Smukflow gjorde en festivalidé konkret på tre timer
Forestil dig Smukfest en sen eftermiddag. Folk går mellem scenerne. Nogle skal mødes med venner. Nogle har sat hjerte ved en koncert i appen og prøver at nå frem i tide. Andre bliver hængende, fordi stemningen lige er god der, hvor de står. Midt i alt det ligger der data. Det er ikke en tør bunke tal på et kontor. Det er små spor fra mennesker, der har vist interesse for bestemte koncerter. Over en halv million favoritter i Smukfest-appen. Hver favorit siger ikke præcist, hvor en gæst ender med at stå. Den siger mere: den her koncert er vigtig for mig. Smukflow var et forsøg på at tage den slags festivaldata og gøre den synlig nok til, at man kunne tale om den. På tre timer blev idéen til en prototype. Ikke et færdigt system. En første version på skærmen, hvor man kunne pege, stille spørgsmål og begynde at forstå, hvad idéen måske kunne bruges til.
Bygget som en prototype på tre timer.
Tog udgangspunkt i over en halv million app-favoritter fra Smukfest.
Handlede om mulige bevægelser mellem scener, ikke sikre målinger af mennesker.
Gjorde idéen konkret nok til, at andre kunne diskutere den.
Først skal man se festivalpladsen for sig
Det er let at sige "data" og komme til at tænke på et regneark. På en festival ser det anderledes ud. Det er en flok venner, der prøver at finde hinanden. En gæst, der står med en øl i hånden og overvejer, om hun kan nå næste koncert. En gruppe, der begynder at gå, fordi der er ti minutter til start ved en anden scene.
Hvis mange mennesker får lyst til at bevæge sig samme vej på samme tidspunkt, kan det mærkes på pladsen. En sti kan blive tæt. En overgang kan blive langsom. Et område kan få mere pres, end man lige havde forestillet sig.
Smukflow begyndte dér. Ikke med en stor teknisk plan. Mere med spørgsmålet: kan vi tage noget af det, gæsterne allerede har fortalt os i appen, og bruge det til at se mulige bevægelser lidt tidligere?
En app-favorit er mere som en hånd i vejret
Når en gæst markerer en koncert som favorit i appen, er det et lille signal. Gæsten siger: den her vil jeg gerne huske. Måske kommer personen. Måske sker der noget andet. Måske møder man venner, går efter mad, bliver fanget af en anden koncert eller kommer for sent af sted.
Derfor skal favoritter læses roligt. De er ikke fodspor på jorden. De er heller ikke et løfte om, at en bestemt person står et bestemt sted på et bestemt tidspunkt. De er mere som mange små hænder i vejret.
Hvis rigtig mange hænder ryger op for to koncerter, der ligger tæt på hinanden i tid, bliver det interessant. Så kan man begynde at spørge: kunne der opstå bevægelse mellem de her scener? Er der et område, festivalfolk bør kigge nærmere på?
På tre timer kom idéen ud af hovedet og ind på skærmen
De tre timer handlede om at få en første version frem. Noget man kunne åbne. Noget man kunne kigge på. Noget der var tydeligt nok til, at andre kunne reagere på det.
Der skulle data ind. Der skulle findes en måde at vise mulige flows på. Der skulle justeres, når noget så mærkeligt ud. Og visningen skulle være så enkel, at man kunne forstå idéen uden en lang teknisk forklaring først.
Her var AI nyttig som et lille digitalt hold omkring arbejdet. Den kunne hjælpe med at tænke struktur, kode, datalogik, visning og næste spørgsmål. Jeg sad stadig med domæneforståelsen. Jeg vidste, hvad en festivalplads er for en virkelighed. AI hjalp med at komme hurtigere frem til noget, der kunne afprøves.
Det vigtigste var, at idéen blev til noget man kunne pege på
En løs idé kan være svær at diskutere. Man kan sige: tænk hvis vi kunne bruge appdata til at forstå publikumsflow. Folk kan godt nikke til det. Det lyder spændende. Men det er stadig lidt luftigt.
Når der ligger en prototype på skærmen, ændrer samtalen sig. Man kan pege på en bevægelse og spørge: hvorfor tror modellen, at folk går den vej? Hvilke favoritter bygger det på? Hvad mangler vi at vide? Hvad ville en festivalmedarbejder sige til det her kort?
Det gør både begejstring og kritik mere brugbar. Man kan blive mere præcis. Man kan se, hvor idéen har noget. Man kan også se, hvor den er for tynd. Det er en stor forskel, fordi næste beslutning bliver lettere.
En pæn prototype skal stadig læses med ro i kroppen
Der er en særlig risiko, når noget ser færdigt ud. Et kort med linjer og farver kan hurtigt føles som viden. Men i Smukflow var mange ting stadig antagelser. En linje på kortet kunne vise en mulig bevægelse. Den kunne ikke bevise, at mennesker faktisk gik præcis sådan.
Derfor skulle prototypen hele tiden holdes nede på jorden. Hvad ved vi fra appen? Hvad gætter vi på? Hvad kan favoritterne slet ikke fortælle os? Hvor skal mennesker med festivalerfaring kigge på det og sige: den del giver mening, og den del rammer ved siden af?
