Mener maskinlæring i forretningssystemer vil være den virkelige AI-revolusjonen

I dag benytter sluttbrukere som bruker finansiell programvare rundt 80 prosent av tiden sin til enkle og repetitive oppgaver som gjerne kunne vært automatisert. Kunstig intelligens (AI) og maskinlæring vil gjøre det mulig å frigjøre ressurser slik at ansatte heller kan bruke tiden på strategisk arbeid som er viktigere for kjernevirksomheten, skriver analysebyrået IDC i en fersk rapport.

Maskinlæring finner nå veien inn i stadig flere forretningsapplikasjoner, og blant andre SAP og Oracle har gjort investeringer innenfor AI-området.

God AI i forretningssystemer krever skybaserte løsninger

Det er først nå som forretningsapplikasjoner har blitt tilgjengelig som skybaserte løsninger at velfungerende maskinlæring har blitt mulig. Årsaken er at det kreves store datamengder når man skal trene en maskinlæringsmodell til å bli god. Kjører man en applikasjon på egne servere på huset («on premise») vil man ikke ha nok treningsdata til at man kan lage god maskinlæring, forteller Tore Bjelland, administrerende direktør i Oracle Norge.

Bjelland sier til digi.no at man ved å trene maskinlæringsmodellene med data fra tusener, kanskje hundretusener, av kunder verden over kan få AI i forretningssystemer til å fungere veldig bra.

– Den store endringen for Oracle nå ligger i AI, i maskinlæring og den utviklingen som skjer på applikasjonssiden. Alle standard forretningsapplikasjoner som leveres som en tjeneste om 5-6-7 år vil være basert på automatisering ved hjelp av AI, og de vil være langt bedre enn det vi kunne hatt i en on-premise-verden.

Det viktigste i tiden fremover vil bli den forretningsmessige transformasjonen, og den skjer ved at applikasjonene som før var on-premise blir tilgjengelige som en tjeneste, mener han.

Analyseselskapet Gartner er enig – og mener at mange er opptatt av skytjenester fra et feil perspektiv, og i praksis bare legger applikasjoner som før var on-premise ut i skyen. Men så er det i prinsippet akkurat de samme løsningene som kjører i skyen, bare at de driftes av noen andre. Datasentere som ikke tar i bruk AI og maskinlæring på en effektiv måte vil gå dukken, skal vi tro Gartner.

«Innen 2020 vil innebygget AI bli en nøkkelfaktor som differensierer finansielle systemer», skriver Gartner i en rapport. Selskapet skriver videre at mange produsenter allerede har tatt i bruk enkelte AI-funksjoner i sine løsninger, men at det veldig ofte handler om chatboter og virtuelle assistenter – altså mer en slags utvidet brukerveiledning. Denne typen funksjonalitet har imidlertid ikke så stor nytteverdi for de som allerede kan bruke løsningene.

Baserer seg på åpen kildekode for «verktøykassen»

Bjelland i Oracle forteller at når mange snakker om AI og maskinlæring, så snakker de om det han kaller «verktøykassen» – som er de løsningene, API-ene og så videre som man kan bruke for å bygge egne løsninger rundt. Det kan for eksempel være API-er som gjør det mulig å lage chat-boter, gjøre ansikts- eller stemmegjenkjenning, og så videre.

Denne typen verktøy leverer også Oracle som en tjeneste, men selskapet mener det ikke er der de kan differensiere seg. Det er heller ikke AI på dette nivået som kommer til å bli den virkelige revolusjonen i årene fremover. I stedet for å lage en egen AI-verktøykasse som skal konkurrere med for eksempel Googles eller IBMs AI-løsninger, så setter heller selskapet sammen den beste pakken basert på open source-løsninger. Det er denne verktøykassen som uansett kommer til å være best, mener Bjelland.

– I stedet for å lage den selv, er vi med på å utvikle den videre og levere tilbake til open source-miljøene. Da kan vi tilby det som en «managed service» på vår plattform.

Naci Akkøk er nordisk sjefsarkitekt i Oracle, og har maskinlæring som spesialfelt. Han forteller at verktøykassen – utviklingsverktøyene for AI – fra Oracle inneholder en rekke biblioteker og verktøy, samt maskinlæringsrammeverkene Theano, Keras og Tensorflow. Sistnevnte er utviklet av Google, og utgitt som åpen kildekode i 2015. Oracle er ett av selskapene som nå bidrar tilbake til Tensorflow.

