Hvad er AI? - og hvad er AI ikke?

Rigtig meget er blevet sagt og skrevet om AI - eller kunstig intelligens - i de seneste år. Der findes enorme mængder af information vedrørende AI og mange datadrevne konferencer er domineret af indlæg omkring AI. Hypen omkring AI er fuldt ud berettiget. AI har et kæmpe potentiale – både for virksomheder og organisationen, men også for os som mennesker. AI har potentialet til at gøre os mere produktive på jobbet og sundere, gladere og mere trygge i hjemmet, og det vil have en fundamental indflydelse på den måde, som vi laver forretninger på, og åbne op for nye forretningsmodeller samtidig med at gamle forsvinder.

Før AI-festen for alvor starter
Den enorme og hurtigt voksende hype omkring AI har også ført til en masse spørgsmål, uklarheder og deciderede misforståelser af, hvad AI i virkeligheden er, og hvilke muligheder det gemmer på. Derfor er AI, ifølge mange eksperter, allerede truet på succesraten, fordi for store eller urealistiske forventninger til AI kan medføre, at festen dør ud, allerede inden den kommer ordentligt i gang. Frygten er i øvrigt velbegrundet, da det er sket flere gange før. AI er nemlig ikke nyt set ud fra et videnskabeligt, teoretisk perspektiv, men har eksisteret i adskillige årtier og været igennem 2 tilstandsperioder pga. tilbagetrukket funding som følge af manglende indfrielse af forventninger.

Læs mere om AI her

I denne serie af blogindlæg vil vi gå i dybden med:

• Hvad AI er – og hvad AI ikke er
• AI teknisk set
• Hvordan bruges AI?
• Kom godt i gang med AI

I dette første blogindlæg vil vi kaste lys over AI som fænomen og få skilt hype fra fakta samt inspirere dig som læser til at se dit AI-potentiale.

Allerede inden vi går i gang, kan vi dog slå fast, at det bedste, din organisation kan gøre, er at sørge for, at implementeringen af AI er stærkt tilknyttet til den overordnede strategi. Formålet med at udvikle AI-applikationer er, at de skal være med til at muliggøre eller realisere de benefits og/eller value outcomes, som er forbundet til de strategiske fokusområder/målsætninger, som jo ultimativt underbygger din organisations overordnede strategi.  Alt det og meget mere kan du glæde dig til i seriens sidste blogindlæg.  

Driverne bag AI
For at forstå, hvad AI i virkeligheden er, kan vi kigge på de teknologiske drivere, som er hovedårsagerne til den hype, vi ser omkring AI i dag. AI er som sagt ikke noget nyt – det er blot blevet mere aktuelt end nogensinde før pga. teknologiske fremskridt, som kan opsummeres i fire primære drivere:

• Big data: Store mængder data er den primære benzin til AI-bålet. Det estimeres, at der i 2020 genereres 44 zettabytes data (44 trillioner GB) fra et hav af forskellige kilder. Man ser i dag, hvordan de førende virksomheder inden for AI er dem, som ligger inde med mest data (Google, Facebook, Amazon mv.), og det er selvfølgelig ikke tilfældigt.
• Omkostningseffektiv opbevaring af data: I 1980 kostede det 437,500 USD at opbevare 1 GB data – i 2016 kostede det 2 cent. Derudover kræver det meget mindre fysisk plads. IBM arbejder angiveligt på at industrialisere en enhed på størrelse med et kreditkort, som kan lagre alle sange i hele iTunes.
• Hurtigere processering: Ikke nok med, at vi skal kunne opbevare store mængder data på en omkostningseffektiv måde, så skal vi også kunne udtrække og processere disse data hurtigt. Teknologisk udvikling inden for computerkraft har derfor betydet meget for AI.
• Connectivity: Hastigheden på transport af data fra enheder (eksempelvis cloud-kapaciteter), hvor data processeres, og ud til applikationer på mobile enheder såsom smartphones og tablets, hvor beslutningerne træffes, er afgørende. Derudover giver internettet mulighed for at samarbejde omkring udarbejdelsen af AI-applikationer på tværs af organisationer.  

Uden disse 4 drivere er AI ikke muligt, fordi det ikke ville være præcist nok og samtidig for svært at designe og implementere. Så denne udvikling er den primære årsag til, at AI i dag er mere aktuelt end nogensinde sammen med det faktum, at der i dag findes AI-cloud-baserede services, som giver mulighed for at kombinere disse fire drivere ud af boksen – ja så har man forklaringen på, hvorfor AI er nemmere – eller måske nærmere mindre svært - at komme i gang med. Og deraf kommer hypen.

