Kunstig intelligens (KI) gir et løfte om lavere kostnader for den som kan. Men KI innebærer også risiko, både ved å ta den i bruk og ved å la være. Vi har allerede sett forhastede nedbemanninger, etterfulgt av stille og kostbar reansettelse når forventningene ikke innfris. Vi ser allerede de første konsekvensene av KI-skepsis.
Enkelte risikoutfordringer krever en risikoanalyse. Andre krever innsikt nok til å stille de riktige spørsmålene. Til det første trenger vi konsulenter, til det andre forskere.
Legg begrepet «intelligens» til side, og la oss heller se at KI faktisk representerer et nytt skifte innen automatisering, ikke innen intelligens. Samfunnet har håndtert store automatiseringsbølger før, blant annet på 1960-tallet.
Den grunnleggende utfordringen ved fysisk automatisering var å håndtere grensesnittet mellom mennesker og maskiner. På fabrikkgulvet er denne grensen synlig. Man kunne sette opp et gjerde rundt robotarmen og observere når ansvaret gikk fra menneske til maskin. KI, akk og ve, gir ingen slik klarhet.
Inngjerdet språkmodell?
Man kan ikke sette opp et gjerde rundt en språkmodell. KI er helt integrert, og mye av samspillet mellom mennesker og KI skjer i bakgrunnen. Beslutninger tas, dokumenter behandles og arbeidsprosesser fullføres uten at brukerne nødvendigvis merker det. Risikoen ligger i denne usynligheten. Å definere grensen mellom menneskelig dømmekraft og automatiserte systemer når denne grensen ikke kan ses, er vår tids store ledelsesutfordring.
Hvordan brytes tilliten ned? Når er insentivene på linje? Hvordan oppstår nye former for svikt når mennesker og programvare deler ansvar? Vi står overfor spørsmål som krever dyp innsikt for å kunne besvares. Konsulentselskapene kan fortelle hva konkurrentene gjør i dag. Det er forskning som gir forståelse for hvorfor utviklingen skjer og hvor den er på vei. Likevel når forskningsbasert kunnskap ofte ikke fram til de næringslivslederne som har størst behov for denne innsikten.
Forskere, ikke lotto
Å jobbe med forskere er ikke som å kjøpe en lottokupong. Forskere tar utgangspunkt i all tilgjengelig kunnskap når de analyserer et problem. Det er ikke alltid praktisk, men det er av og til nødvendig. Vi kan vise at risikoen for automatisering ikke er ny og peke på forskjellene mellom automatisering før og nå. Gevinstene kommer over tid, og de handler om mer enn gjennombrudd. De ligger også i kompetansebygging: Å håndtere kompleksitet, finne løsninger og se helheten.
Samarbeidet mellom forskning og næringsliv hemmes ofte av feiljusterte forventninger.
Tross alt er ett år lenge i næringslivet, mens tjue år er kort tid i forskning. Forskjeller skaper friksjon, men de bør ikke skape avstand.
Mange akademikere i USA og Canada beveger seg sømløst mellom deltidsstillinger ved universiteter og deltakelse i produktutvikling hos de største KI-laboratoriene. Hvorfor skjer ikke det samme i Norge? Vi har ikke store KI-laboratorier i Norge, men vi har et næringsliv som trenger «vertikal» rådgivning fra akademia. Kunnskapen finnes allerede; utfordringen er å integrere den.
Meta investerer stort i KI – til investorenes misnøye
