. SAP, Microsoft, Salesforce — de har alle insentiv til å fjerne friksjon i kjøpsreisen. Gratis AI-drevet forprosjekt som lead-gen er en åpenbar produkt-strategi for dem. ERP-konsulenten som selger uavhengig forprosjekt konkurrerer da mot gratisprodukter fra leverandøren selv. Det er ikke umulig å overleve der — men markedet krymper strukturelt. ### Mot bred (metodikk som produkt): "Abstraksjonsfellen" Bred posisjonering appellerer fordi det virker mer fremtidsrobust — "vi selger ikke ERP-forprosjekter, vi selger **Fase 0-metodikken**." Men produktsjef-instinktet sier: en metodikk uten et konkret marked er en powerpoint, ikke et produkt. Bred posisjonering har et vesentlig problem: **salgssyklusen eksploderer**. I ERP-nisjen vet kjøperen hva problemet er (ny systemimplementering), vet at forprosjektet er vanlig, og har kanskje allerede budsjett. I bred posisjonering må konsulenten først overbevise en potensielt kjøper om at de *har et problem* (manglende organisatorisk beredskap), deretter om at *dette* er løsningen, og til slutt om at *akkurat denne* konsulenten er riktig leverandør. Tre salgsbarrierer i stedet for én. For en solo-konsulent uten validerte kundedata og begrenset tid til salg: bred posisjonering koster mer å omsette til inntekt. --- ## Forsiktig treårs-perspektiv: Bygg optionality, ikke forpliktelse {#P122_5848b717} Hvis jeg skal gi råd som er holdbart i tre år og robust mot usikkerhet, er det dette: **Ikke ta posisjoneringsvalget nå — design et eksperiment for å avgjøre det med data.** Konsulenten har 18 måneder før KI-endringen slår inn for fullt (kanskje). Han har nå. Det betyr han har tid til å teste hypoteser billig. ### Tre testbare hypoteser med eksperimenter **Hypotese 1: "Kunder i ERP-nisjen kjøper menneskelig forprosjekt selv om AI-alternativet finnes"** *Test:* Ta kontakt med 3–5 innkjøpsansvarlige i mellomstore bedrifter som er i ferd med systemimplementering. Vis dem konkret hva et AI-generert foranalyse-dokument ser ut som (bruk ChatGPT/Claude til å produsere et eksempel på 30 min). Spør: "Ville du kjøpt dette? Hva mangler? Hva ville du betalt for?". Tidsbruk: 2 dager. Kostnad: 0. *Hva du lærer:* Er kjøpsbarrieren pris, tillit, relasjon, eller ansvar? **Hypotese 2: "Den uerstattelige delen av metodikken er konfrontasjonsfasen, ikke analysefasen"** *Test:* Gjør ett pro-bono-engasjement der du eksplisitt deler arbeidet: AI genererer analysen, du fasiliterer en halvdagsworkshop der du utfordrer beslutningstakernes antakelser basert på AI-analysen. Evaluer: Hva reagerer kunden på? Hva husker de etterpå? *Hva du lærer:* Er det mulig å re-posisjonere seg fra "analyserer problemet" til "tvinger deg til å se problemet riktig"? Det er en fundamentalt annerledes verdiprotokoll — og mye vanskeligere å automatisere. **Hypotese 3: "Bred posisjonering gir lengre salgssyklus enn ressursene tillater"** *Test:* Gjennomfør 3 uformelle salgspresentasjoner i hvert segment (ERP-nisje vs. bredere bransje). Mål: Tid fra første kontakt til "ja, vi er interessert i et tilbud". Mål: Antall møter. Mål: Hvem i organisasjonen ble involvert. *Hva du lærer:* Salgssyklus er ikke en mening — det er data. Og for en solo-konsulent er salgssyklus eksistensielt. --- ## Den egentlige tredje veien: Bli AI-supervisor, ikke AI-konkurrent {#P122_c7163daa} Det finnes en posisjonering som er verken smal ERP eller metodikk-som-abstrakt-produkt. Den bygger på en produktsjef-observasjon: **Når et nytt verktøy eliminerer en oppgave, vokser ofte rollen til den som *evaluerer* verktøyets output.** Tenk på det slik: Revisorer forsvant ikke da regnskapssoftware ble vanlig. De sluttet å taste bilag og begynte å vurdere om tallene var riktige. Advokater forsvant ikke da kontraktsmaler ble digitale. De sluttet å skrive boilerplate og begynte å vurdere riski. Konsulenten kan bevisst posisjonere seg som **"den som godkjenner eller utfordrer AI-genererte forprosjekter"**. Det er en rolle som: - Krever dyp domenekunnskap (ikke-automatiserbar) - Er direkte avhengig av at AI genererer mye output (medseilende, ikke konkurrerende) - Har en konkret verdiprotokoll: "Vil du signere en 10-millioners systemimplementering basert på et AI-generert dokument — uten at noen med fagkompetanse har utfordret konklusjonene?" Dette er en posisjonering som faktisk *styrkes* av 18-månedersscenarioet, ikke svekkes av det. --- ## Konkrete neste steg (forsiktig, reversibelt) {#P122_46d310b4} 1. **Uke 1–2:** Lag et eksempel-AI-forprosjekt (30–60 min med Claude/GPT). Bruk det som samtalestarter i 5 eksisterende relasjoner. Observer reaksjonen. 2. **Uke 3–6:** Gjennomfør ett gratis "AI+human" forprosjekt der du eksplisitt tester delingen mellom AI-analyse og menneskelig konfrontasjon. Dokumenter hva du lærte. 3. **Måned 2–3:** Test salgspresentasjonen "godkjenner av AI-forprosjekter" i 3 samtaler. Mål responsen. 4. **Måned 4–6:** Evaluer dataene. *Da* tar du posisjoneringsvalget — med empiri, ikke intuisjon. Det posisjoneringsvalget som ser riktig ut i dag basert på resonnement kan se feil ut etter 3 ekte markedssamtaler. Ikke bruk seks måneder på å bestemme deg. Bruk seks måneder på å samle data. --- ## INDEX {#P122_6e8b6345} - **[risk]** ERP-leverandører vil tilby gratis AI-forprosjekt som lead-gen — direkte trussel mot uavhengig nisje-konsulent - **[business]** Forprosjektets tre lag: analyse (automatiserbar), konfrontasjon (delvis), forpliktelse (ikke) — defensiv posisjonering bør bygge på lag 2-3 - **[recommendation]** Posisjonér som "AI-supervisor / godkjenner av AI-genererte forprosjekter" — medseilende med KI-trenden, ikke konkurrerende - **[implementation]** Tre testbare hypoteser med konkrete eksperimenter (2 dager kostnad, 0 kr) før posisjoneringsvalget tas - **[risk]** Bred posisjonering har trippel salgsbarriere for solo-konsulent uten etablert markedsposisjon — salgssyklus er eksistensiell risiko - **[recommendation]** Ikke ta posisjoneringsvalget nå — design billige eksperimenter for å avgjøre det med data innen 4–6 måneder - **[business]** "Konfrontasjonsfasen" er den minst automatiserbare delen — test om kunder faktisk betaler for denne spesifikt - **[meta]** KI-endringen er medseilende for konsulenten IF han repositionerer til evaluator/challenger-rolle, ikke hodelykt konkurrent confidence: 0.72 --- ### VS_LOC_DLTQ-5_000280 [sonnet] *seed: operativ-erfaring treårs forsiktig metodisk mentor* # VS_LOC_DLTQ-5_000280 — Atten-måneders-scenariet **seed:** operativ-erfaring | treårs | forsiktig | metodisk | mentor **model:** sonnet **case:** #3 **flight:** FLT_009 --- ## Perspektiv {#P122_74251ace} Fra operativ-erfaring-linsen: dette er ikke første gang vi har sett "automatisering dreper konsulentyrket"-panikkscenarioet. BI-verktøy i 2010-tallets begynnelse skulle drepe business analysts. De drepte rapport-produksjon og løftet strategisk analyse. ERP-standard-moduler skulle drepe ERP-tilpasningskonsulenter. De drepte de enkleste jobbene og gjorde resten vanskeligere. Mønsteret er konsistent: automatisering dreper *leveransen*, ikke *dommen*. Men — og dette er avgjørende fra treårs-horisonten — KI anno 2025-2026 er strukturelt annerledes fordi den automatiserer *resonnement*, ikke bare dataprosessering. Det er en kvalitativ forskjell som betyr at panikk-scenariet er mer plausibelt denne gangen, selv om timingen som alltid er feil (18 måneder er for aggressivt). --- ## Hva