Etter å ha studert kybernetikk og robotikk på NTNU sendte Ramón Arellano flere jobbsøknader og endte litt tilfeldig opp i Accenture. 18 år senere er det ingen tilfeldighet at han har blitt værende. I dag leder han satsningen på kunstig intelligens for teknologiavdelingen i Accenture.
Ramón startet som javautvikler og fikk etterhvert rollen som prosjektleder. Nå er han senior teknisk arkitekt i utviklingen av nytt og samfunnskritisk system for Statens Vegvesen. Det er et stort prosjekt med over 50 ansatte fra Accenture.
– En viktig del av jobben som teknisk arkitekt er kontinuerlig å snakke med utviklerne og arkitektene i teamene for å finne ut hvor skoen trykker - det vil si hvor vi har utfordringer og muligheter knyttet til arkitektur. Det er gøy å finne de beste alternativene for kunden, spesielt når vi som team har kompetanse på alt av ny teknologi, sier Ramón.
Kunstig intelligens er nettopp en slik ny teknologi, og Accenture satser hardt. Ramón kan fortelle at alt fra nyansatte til toppledelsen er ivrige på teknologien og dens potensiale. Nå skal Accenture bli best i Norge på kunstig intelligens.
– Ledelsen har gitt meg en marsjordre om å klinke til, for konkurransen rundt kunstig intelligens er knallhard. Jeg føler meg veldig privilegert som får være en del av denne satsingen. Det er ikke ofte en så spennende teknologi gjør sitt inntog og får så stor interesse, sier han.
Ramón forteller at Accenture fremover skal utvikle porteføljen for tjenester innenfor kunstig intelligens, og skal fokusere på overgangen mellom prototyper og produksjonsklare løsninger. Fra et arkitektståsted er spesielt integrasjonen inn i eksisterende løsninger spennende.
– En gjennomgående tendens er at mange utvikler gode prototyper. Likevel er det svært få av disse som havner i produksjon. Vi vil hjelpe kundene våre med raskere og lettere overgang mellom fungerende prototype og produksjonsklar tjeneste, forteller Ramón.
– Jeg tror kunstig intelligens vil følge den samme kurven som mye annen ny teknologi. I media ser vi for det meste «hypen» rundt kunstig intelligens. Etter hvert som vi får besvart konkrete spørsmål og fjernet mystikken, så vil den praktiske bruken tilta. I likhet med annen teknologi må løsningene være stabile og sikre. De må skalere fra noen få testbrukere til potensielt flere millioner unike brukere, sier Ramón.
Vi tenker at maskinlæring blir et standardverktøy for teknologer i fremtiden.
Ramón Arellano
Ramón synes det er spesielt inspirerende med interessen fra de unge. Accenture ansetter hvert år mange nyutdannede. Mange av disse har med seg erfaringer og kompetanse innenfor maskinlæring, og de aller fleste er svært interessert i å lære mer.
- Denne interessen må vi utnytte, derfor gjennomfører vi nå tiltak som skal stimulere til å videreutvikle kompetansen den enkelte besitter. Vi sender våre ansatte på kurs og konferanser. Vi satser i tillegg på interne faggrupper der deltakere aktivt får bidra inn i vår satsning.
Kunstig intelligens krever en endring av arbeidsmetode, og er noe man må eksperimentere med tror Ramón. Derfor vil Accenture bruke utviklingsmodeller der de samarbeider tettere med sine kunder, og raskere får testet ut sine ideer. For de ansatte betyr det en mer variert hverdag, der man bidrar på prototyping i tillegg til å jobbe på tradisjonelle utviklingsprosjekter.
– Et av prosjektene vi har jobbet med var for den humanitære organisasjonen Plan International. De sender årlig ut brev til sine faddere, og hadde tidligere manuelle prosesser for å se på kvaliteten av bildene i disse brevene. Vi testet ut om maskinlæring og IBM Watson kunne vurdere bildekvaliteten på en mer effektiv måte. Prototypen viste gode resultater og er allerede på vei til å bli realisert.
Tidligere har Accenture også hjulpet kunder i produksjonsindustrien med såkalt prediktivt vedlikehold. Målet er å redusere tiden man totalt bruker på vedlikehold av maskiner, da dette ofte er dyrt maskineri som ideelt sett skal utnyttes 24 timer i døgnet.
– Ved å koble maskinlæring på sensorene i maskinene, og samtidig mate inn data fra tidligere vedlikehold ved feil, klarer vi å forutse når man bør stanse maskinen og utføre vedlikehold før det blir feilsituasjoner, sier Ramón.
– Vi tenker at maskinlæring blir et standardverktøy for teknologer i fremtiden. Vi vet at våre kunder sitter på enorme mengder data. Maskinlæring vil utnytte disse datamengdene, bidra til å optimalisere eksisterende prosesser og utforme nye produkter og tjenester.
– Det som kanskje er mest utfordrende med å jobbe innenfor kunstig intelligens er forståelse for hva dataene betyr og hvordan de kan brukes. Det er en kollektiv misforståelse at så lenge du har mye data, har du et godt datagrunnlag. Dataene må også ha diversitet og egenskaper som er beskrivende for problemet, forteller Ramón.
Forarbeidet til opplæring av maskinlæringsmodeller er en viktig suksessfaktor. Man må først strukturere og analysere innsamlet data, og derigjennom forstå hva som er relevant og har en kvalitet som gjør at det vil fungere for maskinlæring.
– For å få til dette, trenger vi personer som kjenner fagfeltet til kunden, og således har intuisjon for hvilke data som påvirker prosessene. Tverrfaglighet en viktig del av det å jobbe med kunstig intelligens i Accenture. Vi ønsker å sette sammen team som består av personer med bakgrunn i
Tverrfaglighet en viktig del av det å jobbe med kunstig intelligens
Ramón Arellano
IT, matematikk og samfunnsvitenskap.
Utviklingen av kunstig intelligens har flere etiske dilemmaer. Her peker Ramón på samfunnsvitenskapelig kompetanse.
– Jeg opplever at samfunnsvitenskapen har mye å bidra med i de etiske refleksjonene rundt kunstig intelligens. Konkret er refleksjon rundt «selection bias», eller skjevhet i data, noe man finner igjen i alt fra psykologi til statsvitenskap. Mangfoldet er viktig for å få belyst problemstillingene fra flere sider. Accenture har et eget team som arbeider med «Responsible AI», og som i våre prosjekter sikrer at maskinlæring brukes på en etisk riktig måte.
– Det er viktig å ha respekt for teknologien. For unge teknologer er dette tiden og muligheten til å være med å legge rammene for hvordan man jobber med kunstig intelligens langt inn i fremtiden.
