Du eier dataplatformen. Du eier ikke produktstrategien. Det er ikke det samme.
Eirik Dalsbø, 38 — Chief Data & AI Officer
B2B SaaS-selskap innen HR-tech, 180 ansatte, Series B (150 MUSD raised), 40% YoY vekst. AI-modenhet: medium-høy (har data engineers og ML team fra dag én). Eirik er co-founder og sitter i ledergruppen. Rapporterer til CEO.
AI-strategiCDO/CAIOhelse-tech
foredlet
persona
Gemma2:9b→Haiku 4.5→Sonnet 4.6
· 3-lags foredling · open weight → scoring → destillering
Situasjon
Det som ikke sies høyt: Eieriks posisjon er skapt for å berolige investorene, ikke for å styre teknologien. CEO trenger en 'AI-tittel' i organisasjonskartet når hun presenterer for neste investor-runde. Eirik vet dette. Han bruker mesteparten av sin tid på å oversette boardets AI-krav til noe teamet kan leve med, og teamets tekniske begrensninger til noe boardet ikke panikker over. Han er ikke en teknisk leder eller en strategidirektør — han er en buffer. Det er et bra betalt og utmattende sted å være.
Det du sier i møtet vs. det som faktisk skjer
Kundene etterspør AI-features fordi det skaper verdi for dem.
Kundene etterspør AI-features fordi de er redde for å møte boardet sitt uten å ha svart at de 'har AI'. De vet ikke hva de vil ha — de vet hva de ikke vil mangle. Det er en fryktstyrt etterspørsel, og den er flyktig. Når frykten demper seg, faller prioriteringen.
Vi har datakvaliteten og ML-kompetansen til å lykkes.
Datakvalitet i HR-systemer er notorisk dårlig — titler er inkonsistente, org-strukturer endres uten systemoppdatering, og lønnsdata er fragmentert. ML-kompetansen er sterk på infrastruktur. Domenekunnskap om hva HR-ledere faktisk gjør med verktøyet — ikke hva de sier de gjør — mangler fullstendig.
Teamet er motivert og klar for AI-transformasjonen.
To senior ML-ingeniører vurderer å slutte. De er frustrert over at investor-boardet setter AI-roadmapen uten teknisk input, og at Eirik ikke beskytter dem fra feature-krav som undergraver arkitekturen de bygde. De sa det i en 1:1 for to måneder siden. Eirik har ikke handlet.
Blindsoner — hva en sverm-analyse avdekker
Klikk for å lese mer
HR-data inneholder lønnsopplysninger, ytelsesdata og organisatoriske endringsplaner. GDPR Art. 22 forbyr automatiserte avgjørelser med rettslig eller tilsvarende betydelig virkning — og i HR-kontekst gjelder dette direkte for AI-assistert rekruttering, prestasjonsvurdering og lønnsfastsettelse. Eirik er databehandler, ikke behandlingsansvarlig. Han kan ikke trene modeller på kundenes HR-data uten eksplisitt samtykke fra hver enkelt kundebedrift. Den samtykkestrukturen eksisterer ikke.
Klikk for å lese mer
Eirik bygde infrastrukturen og har teknisk autoritet — teamet respekterer ham fordi han kan koden. CDAIO-rollen krever at han oversetter mellom investor-boardets AI-ambisjoner, CEOs go-to-market-krav, og hva ML-teamet faktisk kan levere innen Series C. Ingen av disse tre har sammenfallende tidshorisonter. Eirik forsøker å beholde teknisk troverdighet og bygge strategisk autoritet samtidig. Det er to fulle jobber.
Klikk for å lese mer
Investor-boardet sammenligner Eieriks AI-roadmap med Workdays AI-annonsementer. Workday har 21.000 ansatte og 5 milliarder USD i R&D-budsjett. De annonserer features 18 måneder før de lanserer dem. Å konkurrere på AI-feature-paritet med Workday er ikke en strategi — det er å løpe etter en bil på sykkel og kalle det et race. Det riktige spørsmålet boardet ikke stiller: hva kan en 180-manns HR-tech lykkes med som Workday ikke kan kopiere?
Slik ville Eirik Dalsbø brukt sverm
sverm ny: Eirik Dalsbø er co-founder og CDAIO i et HR-tech SaaS med 180 ansatte, Series B (150 MUSD), 40% YoY-vekst. Han bygde dataplattformen fra grunnen -- det er det SaaSen selger. Nå presser investor-boardet på å AI-powere produktet før Workday, SAP og Personio gjør det. De har data og team. Hva er de to AI-funksjonene i HR-tech som faktisk driver customer retention og NPS, ikke bare imponerer i demo?
Denne persona-profilen er generert av Gemma2 (open weight, lokal), scoret av Haiku, og foredlet av Sonnet 4.6. Alt åpent, alt transparent.
Hvordan sverm-analyser lages