KI faktisk automatiserer i et forprosjekt — og hva det ikke gjør {#P122_dbe82dd2} **Nær-term automatiserbart (0-18 måneder):** - Rapportproduksjon og dokumentstruktur - Gap-analyse mot standardrammeverk (ITIL, Prince2, etc.) - Risikolister basert på bransjemønstre - Spørreundersøkelsesdesign og datainnsamling - Syntese av intervjunoter **Ikke automatiserbart uten store friksjonskostnader:** - Tillit som muliggjør ærlige svar i intervjuer - Ansvar for anbefaling (hvem er ansvarlig når rådet feiler?) - Fasilitering av maktspill i styrerom - Tolkning av hva som *ikke* blir sagt - Endringsledelse — å hjelpe en organisasjon gjennom beslutnings-angst **Mentor-linsen skjærer inn her:** Den mest KI-resistente verdien er ikke *hva* jeg produserer, men *hvem* jeg er i rommet. KI kan skrive rapporten, men den sitter ikke i møtet med CFO-en som saboterer prosjektet. --- ## Smal vs. bred mot 18-måneder-scenariet {#P122_3f0de68a} ### Smal (ERP/CRM) — mer sårbar enn det ser ut Intuisjonen er: ERP-konsulenter beholder sin mellommannsrolle fordi de kjenner systemet. Operativ erfaring advarer mot dette. Leverandørene (SAP, Microsoft, Oracle) har sterkest incentiv til å KI-automatisere forprosjektet — det er *deres* vei til å selge mer implementasjon. De investerer milliardbeløp i nettopp dette. Innen 3 år vil alle store ERP-leverandører ha AI-assistenter som hjelper kunder med "readiness assessment" gratis, som en salgskanal. Smal ERP-posisjonering kjemper mot aktører med uendelig dypere lommer. **Dette er en felle.** Unntaket: Dersom konsulenten posisjonerer seg som *leverandøruavhengig motvekt* — den som advarer kunden mot leverandørens interessekonflikt i et AI-anbefaling. Det er en defensiv, men holdbar nisje. ### Bred (metodikken som produkt) — mer robust, men krever mer Hvis Fase 0 er en metodikk for all typer organisasjonstransformasjon, er ikke spørsmålet "overlever metodikken?" men "hvem eier metodikken?" KI kan replisere en publisert metodikk. Konsulentens moat er da: 1. **Dokumentert track record** (utfall-data fra egne prosjekter) 2. **Kalibrert dom** (erfaring som tilpasser metodikken til kontekst) 3. **Relasjonell autoritet** (hvem anbefaler deg videre) Ingen av disse tre er KI-kopierbare på 18 måneder — men de krever *tid å bygge*, og konsulenten har ingen av dem ennå. Det er den egentlige risikoen, ikke KI. --- ## Den forsiktige treårslogikken {#P122_6108e9a2} **År 1 (nå–des 2026):** KI-verktøy for forprosjektproduksjon blir bredt tilgjengelige. Prispress på dokument-leveranse starter. Early adopters i konsulentbransjen bruker dem og underkutter. **År 2 (2027):** Markedet bifurkerer — billig AI-assistert forprosjekt (commodity) og dyrt vurderingsbasert Fase 0 (premium). Kunder som har blitt brent av billig alternativet migrerer oppover. **År 3 (2028):** Den som har brukt år 1-2 til å bygge track record og relasjonell kapital, er godt posisjonert i premium-segmentet. De som ventet, er for sene. **Forsiktig konklusjon:** Scenariet er ikke "smal overlever / bred overlever." Scenariet er "konsulenten som *handler nå* overlever, uavhengig av retning." Passivitet er den faktiske dødsspiralen. --- ## Tredje-vei: Vær broen mellom KI og kunden {#P122_9047c02e} Fra operativ-erfaring og mentor-linse kombinert: Den mest robuste posisjoneringen er ikke å *konkurrere* med KI, men å *orkestrere* den på vegne av kunden. **Konkret:** Tilby "KI-assistert Fase 0" der konsulenten leverer raskere og billigere fordi KI gjør dokumentproduksjonen, MEN konsulenten tilfører det KI ikke kan (tillit, dom, ansvar). Dette er en asymmetrisk gevinst: konsulenten kan nå ta flere prosjekter (volum), til lavere pris per prosjekt, med bedre margin (fordi KI gjør mye av arbeidet). Dette er ikke et kompromiss mellom smal og bred — det er et svar på scenariet som fungerer på tvers av begge posisjoner. --- ## Konkrete tiltak nå (neste 90 dager) {#P122_26e36066} **1. Kartlegg KI-kapasiteten systematisk (metodisk)** Kjør Claude/GPT-4o på et fiktivt forprosjekt. Dokumentér eksakt hva de produserer bra vs. dårlig. Dette gir deg et kvantifisert bilde av hva du konkurrerer mot — og hva du overlegent leverer. **2. Skriv ett offentlig innlegg om "hva KI ikke kan i Fase 0" (mentor)** Pre-empt disruksjonsnarrativen. Etabler deg som eksperten som forstår KI-begrensningene bedre enn alle andre. Målgruppe: potensielle kunder som er usikre på om de trenger deg lenger. **3. Identifiser 2 referansekunder innen smal nisje (forsiktig)** Ikke for å velge smal permanent — men fordi du trenger dokumentert erfaring *nå*, og ERP/CRM-markedet har kortest salgssyklus og høyest betalingsvillighet i øyeblikket. Ta prosjektene, bygg track record, bruk det som bevis i bred posisjonering. **4. Dokumentér metodikken offentlig, steg for steg (moat-bygging)** Ironisk nok: publiser metodikken. Det virker kontraintuitivt, men det er det som bygger autoritet. KI kan kopiere metodikken — den kan ikke kopiere at du er personen som definerte den. "Fase 0"-begrepet bør eies av konsulenten, ikke av SAP. **5. Sett opp en pipeline-tracker for 3-ukers syklus (metodisk)** Én ny kontakt per uke. Ikke salg — relasjonsbygging. Den treårige robusthetens fundament er hvem som kjenner deg i 2028, ikke hvem du selger til i dag. --- ## Vurdering av spørsmålets premiss {#P122_fab09f02} Casen spør "smal eller bred overlever?" — men operativ erfaring sier dette er feil spørsmål. Det er ikke posisjonen som overlever, det er *personen bak posisjonen*. En dyktig konsulent i smal nisje kan manøvrere til bred. En dyktig konsulent med bred metodikk kan dybde-fokusere på ERP hvis markedet krever det. Strategisk fleksibilitet — ikke posisjoneringsvalget *per se* — er det egentlige KI-robusthetsmålet. Forsiktig tilnærming: velg ikke. Start smal (kontantstrøm og validering), bygg metodikk-kapital parallelt (moat), pivoter til bred når track record er der. Ikke forplikt deg til én retning basert på frykt for et scenario som kanskje ikke inntreffer på 18 måneder. --- ## INDEX {#P122_b92df72f} - **[risk]** KI-automatisering av ERP-leverandørenes egne readiness-tools er den reelle trusselen mot smal posisjonering — ikke generell KI - **[risk]** Passivitet (vente på validerte data) er en større risiko enn feil posisjoneringsvalg — vinduet for å bygge track record er nå - **[recommendation]** Orkestrér KI istedenfor å konkurrere med den: "KI-assistert Fase 0" med konsulenten som ansvarslenke - **[recommendation]** Publiser metodikken offentlig for å eie begrepet "Fase 0" — transparens er moaten, ikke hemmeligholdelse - **[recommendation]** Ta 2 referanseprosjekter smal nisje nå for dokumentert erfaring, uavhengig av langsiktig posisjoneringsvalg - **[business]** Markedsbifurkasjon år 2 (2027): commodity AI-forprosjekt vs. premium judgment-led Fase 0 — konsulenten må velge side i tide - **[business]** Tredjepartsposisjonering som leverandøruavhengig motvekt er en defensibel nisje selv etter KI-automatisering - **[implementation]** Kartlegg KI-kapasitet på fiktivt forprosjekt innen 30 dager — kvantifisér hva du konkurrerer mot - **[meta]** Spørsmålet "smal eller bred overlever?" er feil formulert — det er personens manøvreringsevne, ikke posisjonens robusthet, som avgjør --- *Usikkerhetsnote: Analysen er sterkest på mønsterkjenning (tidligere automatiseringsbølger) og svakest på KI-tempoet spesifikt. Hvis 18-måneder-scenariet inntreffer raskere enn historisk mønster tilsier — innen 12 måneder — er konkrete tiltak 1-3 enda mer hastepreget.