Kort oppsummert
- Evalueringspunktene genereres fra målene dere satte i øvelsesplanen — ikke fra en generisk mal.
- Rapporten er ferdig i det evalueringen er gjort. Ingen etterarbeid på kontoret.
- Egne punkter kan legges inn og prioriteres.
- Lokal AI tar med forbedringspunkter fra tidligere øvelser inn i neste — en øvingsloop som gjør hver runde skarpere.
- AI-en er lukket og kjører på deres egen server. Ikke ChatGPT, Claude eller andre eksterne tjenester.
- Rapporten kan sendes automatisk til kunden rett etter at øvelsen er evaluert — eller kunden kan ha egen tilgang.
Rapporten er den delen ingen vil ha
Spør hvem som helst som driver med øvelser hva som er det kjedeligste, og svaret er det samme: etterarbeidet.
Selve øvelsen er engasjerende. Folk er til stede, det skjer noe, og læringen er fersk. Så går dagene. Noen skal skrive rapporten, men først må de purre på de andre for notater. Loggen finnes kanskje på en blokk, kanskje i en telefon, kanskje i hodet til en som har ferie.
Resultatet er forutsigbart: rapporten blir forsinket, tynnere enn den burde vært, eller den blir aldri ferdig. Og når revisjonen spør etter dokumentasjon på øvelser, mangler det plutselig et par.
Det er ikke øvelsen som svikter. Det er avstanden mellom det som skjedde i felt og det som havner på papiret.
Planleggingen bestemmer hva som kan evalueres
En øvelse uten definerte mål kan ikke evalueres — den kan bare beskrives. Derfor starter alt i øvelsesplanen.
Dere setter tema og mål for øvelsen. Målene bør være formulert slik at de faktisk kan vurderes: «alle på oppmøteplass innen seks minutter» kan evalueres, «øve på evakuering» kan ikke.
Ut fra planen genererer systemet evalueringspunktene. Det er den avgjørende koblingen: det dere skal vurdere i etterkant, kommer fra det dere bestemte på forhånd. Ingen generisk sjekkliste som passer halvveis.
Egne punkter
Alt kan justeres manuelt. Har dere punkter som må med — noe fra forrige tilsyn, en ny rutine, et kjent svakt ledd — legges de inn og prioriteres. Da vet den som evaluerer hva som veier tyngst.
Oppsettet er dynamisk. Dere styrer hvilke punkter som gjelder, hvordan de vektes og hva som skal dokumenteres.
Evalueringen er det rapporten bygges på
Rapporten hviler ikke på hukommelse eller løse notater. Den bygges på evalueringen — der dere registrerer hva som faktisk skjedde, hvordan det gikk, og hva som bør bli bedre til neste gang.
Fordi evalueringspunktene allerede ligger klare fra øvelsesplanen, slipper den som evaluerer å finne opp strukturen underveis. Punktene er de samme målene dere satte på forhånd, så vurderingen skjer mot noe konkret.
Alt kan suppleres. Observasjoner, kommentarer og egne punkter legges inn der det trengs, og vektes etter hvor viktige de er.
Det er dette som gjør rapporten troverdig: den svarer på det dere faktisk bestemte dere for å teste — ikke på et generisk skjema.
Rapporten er ferdig når evalueringen er det
Her forsvinner hele etterarbeidet.
Når evalueringen er gjennomført, er rapporten generert. Den bygger på øvelsesplanen, loggen og evalueringspunktene — altså på det som faktisk skjedde, ikke på det noen husker tre uker senere.
Rapporten inneholder det en evaluering skal inneholde: tema og mål, hvem som deltok, hva som ble gjort, måloppnåelse, og forbedringspunkter.
Alt kan finjusteres manuelt før den sendes. Poenget er ikke at maskinen skal skrive ferdig for dere, men at dere starter med et komplett utkast i stedet for et tomt dokument.
Ut til den som skal ha den
Rapporten kan sendes automatisk til kunden på e-post rett etter at øvelsen er evaluert. Alternativt kan kunden ha egen tilgang til systemet og hente rapportene selv etter hvert som de foreligger.
Forskjellen i praksis: fra «rapporten kommer om noen uker» til «rapporten ligger klar nå».
Øvingsloopen: hver runde bygger på den forrige
Dette er delen som endrer hvordan dere øver over tid.
Når dere skal planlegge øvelse nummer to, tre eller fire for samme lag, henter systemets lokale AI fram hva som kom ut av de forrige. Særlig forbedringspunktene: det dere fant, men ikke rakk å følge opp.
De tas med inn i planleggingen av den neste øvelsen. I stedet for å starte på nytt hver gang, bygger hver runde videre på forrige.
- Svakheter som gikk igjen, blir prioritert
- Tema som ikke har vært øvd på lenge, løftes fram
- Forbedringstiltak som ble besluttet, følges opp
- Erfaringene samles i stedet for å forsvinne med den som skrev rapporten
Alt er forslag. Dere redigerer, fjerner og legger til som dere vil — AI-en er en hukommelse, ikke en beslutningstaker.
Lukket, på egen server
AI-en kjører på deres egen Continua-server. Ikke ChatGPT, Claude eller andre eksterne tjenester. Beredskapsdokumentasjon beskriver ofte sårbarheter i egen virksomhet, og den typen informasjon skal ikke ut av huset for å behandles.
Når revisjonen spør
Et av de mest praktiske utslagene: dokumentasjonen finnes, samlet, når noen ber om den.
Alle gjennomførte øvelser ligger med plan, logg, evaluering og rapport. Dere trenger ikke lete i e-post eller rekonstruere hva som skjedde i fjor høst.
Og siden forbedringspunkter kan sendes videre til saksbehandling med ansvarlig og frist, kan dere også vise hva som faktisk ble gjort med funnene — ikke bare at de ble notert.
Ofte stilte spørsmål
Hvordan lages evalueringspunktene?
De genereres fra målene dere satte i øvelsesplanen, slik at dere evaluerer det dere faktisk bestemte dere for å teste. Egne punkter kan legges inn og prioriteres.
Når er rapporten ferdig?
Når evalueringen er gjennomført. Rapporten bygges på øvelsesplanen, loggen og evalueringspunktene, og kan finjusteres manuelt før den sendes.
Kan kunden få rapporten automatisk?
Ja. Rapporten kan sendes automatisk på e-post rett etter at øvelsen er evaluert, eller kunden kan ha egen tilgang til systemet og hente den selv.
Hva er øvingsloopen?
Lokal AI henter fram funn og forbedringspunkter fra tidligere øvelser og tar dem med inn i planleggingen av de neste, slik at hver runde bygger videre på forrige.
Bruker dere ChatGPT eller Claude til dette?
Nei. Den lokale AI-en kjører lukket på virksomhetens egen server. Data sendes ikke til ChatGPT, Claude eller andre eksterne AI-tjenester.
Kan vi overstyre forslagene?
Ja. Alt kan redigeres, fjernes eller suppleres. AI-en foreslår på grunnlag av tidligere øvelser, men dere bestemmer innholdet i øvelsen.