Hvis Smukflow skulle bruges som rigtigt værktøj, ville næste arbejde handle om datakvalitet, privatliv, sikkerhed, test, ansvar og drift. Tre timer kan lave en første prototype. Det kan ikke springe det ansvarlige arbejde over.
AI virker bedst, når et menneske kender området
Smukflow blev interessant, fordi arbejdet ikke startede med AI. Det startede med en konkret festival, konkrete app-favoritter og en erfaring med, hvordan mennesker bevæger sig rundt på en plads.
AI kan sagtens hjælpe med at bygge noget, der ser overbevisende ud. Derfor betyder det meget, hvem der stiller spørgsmålene. Hvis man ikke kender virkeligheden, kan man komme til at acceptere en flot forklaring for hurtigt.
I den her case var AI god til at få de første lag frem. Den kunne hjælpe med at forme idéen, så den blev synlig. Men vurderingen skulle komme fra mennesker, der forstår festivalen. De kan se, om en bevægelse virker sandsynlig. De kan huske den smalle passage. De kan sige, at vejret, kunstneren eller publikummet ændrer billedet.
Mange organisationer har idéer, der dør før første test
Smukflow handler om en festival, men mønstret findes mange steder. En organisation har en idé. Der er noget data. Der er mennesker med erfaring. Alle kan mærke, at idéen måske er værd at undersøge. Så bliver den stor, før den overhovedet er prøvet.
Første test kan drukne i møder, prioritering, krav og usikkerhed. Hvem skal bygge den? Hvad koster det? Er den overhovedet mulig? Hvad nu hvis den viser sig at være forkert?
En AI-prototype kan gøre første skridt mindre tungt. Den kan få noget frem, mens energien stadig er der. Så kan teamet se på det sammen og tage en bedre beslutning: skal vi teste videre, ændre retning eller stoppe her?
Pointen er en bedre beslutning, ikke en hurtig demo
En prototype er mest værdifuld, når den hjælper mennesker med at beslutte noget. Smukflow skulle ikke imponere med, at noget kunne bygges hurtigt. Den skulle gøre en idé tydelig nok til, at den kunne undersøges.
Derfor er det nyttigt at skelne mellem en demo, en prototype, en pilot og et produktionsklart system. En demo viser, hvordan noget kunne se ud. En prototype undersøger, om en idé hænger sammen. En pilot tester i en mere virkelig ramme. Et driftssystem skal kunne holde til ansvar, brugere, fejl, sikkerhed og hverdag.
Smukflow var i den tidlige ende. Det var netop værdien. Idéen blev konkret nok til at blive vurderet, før den blev gjort stor.
Relevante indgange
AI for ledere
Brug Smukflow som et konkret eksempel på, hvordan ledere kan skelne mellem idé, prototype, pilot og drift.
→
AI-workshop
Tag jeres egen idé med og få den langt nok frem til, at andre kan se den, rette den og diskutere næste skridt.
→
AI-agenter i praksis
Læs om AI, der kan hjælpe med næste skridt i et arbejde, ikke kun svare på spørgsmål.
→ Foredrag
Brug casen som afsæt for en samtale om AI, data, dømmekraft og ansvar i jeres organisation.
→ Ofte stillede spørgsmål
Var Smukflow et færdigt system?
Nej. Smukflow var en prototype. Den var lavet for at gøre en idé synlig nok til, at man kunne diskutere den, stille bedre spørgsmål og vurdere næste skridt.
Hvilken data byggede prototypen på?
Den tog udgangspunkt i app-favoritter fra Smukfest. En favorit viser interesse for en koncert, men den fortæller ikke med sikkerhed, hvor en gæst faktisk går hen.
Hvorfor er tre timer vigtigt i casen?
Fordi det viser, at AI kan gøre første skridt meget lettere. Idéen behøvede ikke blive liggende som en løs tanke. Den kunne hurtigt blive til noget på skærmen, som andre kunne reagere på.
Kan man bruge app-favoritter til at styre en festivalplads?
Ikke alene. Favoritter kan give et spor, men festivalfolk skal vurdere det sammen med erfaring, sikkerhed, vejr, pladsens indretning og alt det, dataen ikke kan se.
Hvad gjorde AI konkret?
AI hjalp med at komme fra idé til første prototype: strukturere data, tænke logik, skrive kode, prøve visualiseringer og justere undervejs. Domæneforståelsen kom stadig fra mennesket.
Hvad kan andre organisationer lære af casen?
At en idé ofte bliver lettere at vurdere, når man kan se den. En hurtig prototype kan gøre samtalen mere konkret, så man kan beslutte, om idéen skal videre.
Brug Smukflow som afsæt for jeres egen AI-idé
Casen viser, hvordan AI kan gøre en idé synlig hurtigt, uden at man forveksler første prototype med et færdigt system. Det er en god samtale at tage i en ledergruppe, et produktteam eller en organisation, der gerne vil arbejde mere konkret med AI.