* confidence: 0.72 --- ### VS_LOC_DLTQ-5_000281 [sonnet] *seed: operativ-erfaring langsiktig hedge data-drevet kritisk-venn* # VS_LOC_DLTQ-5_000281 — Atten-måneders-scenariet **seed:** operativ-erfaring | langsiktig | hedge | data-drevet | kritisk-venn **model:** sonnet **case:** #3 **flight:** FLT_009 --- ## Analyse: Hva overlever 18-måneder-scenariet? {#P122_a806aaa7} ### Hvad vi faktisk vet (data-drevet linse) Før vi svarer på hvem som "vinner" — smal vs. bred — må vi etablere hva vi vet vs. hva vi antar: **Kjente fakta:** - ERP-implementeringer feiler med 50-70% rate (Gartner, McKinsey — gjentatte studier over 20 år) - Prisen på AI-genererte rapporter faller mot null. Allerede i dag: Claude, GPT-4o kan produsere et 20-siders risikovurderingsdokument på 3 minutter - ERP-leverandørene (SAP, Microsoft, Oracle) investerer massivt i innebygd AI-assistanse - Solo-konsulenter har null forhandlingskraft mot prispress, men høy tillitskapital per relasjon **Det vi ikke vet (og ingen kan vite nå):** - Om organisasjoner faktisk vil bruke AI-genererte forprosjekter fremfor menneskelige - Kjøpsatferden til mellomledere når det gjelder "AI sa vi burde" vs. "konsulent sa vi burde" - Regulatorisk utvikling rundt ansvar for AI-baserte implementeringsanbefalinger Denne asymmetrien mellom kjent og ukjent er selve kjernen i scenariet. --- ### Operativ erfaring sier: dette har vi sett før Automatisering drepte ikke regnskapsførere — den drepte regnskapsføring som rutinearbeid. Regnskapsførerne som overlevde løftet seg til rådgivning. Automatisering drepte ikke reiseagenter — men den drepte reisebyråer som solgte flybilletter. De som overlevde solgte opplevelser og kompleksitet. Mønsteret er stabilt over 40 år: **automatisering dreper leveransen, ikke dommen.** Forprosjekter som dokument vil bli billige. Det som ikke blir billig: Den menneskelige dommen om "dere er ikke klare." Den politiske legitimiteten til å stanse et prosjekt som en toppleder allerede er investert i. Ansvaret som følger med å si nei. En AI kan produsere en rapport som sier "implementeringsrisikoen er høy." En konsulent kan sitte i møtet og si til CFO-en: "Dette prosjektet vil feile og her er nøyaktig hvorfor." Disse to tingene er ikke ekvivalente — og organisasjoner vet det. **Kritisk-venn-observasjon:** Den vanlige antakelsen er at smal posisjonering (ERP-nisje) bevarer mellomledd-rollen fordi bransjen kjenner den. Det er ønsketenkning. ERP-leverandørene bygger AI direkte inn i produktene sine. SAP BTP, Microsoft Copilot for Dynamics — de vil selge "AI-assistert implementeringsberedskap" som en del av lisensavtalen. Mellommannsrollen i bransjen er under hardere angrep i smal enn i bred. --- ### Den reelle trusselen er ikke AI-rapporten — det er verdikjededisrupsjon **Smal nisje (ERP/CRM):** Risikoen er ikke at AI erstatter konsulenten. Risikoen er at SAP/Microsoft bundler en "readiness score" inn i lisensavtalen og gjør behovet for en ekstern konsulent usynlig. Dette er disrupsjon fra toppen av verdikjeden, ikke fra bunnen. **Bred posisjonering (metodikk som produkt):** Metodikken kan overleve — men bare hvis den er bedre enn AI-alternativet på noe som er vanskelig å kopiere. Hva er det? Ikke analysen. Ikke dokumentet. Det er den iterative, relasjonelle prosessen med å få en organisasjon til å *erkjenne* sin egen uforberedthet. Det er et tillitsproblem, ikke et informasjonsproblem. --- ### Hedge-strategi: tre parallelle spor Ikke velg enten/eller. Bygg tre spor med asymmetrisk innsats: **Spor 1 (60% innsats): Smal nisje som cashflow-base** Fokuser ERP/CRM-nisjen som inntektsgenerator de neste 12 månedene. Ikke fordi den er trygg på lang sikt, men fordi den gir validert data om hva kunder faktisk betaler for. Dokumentér nøye: Hva sa kunden ja til? Hva var den reelle kjøpsbeslutningen? Dette er informasjon du trenger for alle andre spor. **Spor 2 (30% innsats): Metodikk-IP-bygging** Parallelt, skriv metodikken eksplisitt nok til at den kan lisensieres, kursifiseres, eller selges som SaaS. Ikke for å lansere det nå — men for å ha optionality. Dette er 18-måneder-forsikringen. Hvis AI-bølgen kommer fort og bredt, er det bedre å sitte med en dokumentert metodikk enn å starte fra scratch. **Spor 3 (10% innsats): Tredjeveien — sertifisering/akkreditering** Den undervurderte muligheten: Bli den som *sertifiserer* andres bruk av metodikken. Ikke bare konsulent, men standard-setter. Revisorer overlevde automatisering fordi de sitter på akkreditering og ansvar. Kan Fase 0-metodikken bli en bransjestandard andre sertifiseres mot? Det krever nettverk og lobbyvirksomhet, men den langsiktige verdien er enorm. --- ### Konkrete tiltak nå (neste 90 dager) 1. **Documenter to "nei"-historier.** Finn to eksempler (egne eller andres) der en organisasjon ble stoppet fra å implementere prematurt, og dokumentér kostnadsbesparelsen i kroner. Dette er den dataen som gjør metodikken salgbar — og den er umulig for AI å generere uten at noen samlet den. 2. **Test AI-substitusjonen direkte.** Kjør en faktisk Claude/GPT-4o-analyse på en tenkt organisasjon med Fase 0-metodikken. Se hva AI produserer. Identifiser præcist hva AI ikke kan gjøre. Det er der posisjoneringsargumentet bor. 3. **Kontakt én ERP-leverandør (ikke som selger, som forsker).** Spør: "Hva gjør dere med implementeringsberedskap de neste 18 månedene?" Svaret forteller mer om fremtidig konkurranse enn noe annet. Enten er de på vei inn i rommet (advarsel), eller de ikke tenker på det (mulighet). 4. **Skriv posisjoneringsnotatet.** Ikke for kunder — for deg selv. "Her er nøyaktig hva vi gjør som AI ikke kan gjøre." Hvis du ikke kan skrive det klart på 500 ord, er posisjoneringsvalget ikke klart nok til å forsvares mot disrupsjon. --- ### Den ubehagelige sannheten **Kritisk-venn-modus:** Ingen av de to posisjonene (smal/bred) er robust mot 18-måneder-scenariet slik de er definert i dag. Grunnen: begge er definert rundt *hva* som leveres (en beredskapsanalyse), ikke rundt *hvem som har autoritet* til å levere den. Det som er robust er ikke en posisjon i et marked — det er en *rolle i et system*. Revisorer er ikke verdifulle fordi de analyserer regnskap. De er verdifulle fordi de har institusjonell autoritet og bærer juridisk ansvar. Hvis Fase 0-metodikken skal overleve AI-bølgen, må strategien over 2-5 år handle om å flytte seg fra "konsulent som analyserer" til "standard-setter med autoritet." Det er den langsiktige hedgen. --- ## INDEX {#P122_e3e415f0} - **[risk]** ERP-leverandører (SAP, Microsoft) bundler AI-assistert readiness-analyse inn i lisensavtalen — direkte trussel mot mellommannsposisjon i smal nisje - **[risk]** Forprosjektet som dokument commoditiseres av AI; det som overlever er autoritet og ansvar, ikke analysen - **[business]** Automatiseringens historiske mønster: dreper leveransen, ikke dommen — positiv implikasjon for konsulentrolle som beslutningstaker - **[recommendation]** Hedge-strategi: 60% smal (cashflow), 30% metodikk-IP, 10% sertifisering/standardisering - **[recommendation]** Dokumenter to konkrete "nei"-historier med besparelse i kroner — dette er dataen AI ikke kan generere selv - **[implementation]** Test AI-substitusjon direkte: kjør Claude/GPT mot Fase 0-metodikken og identifiser