Denne høsten har jeg mottatt forslag til masteroppgaver fra mine studenter på industriell økonomi og teknologiledelse (altså Indøk) på Universitetet i Agder (UiA). Påfallende mange handler om å bruke Chat GPT eller lignende språkmodeller til bedriftenes utfordringer. Samtidig er det stadig mange stillingsannonser på Finn.no der man søker eksperter i språkmodeller (altså LLM-er). Mine observasjoner viser at flere norske bedrifter nå prøver å løse tallproblemer med tekstverktøy. Ja, det fungerer like dårlig som det høres ut.
Realiteten er en annen
De aller fleste utfordringer i næringslivet løses fortsatt best med klassiske metoder. Her er noen konkrete eksempler:
- Når Rema 1000 skal forutsi hvor mange liter melk de selger neste uke, trenger de ikke Chat GPT – de trenger tidsserieanalyse.
- Når DNB skal oppdage svindelforsøk, er det statistiske avviksmodeller som gjelder.
- Når Spotify foreslår din neste favorittsang, bruker de anbefalingsalgoritmer utviklet for 15 år siden.
- Og når Equinor planlegger vedlikehold av oljeplattformer, er det optimaliseringsmodeller som gir svar.
Den dyre misforståelsen har dessverre kommet til Norge. Nå ser vi at flere bedrifter leier inn konsulenter for millioner og bygger Chat GPT-lignende løsninger. Målet er for eksempel bare for å finne ut hvilke produkter som selger best sammen. Men de problemstillingene er noe en enkel Excel-analyse kunne avdekket på en formiddag. Det bedrifter driver med nå, er som å leie inn en helikopterpilot for å kjøre barna til skolen.
En mellomstor norsk bedrift fortalte meg nylig at de brukte et halvt år og flere millioner på å bygge en LLM-løsning for salgsestimering. Resultatet?
Dårligere prognoser enn deres gamle Excel-ark. Problemet var ikke teknologien – det var at de brukte feil verktøy til jobben.
Spør først, bygg etterpå
Jeg mener alle de som tenker på å hoppe på språkmodeller-toget, må stille seg selv disse spørsmålene:
- Jobber jeg med tall og tabeller, eller med tekst og språk?
- Trenger jeg å forutsi fremtidige verdier, eller generere nye tekster?
- Har jeg strukturerte data, eller ustrukturert informasjon?
Hvis svaret peker mot tall, prognoser og strukturerte data, er sjansen stor for at du ikke trenger en språkmodell. Språkmodeller er fantastiske til det de er laget for – å forstå og generere språk. Men de fleste bedriftsutfordringer handler ikke om språk. De handler om tall, mønstre og prediksjoner. Prognoser for etterspørsel, oppdagelse av avvik og svindel, anbefalingssystemer, vedlikeholdsplanlegging, analyse av tabell- og tidsseriedata – alle er områder der språkmodeller sjelden er best egnet.
_logo.svg.png){kind=logo}
Du trenger kanskje bare klassisk maskinlæring, statistikk, optimalisering og årsaksanalyse.
Så neste gang noen foreslår en Chat GPT-lignende løsning, spør: «Er dette virkelig et språkproblem?»
Hvis ikke, har vi heldigvis et helt arsenal av velprøvde verktøy som venter på å bli brukt. Og de koster mye mindre enn en helikopterpilot.
Studie: Chat GPT kan gi tenåringer farlige råd om narkotika og selvmord
