DEBATT: Kunstig intelligens

Fem ting bedriften må tenke på ved implementering av AI

Sammen med fremveksten av applikasjoner med kunstig intelligens (AI) følger det et ansvar om å bruke løsningene på en fornuftig og økonomisk måte. Hver applikasjon representerer egne, unike utfordringer og skaper et behov for at vi følger godt med – hele tiden.

En investering i kunstig intelligens kan fort bli penger ut av vinduet hvis man ikke gjør de riktige valgene, forteller innsenderen.
En investering i kunstig intelligens kan fort bli penger ut av vinduet hvis man ikke gjør de riktige valgene, forteller innsenderen. (Illustrasjon: Colourbox)

Sammen med fremveksten av applikasjoner med kunstig intelligens (AI) følger det et ansvar om å bruke løsningene på en fornuftig og økonomisk måte. Hver applikasjon representerer egne, unike utfordringer og skaper et behov for at vi følger godt med – hele tiden.

Dette debattinnlegget gir uttrykk for skribentens meninger. Debattinnlegg kan sendes til tips@digi.no

Her er fem ting å ta hensyn til når bedriften tar i bruk, eller vurderer å ta i bruk, AI (kunstig intelligens).

1: Høst lavthengende frukter først

Å være opptatt av avkastningen på en investering i et utviklingsprosjekt, er logisk. Over tid kan ikke kostnadene overstige verdiene eller fordelene som skapes. Et tilleggsmoment som bør regnes inn, er tiden det vil ta fra investering til resultat. Mange organisasjoner velger komplekse problemstillinger, med stor økonomisk oppside, når de bestemmer seg for hvilket AI-prosjekt de skal satse på først. Ofte finnes det en rekke enkle oppgaver som kan løses, for eksempel ved hjelp av AI-basert automatisering, som også skaper verdi – raskere.

En mulig strategi i arbeidet med å velge de riktige prosjektene kan være å legge inn høyere kapitalkostnader i ROI-modellen. Dette bidrar til å fremheve de prosjektene som gir avkastning raskere, samtidig som modellen synliggjør den relativt høye risikoen i et AI-prosjekt sammenliknet med et tradisjonelt teknologiprosjekt.

Det er også nødvendig å vurdere i hvilken grad resultatene som skapes representerer en høy nok verdi. En pilot kan være teknisk vellykket, men allikevel skrotes fordi virksomheten ikke evner å gjøre effektiv bruk av resultatene på den måten de ønsker.

Anne-Sofie Risåsen, leder for Cognizant i Norden. Foto: Mick Tully

2: Involver alltid alle interessenter

Det høres ut som en selvfølge, men en god dialog og involvering av alle interessenter i egen virksomhet eller hos en kunde gjennom hele prosjektet, er avgjørende for å lykkes. Det er viktig å forstå hva virksomheten ønsker å oppnå, hvor viktig problemet er, og hvor raskt de trenger en løsning. Med dette utgangspunktet er det også mulig å skape forståelse for nødvendige endringer og justeringer som er uunngåelige underveis i prosjektet.  

Forventningshåndtering er tilsvarende viktig. Det finnes ingen garanti for hundre prosent automatisering eller hundre prosent perfekte resultater. Det bør derfor etableres en felles forståelse blant interessentene for en akseptabel feilmargin og en plan for hvordan man skal løse situasjonene som kan oppstå.

3: Rett data til rett tid – tilrettelagt for analyse

Data brukt som input i en AI-løsning, må være pålitelige og ha rett kvalitet. Vinningen går raskt opp i spinningen hvis det koster mer å produsere disse datasettene, enn det løsningen gir i avkastning.  De korrekte dataene må være tilgjengelige i løsningen når de trengs. De bør være ferdig vasket, kategorisert og klassifisert på en måte som gjør dem enkle å analysere.

Mange virksomheter har god tilgang på data – som altfor ofte er uorganiserte, uklassifiserte, av dårlig kvalitet eller er utdaterte. Derfor er en investering i en moderne dataplattform for administrasjon, analyse og tilgjengeliggjøring av innsikt på tvers av organisasjonen, ofte avgjørende for å lykkes med AI-prosjekter.

Les også

4: Begynn i det små, test og korriger raskt

Å få alt rett første gang gjelder ikke nødvendigvis AI-prosjekter. Presisjon i prognoser og prediksjoner forutsetter noen ganger et antall iterasjoner og kontinuerlige korreksjoner. For raskt å forstå hva som må endres, er du avhengig av å prøve og feile fort. Da innsatsen ofte er høy og det alltid finnes en risiko for feil, kan det lønne seg å starte med et mindre komplekst problem eller en underordnet del av en overordnet problemstilling. På den måten er det mulig å redusere kostnaden ved å mislykkes. For det er ingen skam å droppe en idé og å tenke nytt. Tvert imot, denne egenskapen er avgjørende for suksess.

5: Mål læring og resultater, ikke vær redd for å feile

IT- og AI-prosjekter er grunnleggende forskjellige. IT-prosjekter bygger på en klar idé og har en klar målsetting om et definert resultat fra første dag. AI-prosjekter, derimot, handler ofte om å forstå det ukjente. Derfor er det også umulig å vite helt sikkert hva resultatet blir, på forhånd. AI-prosjekter må justeres, overvåkes og tilpasses over tid.

Suksess kan kreve flere iterasjoner enn opprinnelig planlagt og løsningen gir kanskje ikke samme nøyaktighet eller automatiseringsnivå som forventet. Suksess bør derfor beregnes med utgangspunkt i hvilken grad dette gir forretningsmessig gevinst og læringen dette genererer.

Å ta i bruk AI for AIs egen skyld, er en dårlig idé som raskt kan koste mye tid, innsats og penger. Det er lett å miste oversikten over de enorme mulighetene som kunstig intelligens (AI) representerer, fordi bruksområdene i utgangspunktet er uendelige. Prøv heller å fokusere på virksomhetens behov og hva som lar seg gjennomføre. Nøl ikke med å teste forskjellige tilnærminger – og ikke la frykten for å mislykkes styre deg. For det er lett å feile med AI – men tilsvarende umulig å lykkes hvis du ikke tar sjansen, prøver deg frem og lærer underveis.

Les også

Kommentarer (0)

Kommentarer (0)
Til toppen