nøyaktig hva AI ikke klarer - **[business]** Tredjeveien: standard-setter/akkreditering fremfor konsulent — revisorer overlevde automatisering via institusjonell autoritet - **[recommendation]** Kontakt én ERP-leverandør som forsker (ikke selger) for å kartlegge deres 18-måneder-roadmap for implementeringsberedskap - **[risk]** Posisjonering rundt hva som leveres (beredskapsanalyse) er ikke robust; det som er robust er hvem som har autoritet til å si "ikke klar" - **[meta]** Ingen posisjon overlever disrupsjon uten å flytte fra "konsulent som analyserer" til "standard-setter med ansvar" på 2-5 år horisont Usikkert: graden av faktisk disruptiv hastighet (kan være tregere enn antatt) og om organisasjonsmarkedet faktisk er villig til å kjøpe sertifisering fra én solo-konsulent uten bransjeforankring. confidence: 0.72 --- ### VS_LOC_DLTQ-5_000282 [sonnet] *seed: operativ-erfaring treårs pragmatisk data-drevet kritisk-venn* # VS_LOC_DLTQ-5_000282 — Atten-måneders-scenariet **seed:** operativ-erfaring | treårs | pragmatisk | data-drevet | kritisk-venn **model:** sonnet **case:** #3 **flight:** FLT_009 --- ## Den ubehagelige sannheten først {#P122_8131bf1c} Som kritisk-venn er min jobb å si det ingen andre sier: 18-månedersscenariet er IKKE det akutte problemet. Det akutte problemet er at konsulenten ikke har én eneste betalende kunde per dato. Ingen valgt posisjonering er robust mot AI-disrupsjon hvis den ikke er validert i markedet først. Hvis KI automatiserer forprosjekter i løpet av 18 måneder, og konsulenten fortsatt jobber med å skaffe sin første kunde — er posisjoneringsspørsmålet irrelevant. Rekkefølgen: (1) Bevis at noen betaler. (2) Bygg robusthet mot disrupsjon. Ikke omvendt. Med det sagt: la oss analysere scenariet som om punkt 1 er i orden. --- ## Hva automatiseres faktisk innen 18 måneder? {#P122_8163fdaf} Data-drevet tilnærming krever at vi er presise på hva "AI automatiserer forprosjekter" betyr operativt: **Vil automatiseres (høy sannsynlighet, lav tidshorisont):** - Standard risikosjekklister og modenhetsvurderinger - Generiske "organizational readiness"-rammeverk (det som selges som metodikk i dag) - Stakeholder-kartlegging basert på org-kart-input - Dokumentasjon og rapportering - Benchmarking mot bransjenormer **Vil IKKE automatiseres innen 18 måneder (erfaringsbasert vurdering):** - Den faktiske organisasjonspolitikken: hvem saboterer prosjektet og hvorfor - Tilliten som gjør at vanskelige funn faktisk lander hos beslutningstakere - Tolking av hva klienten sier vs. hva som faktisk er sant - Ansvaret for konklusjonen — AI har ingen hud i spillet **Mønsteret fra tidligere teknologibølger (operativ-erfaring):** Jeg har sett dette skje med ERP-rapporteringsverktøy på 2000-tallet, med BI-automatisering på 2010-tallet, og med RPA-hypen på 2020-tallet. Mønsteret er konsistent: automatiseringen fjerner den laveste laget av manuelt arbeid, skaper forventning om billigere tjenester, og ender opp med å *øke* etterspørselen etter de som kan bruke de nye verktøyene kompetent. --- ## Smal vs. Bred: Hvem overlever — og over hvilken tidshorisont? {#P122_1d1f8dc4} ### Treårs-linsen (ikke 18-måneder) 18 måneder er når disrupsjon *starter*. 36 måneder er når vi vet hvem som overlevde. Spørsmålet er: hvem er i bedre posisjon i april 2029? **Smal (ERP-nisje) — overlevelsesvurdering:** Argumentet for at smal overlever er strukturelt, ikke metodisk: ERP-implementeringer kjøres gjennom leverandørøkosystemer (SAP, Microsoft Dynamics, Oracle-partnere). Disse partnerne har sterk insentiv til å selge menneskelig forprosjekt-arbeid fordi (a) det øker implementeringsomfanget og (b) de bærer risikoen for mislykkede implementeringer. AI-verktøy som SAP Signavio og Microsoft Copilot for ERP er allerede her — men de brukes av de samme konsulentene, ikke *istedenfor* dem. Kritisk: Betalingsvilligheten er dokumenterbar fordi alle vet forprosjekter i ERP feiler. AI endrer ikke dette — det endrer bare verktøyene som brukes til å utføre forprosjektet. **Bred metodikk-tilnærming — overlevelsesvurdering:** Bred er mer eksponert fordi det generiske laget ("organizational readiness") er *præcis* det som AI-verktøy i 2026-2027 vil tilby som SaaS-produkt. McKinsey og Bain jobber allerede med slike produkter. En solo-konsulent uten kundebase og uten trekkraft kan ikke konkurrere på dette feltet mot velskapte verktøy til 500 dollar i måneden. **Konklusjon (data-drevet):** Smal overlever bedre i 18-månedershorisonten. Bred overlever bare hvis det gjøres radikalt annerledes enn det nå er definert. --- ## Den tredje veien som casen ikke stiller {#P122_5752251f} Begge posisjonene er defensive. Den offensive posisjonen — som operativ erfaring tilsier — er å bli den som *bruker AI-verktøyene* bedre enn noen andre. Konkret: Hvis en AI-plattform produserer en 80-siders organizational readiness-rapport på 4 timer, hvem hjelper kunden med å bruke den? Hvem identifiserer hvilke funn som er ekte vs. hallusinerte? Hvem bærer ansvaret for konklusjonen i styrerommet? **Den tredje veien:** Fase 0-metodikken reposisjoneres ikke som "vi gjør forprosjektet" men som "vi kvalitetssikrer og tolker AI-genererte forprosjekter og gjør dem handlingsbare." Dette er: 1. Robust mot KI-disrupsjon (bruker KI, konkurrerer ikke mot det) 2. Skalerbart (prosessen kan gjøres raskere, ikke dyrere) 3. Differensiert (krever menneskelig dømmekraft og ansvar) 4. Prisverdig oppover (dette er *mer* verdifullt enn å lage rapporten selv) Dette krever imidlertid at konsulenten faktisk bygger kompetanse på de aktuelle AI-verktøyene nå — ikke i 2027. --- ## Konkrete tiltak som kan tas nå (pragmatisk prioritering) {#P122_0c243f92} **Uke 1-4 (uavhengig av posisjonering):** 1. Signer én kontrakt — hvilken som helst, til hvilken pris som helst. Validering > posisjonering. 2. Start eksperimentering med SAP Signavio, Microsoft Copilot for ERP, og generiske AI-readiness-verktøy. Forstå hva de faktisk kan og ikke kan. **Måned 2-6 (posisjonerings-kritisk):** 3. Velg én av disse tre veiene, ikke to: - **Smal ERP**: Etabler én partner-relasjon med et ERP-implementeringshus. Dette gir distribusjon. - **Smal sektor-bred**: Velg én sektor (f.eks. kommunal sektor eller bygge/anlegg) og bli referansen der. - **AI-kvalitetssikring**: Bygg et konkret tilbud rundt "vi bruker AI til forprosjektet, vi tar ansvaret for konklusjonen." 4. **Dokumentér outcome fra første klient obsessivt.** Tall, hendelsesforløp, hva som faktisk skjedde. Dette er det eneste virkelige moatet mot AI: *bevist track record* som en maskin ikke kan kopiere. **Måned 6-18 (robusthet):** 5. Uansett hvilken vei: bygg nettverksposisjon i én kanal. Solo-konsulent overlever disrupsjon gjennom relasjoner, ikke gjennom metodikkdybde. 6. Vurder om metodikken kan lisensieres til et implementeringshus. Da er du ikke konkurrent mot AI — du er i verdikjeden som bruker AI til å levere metodikken. --- ## Hva jeg er kritisk til i premisset {#P122_ba623b45} Som kritisk-venn: Spørsmålet "smal vs. bred" er et posisjoneringsvalg som bygger på antakelsen om at konsulenten har tid til å velge. Det har konsulenten ikke. Atten-månedershorisonten for AI-disrupsjon er en faktisk trussel, men den er statistisk sekundær til en annen trussel: konsulenten kan bruke 18 måneder på å velge riktig posisjonering og ende opp med null kunder og null data uansett. Den pragmatiske realiteten: **Kom deg til markedet nå, med det du har.