Tænk AI, tænk automatisering
Mange forbinder AI med buzzwords som ”algoritmer”, ”machine learning (ML)” og ”prediction”, hvilket også er korrekt, selvom forudsigelsen af fremtiden kun er et af flere elementer i AI. Det som mange, desværre, overser er, at AI faktisk lige så meget (og måske mere nærliggende) handler om automatisering af processer. Nærmere bestemt manuelle processer i virksomheder, som til dagligt håndteres af folk som du og jeg, og som optager store mængder af vores tid, hvilket er ensbetydende med, at vi ikke har tid til mere spændende, udfordrende og ikke mindst værdiskabende opgaver.

Vi skal nok komme nærmere ind på eksempler på automatisering i senere blogindlæg. Det primære budskab her i første omgang er, at mange organisationer desværre risikerer at misse en masse potentiel værdi ved AI (og måske endda aldrig rigtigt kommer i gang), fordi man kaster sig over det mest komplekse og krævende inden for AI i stedet for at bygge momentum ved at tage de lavest hængende frugter, som altså ofte vil være automatisering af simple, men tidskrævende og trivielle arbejdsopgaver, der hverken skaber værdi eller motivation hos medarbejdere.

AI skaber nye jobs
AI møder også modstand, fordi der hersker en opfattelse omkring, at det vil ”stjæle” rigtig mange jobs og dermed gøre folk arbejdsløse. Dette er en sandhed med modifikationer, da det er sandt, at visse jobfunktioner som eksempelvis kundeservice, produktionsplanlægning og administration, er områder hvor dele af arbejdet kan automatiseres via AI.

Dog viser undersøgelser at AI giver større arbejdsglæde i og med at det langt overvejende er de simple gentagne opgaver hvor AI først giver værdi. Eksempelvis, vil junioradvokater eller medicinforskere kunne bruge mere tid på rent faktisk at løse de opgaver, som de står overfor, fordi de ikke skal bruge så meget tid på at gennemgå store mængder information, da AI applikationer hjælper dem med automatisk at søge relevant indhold ud. Afskrivning af data fra PDF-filer, sammenholdelse af fakturaer og betalinger og lignende opgaver som bunder i at systemer ikke taler sammen eller at indscannede dokumenter skal læses først.

Samtidig skal man have for øje at AI jo også skaber en masse nye arbejdspladser. Der skal bruges folk til at udvikle og vedligeholde AI applikationerne og samtidig bliver der jo dannet nye jobmuligheder ude i virksomhederne, fordi der bliver tid og plads i budgettet som følge af besparelser, som er hentet via automatisering og AI.

Der herskede også nervøsitet dengang computeren blev introduceret, men det faktisk skabte en masse jobs. Introduktionen af computeren har skabt nye industrier, i form af streaming og gaming, og så er der vist ikke nogen i tvivl om, at computeren har skabt langt flere jobs end den har erstattet – og det samme kan meget vel være tilfældet med AI. Hvis man så begynder at indregne brugsscenarier som at AI kan bruges til at spotte kræftceller på billeder, som mennesker måske ville have misset, så bør der ikke være tvivl om, at AI overordnet set er en positiv mulighed for os mennesker, men det betyder selvfølgelig ikke, at der ikke kommer en omstillingsperiode, som er hård for mange, og det er fuldt forståeligt.

Udfordringer med AI
Der er bestemt udfordringer med AI. Som en af de primære kan nævnes den manglende transparens, der er i beslutningsprocessen for en AI-model. AI-modeller er først og fremmest talknusere, og de har en meget naiv tilgang til deres analyse forstået på den måde, at de blot rapporterer det, som data viser, uanset om det giver mening eller ej. AI har ikke evnen til at forstå eller vurdere - AI kan kun finde mønstre i store datasæt. Samtidig kan AI forudsige "handlinger" på baggrund af data uden nogen form for hensyntagen til relevans, etik eller negative konsekvenser i visse beslutninger.

Et eksempel kan være AI modeller der bestemmer, om en bank skal godkende et lån til en kunde. AI modellen fortæller os om det er en god idé at godkende lånet baseret på historisk information omkring lignende kunder, hvor udfaldet (i dette tilfælde er udfaldet om kunden misligholdte lånet eller ej) er kendt, men med mindre vi beder den om det, fortæller den os ikke, hvordan den når frem til den beslutning. Det stiller os i et etisk dilemma, da vi skal afvise en kunde uden nogen form for begrundelse.