** Posisjoneringsvalget gjøres med validerte data om hvem som faktisk kjøper, ikke med teoretiske analyser av KI-disrupsjonshastighet. --- ## INDEX {#P122_a56fa170} - **[risk]** Null validerte kunder er den primære risikoen — AI-disrupsjon er sekundær og irrelevant uten markedsvalidering - **[business]** Smal ERP-nisje overlever 18-månedershorisonten bedre fordi leverandørøkosystemet (SAP/Microsoft/Oracle-partnere) har insentiv til å beholde menneskelig forprosjektarbeid - **[risk]** Bred "organizational readiness"-posisjonering er direkte eksponert for AI-SaaS-konkurranse fra 2026-2027 (McKinsey, Bain-produkter under utvikling) - **[recommendation]** Tredje vei: reposisjonér Fase 0 som "AI-genererte forprosjekter, menneskelig ansvar og tolkning" — robust mot disrupsjon, skalerbart oppover i pris - **[recommendation]** Prioritet 1 i dag: signer én kontrakt uansett pris for å etablere validert kundedata før posisjoneringsbeslutningen tas - **[implementation]** Eksperimenter aktivt med SAP Signavio, Microsoft Copilot for ERP og generiske AI-readiness-verktøy NÅ — dette er nødvendig kompetanse uansett vei - **[business]** Solo-konsulenter overlever teknologidisrupsjon via nettverksposisjon og relasjoner, ikke metodikkdybde — distributøravtale med ERP-implementeringshus er nøkkeltiltak - **[recommendation]** Dokumentér outcome fra første klient obsessivt (tall, hendelsesforløp) — bevist track record er det eneste AI ikke kan kopiere på kort sikt - **[risk]** 18 måneder er disrupsjonens startpunkt, ikke endepunkt — treårshorisonten (2029) er det relevante evalueringspunktet for overlevelsesvurdering - **[business]** Lisensiering av metodikk til implementeringshus er en strukturell mulighet som plasserer konsulenten i verdikjeden fremfor å konkurrere direkte mot AI-verktøy Usikker på: nøyaktig hastighet på AI-adopsjon i ERP-nisjen, og om norsk marked spesielt er tidlig eller sent ute. Tallene over er basert på globale mønstre. confidence: 0.72 --- ### VS_LOC_DLTQ-5_000283 [sonnet] *seed: entreprenør sesongmessig aggressiv data-drevet leverandør* # VS_LOC_DLTQ-5_000283 — Atten-måneders-scenariet **seed:** entreprenør | sesongmessig | aggressiv | data-drevet | leverandør **model:** sonnet **case:** #3 **flight:** FLT_009 --- ## Utgangspunktet: Scenariet er en forcing function, ikke bare en trussel {#P122_914e286f} Seed-kombinasjonen min — entrepreneur + aggressiv + data-drevet — gjør meg motvillig til defensiv posisjonering. Spørsmålet "hvilken posisjonering overlever?" framer problemet feil. Et mer riktig spørsmål for en entrepreneur er: **Hvem vinner terreng i overgangen?** La meg starte med data. ### Hva KI faktisk kan automatisere i forprosjekter (18 måneder) Basert på det som allerede er tilgjengelig i 2024-2025: | Oppgave | KI-automatiserbarhet nå | Om 18 mnd | |---------|------------------------|-----------| | Prosessdokumentasjon og gap-analyse | 60-70% | 80-90% | | Stakeholder-survey-syntese | 50% | 75% | | Risikokategorisering mot standard-rammeverk | 70% | 85% | | Tids-/budsjettbenchmarking mot lignende prosjekter | 40% | 70% | | Politisk navigasjon i org-hierarkiet | 5% | 10% | | Lese motstand/kulturelle signaler | 5% | 15% | | Forhandle scope med leverandør på kundens vegne | 0% | 5% | | Stå ansvarlig for en anbefaling | 0% | 0% | Konklusjonen er brutal og klar: **Rapporten og dokumentasjonsarbeidet automatiseres. Dommen forblir menneskelig.** Men dette er ikke et forsvar for status quo — det er en oppfordring til repositioning. --- ## Sesongmessig lens: Bølgene er allerede synlige {#P122_09d8aaab} ERP/CRM-implementeringer har sterk sesongalitet. Norske selskaper og offentlig sektor iverksetter prosjekter i typiske sykler: - **Q4 (okt-des)**: Budsjettbeslutninger for neste år. Forprosjekter bestilles. - **Q1 (jan-mars)**: Kickoff. Leverandørvalg. Pre-project assessment. - **Sommer (juni-aug)**: Lavintensitetsperiode — prosjekter som startet i Q1 er i gang. - **Høst (sept-okt)**: Ny bølge. Prosjekter som ikke startet i Q1, eller reviderte scopes. **Implikasjonen:** Vi er nå i april 2026. Q1-bølgen er i gang eller nettopp kicket off. Q4 2026 / Q1 2027 er neste naturlige vindu for å lande Fase 0-oppdrag. Det betyr: **Konsulenten har 6-8 måneder til å sikre første betalende kunde** i det naturlige markedsvinduet — og muligens 12-16 måneder til å bygge referanser — *før* KI gjør den tradisjonelle forprosjekt-rapporten til en commodity. Dette er ikke doomsday. Det er en konvertering deadline. --- ## Den aggressive wetten: Ride bølgen fremfor å stå mot den {#P122_b762270e} Her er den agressive, data-drevne hypotesen: **KI-bølgen er ikke fienden. Den er en markedsinngang.** Scenario: KI-verktøy gjør det mulig å levere et forprosjekt-ekvivalent på 3-5 dager i stedet for 3-5 uker. Tradisjonelle konsulenter er trege til å adopere. En entrepreneur som bygger et KI-augmentert leveranseoppsett *nå* kan: 1. Levere raskere enn konkurrenter (3-5x hastighetsforbedring) 2. Levere billigere enn konsulenter med høyt overhead 3. Levere *mer konsistent* enn konsulenter som varierer etter hvem på teamet gjør jobben Dette er ikke en nisje-vs-bred-diskusjon. Det er **leverandørmodell som konkurransefortrinn**. Konkret: Bygg et "Fase 0 Express"-produkt der KI gjør 70% av datainnsamling og dokumentasjonsarbeid, og konsulenten bruker 80% av sin tid på det KI ikke kan gjøre (politisk navigasjon, trust-building, ansvarlig anbefaling). Prising: Ikke time-basert. Fast pris per Fase 0-oppdrag, med dokumentert leveransegaranti. --- ## Smal vs Bred: Dataanalysen {#P122_dc93c239} Spørsmålet om smal (ERP/CRM) vs bred (alle org-transformasjoner) trenger et data-drevet svar, ikke en mening. **For smal:** - Betalingsvilje er dokumenterbar (alle vet ERP-forprosjekter feiler) - ERP-konsulenter er mellommenn som beholder sin rolle fordi de har leverandørrelasjoner - Tettere nettverk, lavere anskaffelseskostnad per kunde - Norsk offentlig sektor har massiv ERP-utrulling (SAP, Microsoft Dynamics) i 2025-2027-periodene - KI-trusselens edge case: ERP-leverandørene selv vil begynne å tilby KI-baserte forprosjekter som del av salgsarbeidet — gratis. Det er den faktiske trusselen. **For bred:** - Metodikken selv er produktet, ikke ERP-kunnskap - KI-disrupsjon av forprosjekter gjelder alle vertikaler, ikke bare ERP - Bredere marked = lavere konsentrasjon av kundeavhengighet - Vanskeligere å komme inn (ingen naturlig inngangsport) **Data-drevet dom:** Smal er riktig i år 1. Bred er mulig i år 3 — men kun hvis smal gir nok cashflow og referansecase til å validere metodikken på tvers av domener. Det er ikke et enten/eller. Det er en sekvens. --- ## KI-robusthet: Den reelle testen {#P122_e2e5122b} 18-månedersscenarioet sier: "KI automatiserer forprosjekter billig og bredt." Men hva betyr "billig og bredt" egentlig? Det betyr at en organisasjon kan kjøre en KI-agentbasert gap-analyse selv, uten ekstern konsulent, for under 10.000 kr. Spørsmålet er: Vil de? **Datagrunnlag for en kontraintuisjon:** Revisjonsbransjen ble ikke automatisert av regnskapsprogramvare. Advokater eksisterer fortsatt etter LexisNexis. Legen har ikke blitt erstattet av WebMD. Grunnen: **Accountability-gapet.** Organisasjoner som kjøper forprosjekt-tjenester kjøper ikke bare informasjon. De kjøper en menneskelig som kan holdes ansvarlig for anbefalingen, og som kan stå i møtet med styret/ledergruppen og forsvare den. KI-agenter er ikke ansvarlige. De er ikke i møtet. De kan ikke si "jeg anbefaler dette, og her er min faglige vurdering som jeg setter mitt navn på." **Robusthetsstrategi:** Ikke selg "forprosjekt-rapport". Selg "organisasjonsmodenhetsvurdering med ansvarlig anbefaling". Skillen er semantisk men kommersiell viktig. --- ## Konkrete tiltak nå (aggressiv tidsplan) {#P122_a63a4b34} Basert på seasonal timing og KI-disrupsjons-deadline: **Innen juni 2026:** 1. Bygg et KI-augmentert leveranseoppsett (Claude/GPT for datainnsamling, konsulenttid for tolkning). Mål: halvere leveransetiden. 2. Identifiser 10 ERP-prosjekter i norsk offentlig sektor (søkbar på Doffin) som er i early-stage planlegging for 2026-2027. 3. Lag én gratis Fase 0 mini-analyse av et offentlig tilgjengelig case — brukt som marketing/thought leadership. Publiser. **Innen september 2026:** 4. Første betalende kunde. Ikke la dette skli. Sett en konkret, tidsbundet salgsaktivitet som trigger for neste steg. 5. Reframe markedsposisjonering fra "forprosjekttjeneste" til "KI-transformasjonsmodenhet" — som paradoksalt nok er VANSKELIGERE å automatisere jo mer KI-adopsjonen øker i organisasjoner. **Innen desember 2026 (før neste sesongbølge):** 6. Dokumentert case study fra første kunde. Dette er det eneste som teller kommersielt. 7. Produktifiser: Fast pris per Fase 0-oppdrag. Ikke mer time-basert fakturering. --- ## Posisjoneringsanbefaling: Ikke velg, sekvenser {#P122_bc0bc2a8} | Fase | Posisjonering | Marked | Primær aktivitet | |------|--------------|--------|-----------------| | 0-12 mnd | ERP/CRM smal | Norsk SMB + offentlig | Land første 2-3 betalende kunder | | 12-24 mnd | Metodikken som produkt | Alle systemimpl. | Bygg produktisert Fase 0 | | 24+ mnd | KI-transformasjonsmodenhet | Bred | Skalerbar leveransemodell | Det aggressive valget er ikke å velge bred vs smal. Det er å **skaffe data** (betalt av første kunder) som validerer hvilken vei som faktisk fungerer — og la markedet svare, ikke analysen. ## INDEX {#P122_e4b28939} - **[business]** KI-disrupsjon av forprosjekter er reell for rapport-delen, men accountability-gapet forblir menneskelig og ufylt av KI - **[risk]** ERP-leverandørene selv (SAP, Microsoft) vil tilby KI-baserte forprosjekter gratis som del av salg — dette er større trussel enn generell KI-automatisering - **[recommendation]** Bygg KI-augmentert leveranseoppsett nå — lever 3-5x raskere enn tradisjonelle konsulenter og undercut på pris mens kvaliteten er høyere - **[recommendation]** Sekvens smal → bred — ikke velg permanent posisjonering uten data, la første 2-3 kunder gi markedssvar - **[business]** Norsk offentlig sektor har massivt ERP-utrullingsprogram 2025-2027 (Doffin-søkbar) — konkret pipeline som kan utnyttes nå - **[recommendation]** Reframe fra "forprosjektrapport" til "ansvarlig organisasjonsmodenhetsvurdering" — semantisk shift som KI-proofes leveransen - **[implementation]** Produktifiser til fast pris per Fase 0-oppdrag, ikke time-basert — muliggjøres av KI-augmentering og signaliserer confidence i leveransen - **[risk]** Konsulenten har 6-8 måneder til å lande første betalende kunde i det naturlige markedsvinduet (Q4 2026/Q1 2027) før KI normaliserer markedet - **[business]** Sesongmessig timing: ERP-budsjettbeslutninger tas Q4, kickoff Q1 — mars-mai 2026 er optimal prospekteringsperiode for Q1 2027-oppdrag - **[recommendation]** Publiser én gratis Fase 0 mini-analyse av offentlig tilgjengelig case som thought leadership / marketing innen juni 2026 confidence: 0.72 --- ### VS_LOC_DLTQ-5_000284 [sonnet] *seed: entreprenør umiddelbar pragmatisk data-drevet partner* # VS_LOC_DLTQ-5_000284 — Atten-måneders-scenariet **seed:** entreprenør | umiddelbar | pragmatisk | data-drevet | partner **model:** sonnet **case:** #3 **flight:** FLT_009 --- ## Linse: Hva bygger forretning — nå? {#P122_2f972e35} Jeg analyserer dette som en founder som sitter med 18 måneder på klokken og ingen betalende kunder ennå. Ikke som en strateg som skal velge elegant posisjonering — men som noen som trenger å overleve og bygge noe robust raskt. Spørsmålet om smal vs. bred er sekundært. Det primære spørsmålet er: **hvilke konkrete trekk i dag gjør deg mer robust mot det som kommer?** --- ## Hva dataen faktisk sier om KI og forprosjekter {#P122_20f12fc3} La oss starte med hva vi vet, ikke hva vi frykter. **KI automatiserer analyse, ikke ansvar.** McKinsey, Gartner og Deloitte bruker allerede store LLM-verktøy til å generere markedsanalyser, risikokartlegginger og implementasjonsplaner. Likevel fakturerer de like mye og mister ingen kunder. Hvorfor? Fordi kundene ikke kjøper analysen — de kjøper noen å skylde på hvis det går galt, og noen å holde i hånden når det er kaos. **Feilraten er ikke et analyseproblem.** ERP-implementeringer feiler i 60-70% av tilfellene (Panorama Consulting, IFS m.fl.). Dette har vært stabilt i 20 år, gjennom fremvekst av bedre planleggingsverktøy, agile metoder, og nå tidlig AI-assistanse. Feilen oppstår ikke i forprosjektet — den manifisterer seg der. Den oppstår i organisasjonskultur, maktpolitikk, endringsresistens. Ingen LLM løser en personalsjef som saboterer et SAP-prosjekt fordi hun frykter for sin stilling. **Konkret implikasjon:** KI vil gjøre forprosjekter raskere og billigere å *produsere*. Men de underliggende problemene forprosjektene skal forebygge — de er menneskelige. Betalingsvilligheten er knyttet til frykt for organisatorisk kaos, ikke til etterspørsel etter gode rapporter. --- ## Det egentlige trusselen: devaluering av leveransen, ikke erstatning {#P122_800f1d36} Den reelle 18-måneders-risikoen er ikke at en KI erstatter deg. Det er at kunder begynner å spørre: *"Kan ikke ChatGPT lage dette for oss?"* Det betyr at **verdien av dokumentet faller**, men **verdien av ansvaret og konteksten forblir**. En partner som sitter i rommet når beslutningen tas, som kjenner maktkampen mellom avdelingslederne, som kan si "dette kommer til å feile fordi IT-direktøren og HR-direktøren ikke snakker sammen" — det er ikke automatiserbart. **Pragmatisk konklusjon:** Flytt verdileveransen fra *produksjon av analyse* til *navigering av organisasjonens dynamikk*. Dette er faktisk det "beredskapsplattform"-konseptet allerede gjør — men det må eksplisitteres i salgsbudskapetv. --- ## Smal vs. bred gjennom en umiddelbar, pragmatisk linse {#P122_db4a7124} **Smal (ERP/CRM) overlever bedre på 18 måneder av én grunn:** domenespesifikk kontekst er dyr å automatisere. En LLM som skal gi god risikoanalyse for en SAP S/4HANA-migrering hos et norsk industrikonsern trenger tusenvis av lignende cases i treningsdataen. Den finnes ikke offentlig. ERP-konsulenter *vet* ting som ikke er skrevet ned noe sted — anekdoter, mønster, bransjepersoner, lokale særheter. Denne taus kunnskapen er KI-resistent. **Bred overlever bedre på 5+ år** fordi det som faktisk er produktet — metodikken for å lese organisatorisk beredskap — kan skaleres til hvem som helst. Hvis metodikken er defensibel, er nisjen en valgt begrensning, ikke en nødvendighet. **Tredje vei som er mest robust nå:** Ikke velg. **Posisjonér deg som den som bruker KI + din metodikk til å levere det et team pleide å gjøre.