Et andet eksempel kan være en AI model der identificerer en kunde, som er på vej til at churne (læs: virksomheden taber kunden), og iværksætter en række tiltag. Den fortæller os igen ikke hvorfor, og arbejdet med at finde ud af det, er en ekstra proces. I tilfælde hvor transparens er at største vigtighed, skal det nøje overvejes hvordan AI skal anvendes. Og om AI skal anvendes til at informere beslutningstagere frem for at tage autonome beslutninger, som efterfølgende kan være arbejdskrævende at begrunde.

Der er også tekniske og etiske udfordringer i at få AI til at løse visse opgaver for os. Dette kunne være styring af fly, biler eller pacemakers. Når man ønsker at automatisere sådanne opgaver via systemer der kan lære og tilpasse sig (læs: de vil typisk have børnesygdomme), hvor skal man så placere ansvaret når noget går galt? Giver det mening  at retsforfølge en computer? I det hele taget har mennesker jo, oftest, et moralsk kompas som man navigerer efter, hvilket AI ikke har, og dette medfører en vis form risiko.

Potentialet med AI
Lad os vende tilbage til, hvor vi startede og holde fast i, at AI er fremtiden. AI er en teknologi, som har potentiale til at gøre ting hurtigere, mere simpelt, mere præcist og som giver os mulighed for at udforske opgaver, som ikke var mulige før. Givet at stress i dag er en folkesygdom, som blandt andet kan bunde i, at folk har for travlt med opgaver, som de alligevel ikke finder inspirerende, er det enormt spændende, at man har en teknologi som AI, der potentielt kan være med til at afhjælpe dette? Givet at vi i dag har mere behov for vores sundhedsvæsen end nogensinde før, er det så ikke enormt spændende, at AI gemmer på uanede muligheder ift. forbedring i diagnosticering, medicinering og behandling af patienter? AI vil ændre måden, vi træffer beslutninger på, og det vil, forhåbentligt, forbedre vores levestandard. Ligesom andre lignende teknologiske gennembrud (som eksempelvis computeren), vil AI disrupte mange forretningsmodeller og derfor også først og fremmest belønne dem, som adopterer AI tidligt og effektivt. Der er utvivlsomt en mulighed for mange ledere og virksomheder til at tilføre værdi til deres forretningsmodel og til at udfordre og disrupte deres eksisterende model - og det er med at komme i gang, inden markedet bliver mere gennemskueligt, og AI bliver allemandseje.  


Kend dit problem, før du bruger AI
AI kan, måske vigtigt af alt, lære af og udvikle sine erfaringer og dermed blive bedre over tid. Men før virksomheder forstår, hvad det er (på et ikke teknisk niveau), og hvordan det kan forbedre deres forretning, får vi svært ved at se det fulde potentiale udfolde sig. Det er vigtigt, at man har virksomhedens strategi for øje, når man skal forsøge at kvalificere AI. Det handler om at finde de rette brugsscenarier og business cases, der kan understøtte strategien, så det ikke bliver endnu et dødsdømt it-projekt. AI bliver generelt omtalt som ”et magisk stof”, og det lover uendeligt meget. Alle disse forventninger skal lige justeres med lidt realisme og et godt gammeldags realitetstjek. AI bliver hypet rigtigt meget, og det er med til at forstyrre og forvirre. Virksomhederne skal fokusere på problemet, som de vil løse og ikke teknologien. Når man forstår sit problem, kan man vælge teknologi og tilgang ud fra det. Sandheden er, at der ikke findes én løsning til alt, men en masse løsninger til forskellige problemer, og udfordringen er at finde den rigtige løsning til det rigtige problem.

Læs mere i næste blogindlæg
Vi går som sagt mere i dybden med konkrete råd til at komme i gang med AI i senere blogindlæg. Allerede nu vil vi dog gerne slå fast, at en virksomheds AI-initiativ skal være drevet af den overordnede strategi og et ønske om at anvende AI i arbejdet med strategiske fokusområder, der understøtter strategien. Derudover er det vigtigt at skære hypen fra og få afdækket, hvad det er for nogle muligheder, der rent faktisk er med AI baseret på de forskellige typer. I næste blogindlæg får du et teknisk overblik, og du kan godt glæde dig. 

Kan vi hjælpe dig?
Hvis du har spørgsmål eller tænker, at tiden er inde til et uforpligtende kald eller møde, kan du kontakte os på info@inspari.dk eller 70 24 56 55. Vi ser frem til at høre fra dig.

Links til dig, der vil i gang: 

• Find dit potentiale i AI ved at måle din virksomheds modenhedsscore
• Se webinar on-demand: Machine Learning

Bøger om emnet
Hvis du er nysgerrig efter at læse mere om emnet, kan det anbefales at læse de følgende to bøger, som denne serie af blogindlæg har som primære kilder: 
Executive Guide to AI Applications
Prediction Machines: The Simple Economics of Artificial Intelligence