** Dette er den eneste posisjoneringen som er *pro-aktiv* i møte med 18-månedersscenarioet fremfor reaktiv. Konkret: Én person med Fase 0-metodikk + AI-verktøy kan gjøre analyse som tidligere krevde 2-3 konsulenter. Selg til ERP-nisje-prisen for et team, lever med AI + din vurdering. Margin er bedre. Skalerbarheten er bevist. Og du har allerede integrert det andre frykter. --- ## Konkrete tiltak som bygger robusthet — denne måneden {#P122_33bda5ac} **1. Én betalende kunde innen 60 dager — uansett pris.** Ikke for validering av posisjonering. For å ha et datapunkt. Et virkelig case å referere til. En partner som vet hva du leverer. Gi rabatt, gi det nesten gratis om nødvendig. Det du kjøper er referanse og realitetstesting av metodikken. Uten dette er alt analyse av analyse. **2. Dokumentér metodikken som noe en KI-tool kan *assistere*, ikke *erstatte*.** Lag en eksplisitt "AI-assisted Fase 0"-variant av metodikken. Ikke skjul KI-bruken — bruk den som salgsargument. "Vi bruker GPT-4 til å generere baseline, og min erfaring til å se hva baselinen ikke ser." Dette posisjonerer deg fremfor 18-månedersscenarioet, ikke bak det. **3. Bygg én systematisk referanse til partnerdynamikk.** Partnerrelasjoner overlever KI. En konsulent som er rådgiver (transaksjonell) mister verdi når analysen automatiseres. En konsulent som er *partner* — deler risiko, sitter i styringsgruppen, er med på beslutningen — har en relasjonell forpliktelse som ingen rapport kan erstatte. Begynn å selge *tilstedeværelse og ansvar*, ikke bare *leveransen*. **4. Knytt deg til én ERP-leverandør som distribusjonskanel nå.** Systemleverandørene (SAP, Microsoft, IFS) vil bruke KI til å selge mer — men de trenger noen som håndterer organisasjonssiden. En avtale om å levere Fase 0 til én leverandørs kunder gir distribusjon uten markedsføringskostnad og forankrer deg i nisjen. Velg én. Ta møtet. Disse leverandørene vet at 60-70% av implementeringene feiler og at det skader dem. **5. Mål, mål, mål — fra dag én.** Den eneste virkelige forsikringen mot KI-konkurranse er å ha dokumentert at *din tilnærming* reduserer feilraten med X%. For å si det trenger du data. Begynn å samle det nå. Ikke om tre år. --- ## Hva som faktisk er usikkert {#P122_5398d165} Jeg er bevisst usikker på ett punkt: **betalingsvilligheten for "partnerdynamikk" i norsk konservativ B2B-kontekst.** Norske organisasjoner, særlig industri og offentlig sektor, er vant til å kjøpe analyse som et dokument og betale etter ferdigstillelse. Et partnerskap der konsulenten deler ansvar og er med i styringsgruppen er kulturelt uvanlig. Det kan ta lengre tid å selge inn enn de 60 dagene vi har råd til å bruke. Dette er det enkle steget som tester hypotesen: **Gå til to-tre potensielle kunder og si "Jeg vil gjøre Fase 0 for deg, og jeg vil sitte i prosjektgruppen frem til kick-off."** Se reaksjonen. Er det entusiasme eller skepsis? Det svaret er mer verdt enn all posisjoneringsanalyse. --- ## INDEX {#P122_91204a60} - **[business]** KI automatiserer analyse-produksjonen, ikke organisasjonsdynamikk — feilraten i ERP er menneskelig, ikke analytisk - **[risk]** Reell 18-månedersrisiko er devaluering av dokumentleveransen, ikke erstatning av konsulenten — verdibudskapets forankring må flyttes - **[recommendation]** Tredje vei: selg KI + metodikk som teamsubstitusjon — leverer teamets output til teamets pris med én persons kostnad - **[recommendation]** Én betalende kunde innen 60 dager — datapunkt og referanse er viktigere enn posisjoneringspresisjon nå - **[implementation]** Bygg "AI-assisted Fase 0"-variant eksplisitt — posisjoneringsvalg PRO-aktivt i stedet for reaktivt mot KI-trusselen - **[business]** ERP-nisje er mer KI-resistent på 18 måneder pga. taus domenekunnskap som ikke finnes i offentlig treningsdata - **[recommendation]** Knytt deg til én ERP-leverandør som distribusjonskanal — de har betalingsvillighet og volum, og de vet implementeringer feiler - **[business]** Partnerrolle (tilstedeværelse + ansvar i styringsgruppen) overlever automatisering bedre enn rådgiverrolle (transaksjonell rapportlevering) - **[risk]** Usikkerhet: norsk konservativ B2B-kultur kan ha lav betalingsvillighet for "partnermodellen" — test dette med virkelige samtaler, ikke med mer analyse - **[implementation]** Mål utfall fra dag én — eneste forsikring mot KI-konkurranse er dokumentert effekt-differensiale Usikkerheten min er størst rundt kulturell betalingsvillighet for partnermodellen i norsk kontekst. confidence: 0.72 --- ### VS_LOC_DLTQ-5_000285 [sonnet] *seed: entreprenør langsiktig forsiktig historiedrevet kritisk-venn* # VS_LOC_DLTQ-5_000285 — Atten-måneders-scenariet **seed:** entreprenør | langsiktig | forsiktig | historiedrevet | kritisk-venn **model:** sonnet **case:** #3 **flight:** FLT_009 --- ## Den ubehagelige historieleksjonen {#P122_bb2af377} La meg starte med det en kritisk venn ville sagt: Hverken smal eller bred posisjonering er robust slik de er beskrevet. Det er et falskt dilemma. Det riktige spørsmålet er ikke *hvilken posisjonering* — det er *hvilket lag i arbeidet er genuint umulig å automatisere*. Historien gir klare mønstre. Da CAD-programvaren kom, forsvant ikke arkitektene — det forsvant tegnere. Da regnskapsprogramvare ble allemannseie, led ikke strategiske CFO-er — det led bokholderiene. Da juridiske søkeverktøy (Westlaw, deretter AI) tok over, mistet paralegals jobb, ikke seniorpartnere. Mønsteret er konsistent: automatisering angriper *utførelses- og dokumentasjonslaget*, ikke *vurderingslaget*. Men her er den kritiske nyansen som konsulenter flest ikke vil høre — **mesteparten av det som selges som vurdering, er egentlig disguised utførelse.** En "Fase 0"-rapport som kartlegger modenhet og risiko: er det 80% strukturert dokumentasjon med 20% erfaring, eller omvendt? Svaret på det spørsmålet avgjør alt om atten-måneder. --- ## Hva KI faktisk vil automatisere — og hva det ikke vil {#P122_8a414dc5} KI vil innen 18 måneder sannsynligvis håndtere greit: - Standardiserte modenhetskartlegginger basert på intervjusvar - Gap-analyser mot kjente referanserammer (PRINCE2, PMI, etc.) - Risikoregistre basert på dokumentert prosjekthistorikk - Stakeholder-mapping fra offentlig tilgjengelig informasjon KI vil *ikke* håndtere like godt: - Å lese organisasjonspolitikk som aldri blir sagt høyt i et møterom - Å oppdage at sponsoren og prosjektlederen ikke snakker med hverandre om det som virkelig bekymrer dem - Å vite *når man skal råde en klient til å IKKE gå videre* — og ha troverdighet nok til at de lytter - Personlig ansvarlighet for en anbefaling som viser seg feil Det siste punktet er undervurdert. Noen må eie konsekvensen. AI-rapporter er gratis å bestille og gratis å avvise. En konsulents vurdering, der de setter karrieren bak anbefalingen, koster noe — og det er akkurat derfor den er verdt noe. --- ## Smal vs. bred gjennom et historisk linse {#P122_5c606922} **Det smale caset (ERP/CRM):** Her er den ubehagelige sannheten for smal posisjonering: systemleverandørene selv — SAP, Microsoft, Oracle — har massiv incentiv til å bygge AI-drevne forprosjektverktøy. De ønsker å fjerne mellomleddet. Hvis Microsoft selger Dynamics 365 med en innebygd "prosjekt-sunnhetssjekk" drevet av AI, hvem betaler da ekstra for en uavhengig konsulent til å gjøre det samme? Den historiske parallellen er reisebyråer. Reisebyrået som spesialiserte seg på Alitalia-ruter led mer enn den generelle reiserådgiveren som visste hvilket reisemål som passet kundens behov. Spesialisten hadde dyp kunnskap om produktet — men produktet forsvant under ham. Smal posisjonering gir legitimitet og betalingsvilje *i dag*, men gjør konsulenten avhengig av at den smale bransjens aktører beholder sin mellommannsrolle. Det er ikke gitt i atten måneder. **Det brede caset (metodikk som produkt):** Her er den harde sannheten for bred posisjonering: McKinsey kan selge "7S-rammeverket" fordi de har årtier med institusjonell kredibilitet bak det. En solo-konsulent uten betalende kunder kan ikke. Metodikk er bare så verdt som sporene av suksess bak den. Bred posisjonering uten validerte cases er ikke en posisjonering — det er en hypotese. AI vil dessuten produsere metodikker billig. Det er ikke mangel på rammeverk i verden. **Konklusjonen:** Verken smal eller bred overlever uberørt. Det som overlever er *lag* i arbeidet som ikke kan automatiseres, uavhengig av bransjesegment. --- ## Den forsiktige founder-strategien: bygg mot scenariet nå {#P122_275ffae5} En entrepreneur med langsiktig perspektiv og 18 måneder til et potensielt skifte bør ikke velge én posisjonering og håpe på det beste. Det er for høy enkeltinnsats. Strategien bør være å bygge det som er verdifullt *uansett hva som skjer* med AI-automatiseringen. **Konkrete tiltak nå:** **1. Dokumenter real cases innen seks måneder — selv pro bono** Historiske bevis er det som skiller menneskelig ekspertise fra AI-generert analyse. "Jeg har sett dette mønsteret gå galt på tre lignende implementeringer" slår AI fordi AI trenger treningsdata. Konsulenten som bygger sin egen empiriske database nå, bygger en moat som blir *mer* verdifull jo mer AI-generert analyse der er. Start med pro bono eller rabatterte engasjementer om nødvendig. Fem cases er nok til å begynne å se mønstre. **2. Redesign Fase 0 slik at AI er et verktøy inni metodikken, ikke en trussel utenfor den** Metodikken bør eksplisitt inkludere AI-assisterte kartleggingsverktøy som konsulenten kjører og tolker. Da selger man ikke "dokumentasjon" — man selger "erfaren tolkning av maskinell og menneskelig innsikt kombinert." Posisjoneringen: "Jeg bruker de beste AI-verktøyene og tilfører det du ikke kan kjøpe av dem." **3. Bygg et ansvarlighetsprodukt — legg navnet bak det** Et "Fase 0-sertifikat" som konsulenten signerer med sin profesjonelle vurdering. "Jeg anbefaler/anbefaler ikke å gå videre, og her er begrunnelsen." AI kan ikke signere. Ansvarlighet er moaten. **4. Vurder system-integratørene som distribusjonskanal, ikke konkurrenter** Hvis SAP eller Evry bygger AI-drevne forprosjektverktøy, er det en mulighet: bli den mennesket som *validerer og oversetter* disse verktøyene for kundene. En sertifisert "Fase 0"-vurdering som tolker leverandørenes egne KI-analyser. Dette er en rolle som ikke eksisterer i dag men vil bli etterspurt. **5. Velg ett ankerfeste-segment for de første 5 kundene** Ikke for posisjoneringsreinhet, men for å bygge mønstergjenkjenning raskt. Bred eller smal er ikke et prinsippvalg nå — det er et spørsmål om rekkefølge. Dybde i ett segment gir empirisk base som deretter kan vokse bredt. --- ## Den langsiktige innsikten {#P122_01411f80} Atten-måneders-scenariet er sannsynligvis korrekt i prinsipp, men undervurderer noe: *det sosiale og politiske arbeidet i en forprosjektfase er usynlig i rapporten, men det er grunnen til at rapporten gir verdi.* En Fase 0 handler ikke bare om å kartlegge teknisk modenhet. Det handler om at de riktige menneskene i organisasjonen føler seg sett, hørt, og at de uenige partene har hatt et forum der motforestillingene kom frem på trygt vis. Det er faciliteringsarbeid og tillitsbygging — dypt menneskelig, politisk, relasjonelt. KI kan ikke kjøre det møtet. KI kan ikke lese rommet når direktøren sier "vi er klar" mens CFO-en sitter med armene i kors. Det er der konsulentens verdi bor. Det er ikke i rapporten — det er i prosessen frem til rapporten. Og det overlever atten-måneder. --- ## INDEX {#P122_61d83ebc} - **[risk]** KI-automatisering angriper utførelses-/dokumentasjonslaget, men avhenger av om Fase 0 er 80% templating eller 80% vurdering — avklar dette eksplisitt - **[risk]** Smal nisje (ERP) truet av at systemleverandørene (SAP, Microsoft) bygger egne AI-drevne forprosjektverktøy og fjerner mellomleddet - **[risk]** Bred posisjonering uten validerte cases er ikke robust — metodikk er bare verdt institusjonell credibility, som krever track record - **[business]** Ansvarlighetsprodukt: signert Fase 0-sertifikat er moat mot AI — AI kan ikke ta profesjonelt ansvar - **[recommendation]** Bygg 3-5 real cases innen 6 måneder (evt. pro bono) — historiske mønster er valuables som øker i verdi jo mer AI-generert analyse der er - **[recommendation]** Redesign Fase 0 slik at AI-verktøy er eksplisitt *inni* metodikken — posisjoner konsulenten som tolker av maskinell+menneskelig innsikt - **[recommendation]** Vurder system-integratørene (Evry, Accenture, etc.) som distribusjonskanal og valideringsrolle, ikke konkurrenter - **[business]** Den reelle verdien i Fase 0 er faciliteringsarbeidet og tillitsbyggingen i prosessen — ikke rapporten. Dette overlever automatisering. - **[meta]** Historisk parallell: CAD fjernet tegnere, ikke arkitekter; reisebyrå-spesialister led mer enn generelle reiserådgivere — smal spesialisering mot leverandørens eget produkt er en svak posisjon Det jeg er mest usikker på: om den norske ERP-konsulentmarkedets betalingskultur endres raskere enn 18 måneder, og om systemleverandørenes AI-verktøy faktisk vil erstatte eller støtte uavhengige konsulenter. Begge antagelser bør testes empirisk. confidence: 0.71 --- ## Seed Distribution | Instance | Model | Seed | |----------|-------|------| | VS_LOC_DLTQ-5_000277 | sonnet | skeptiker sesongmessig hedge hypotese-drevet rådgiver | | VS_LOC_DLTQ-5_000278 | sonnet | entreprenør treårs aggressiv intuisjon-drevet utfordrer | | VS_LOC_DLTQ-5_000279 | sonnet | produktsjef treårs forsiktig hypotese-drevet utfordrer | | VS_LOC_DLTQ-5_000280 | sonnet | operativ-erfaring treårs forsiktig metodisk mentor | | VS_LOC_DLTQ-5_000281 | sonnet | operativ-erfaring langsiktig hedge data-drevet kritisk-venn | | VS_LOC_DLTQ-5_000282 | sonnet | operativ-erfaring treårs pragmatisk data-drevet kritisk-venn | | VS_LOC_DLTQ-5_000283 | sonnet | entreprenør sesongmessig aggressiv data-drevet leverandør | | VS_LOC_DLTQ-5_000284 | sonnet | entreprenør umiddelbar pragmatisk data-drevet partner | | VS_LOC_DLTQ-5_000285 | sonnet | entreprenør langsiktig forsiktig historiedrevet kritisk-venn | ## Peer-Classify Resultater | Instans | Klassifisert av | Type | Handlingsbarhet | Spesifisitet | |---------|----------------|------|-----------------|-------------| | VS_LOC_DLTQ-5_000277 | VS_LOC_DLTQ-5_000281 | business | immediate | 4 | | VS_LOC_DLTQ-5_000279 | VS_LOC_DLTQ-5_000277 | recommendation | immediate | 5 | | VS_LOC_DLTQ-5_000281 | VS_LOC_DLTQ-5_000279 | recommendation | immediate | 4 | | VS_LOC_DLTQ-5_000282 | VS_LOC_DLTQ-5_000283 | business | immediate | 4 | | VS_LOC_DLTQ-5_000283 | VS_LOC_DLTQ-5_000282 | business | immediate | 4 | ### Fordeling - **content_type:** business 3, recommendation 2 - **actionability:** immediate 5 - **avg specificity:** 4.2 - **peer:** 5, **self:** 0 - **uklassifisert:** 4 (VS_LOC_DLTQ-5_000278, VS_LOC_DLTQ-5_000280, VS_LOC_DLTQ-5_000284, VS_LOC_DLTQ-5_000285)