– Dette er verktøy for å bygge løsninger innenfor kunstig intelligens. Det er spikere og hammere.

Akkøk forteller at løsningen likevel er mer enn bare frittstående åpen kildekode-verktøy, men at det er pakket sammen, optimalisert og tilpasset. Inne på Oracles datasentere bruker de også GPU-er for å sikre god ytelse.

Den virkelige revolusjonen vil foregå på applikasjonslaget

På nivået over verktøyene ligger det Oracle kaller intelligente plattformer, hvor blant annet intelligente databaser som «tuner» seg selv basert på bruksmønstre inngår. Ett eksempel er at Oracle i påsken lanserte Oracle Autonomous Database som en skytjeneste. Dette skal ifølge Oracle være verdens første selvkjørende, selvsikrende og selv-reparerende database-skytjeneste.

Løsningen har fått navnet Oracle Autonomous Data Warehouse Cloud, og bygger på maskinlæring. Den nye skybaserte løsningen vil ha de samme mulighetene som «on-premise»-løsningen, men skal altså ikke kreve menneskelig tilsyn eller inngripen.

Også innenfor sikkerhet benyttes maskinlæring.

– Når det gjelder sikkerhet er det ikke lenger menneske mot maskin, men maskin mot maskin. Du har ikke tid til å finne ut at noen angriper deg, for det er en maskin som angriper deg hele tiden. Vi har derfor AI og maskinlæring som forstår og kjenner mønstre og beskytter deg, sier Akkøk.

Likevel – det er på nivået over dette igjen, på applikasjonsnivået, at den virkelige revolusjonen innenfor AI vil foregå, skal vi tro Oracle.

Da snakker vi om at skybaserte applikasjoner vil ha innebygget kunstig intelligens, hvor maskinlæringsmodellene trenes med data fra tusenvis av kunder slik at applikasjonene kan automatisere oppgaver og gi råd.

– Standard applikasjoner, for eksempel til regnskap, det må alle ha. De skal være mest mulig effektive, slik at du kan bruke mest mulig av pengene på kjernevirksomheten. Jo bedre de blir, og jo mer de gjør jobben for deg, jo bedre er det, sier Bjelland.

Oracle snakker om det de kaller «Adaptive Intelligent Applications», som innebærer at AI og maskinlæring er bygget inn i applikasjonene. Systemet prosesserer enorme mengder data i sanntid, og vil også forutse hva brukeren skal gjøre og gi anbefalinger underveis. Anbefalingene vil hele tiden forbedres etter hvert som maskinlæringsmodellene trenes med mer data fra brukere verden over.

En av løsningene som har fått innebygget maskinlæring er CRM-løsningen Oracle CX Cloud (Customer Experience), som nettopp ble lansert i en ny versjon. Her har AI fått en sentral rolle, ved at løsningen automatisk vil lære over tid basert på data fra et stort antall kunder som brukes til å trene maskinlæringsmodeller, slik at CRM-systemet kan gi råd og anbefalinger.

Maskinlæring er også tatt i bruk i Oracles ERP-systemer, og ifølge Akkøk vil systemet bli mer intelligent over tid. Du kan for eksempel bli varslet om ansatte som står i fare for å slutte, eller bli varslet på forhånd om sykefravær, og så videre. Andre eksempler på bruk av AI i Oracles systemer er HR-systemet Oracle HCM, hvor man automatisk kan finne CV-er som matcher bestemte jobber.

Ikke uten utfordringer

AI i forretningsapplikasjoner er imidlertid ikke helt uten utfordringer. Ett problem som mange i bransjen snakker om, er at kunstig intelligens er som en «svart boks» som gir deg et svar – uten at du vet hvordan den har kommet frem til svaret.

«Denne mangelen på transparens innen enkelte finansielle applikasjoner med AI gjør at det er vanskelig for ansatte å stole på systemet», skriver IDC i sin rapport.

Også Microsoft bygger inn kunstig intelligens i sin programvare. David Heiner i Microsoft jobber med blant annet problemstillinger knyttet til etikk og AI. Da vi møtte han hos Microsoft i Redmond tidligere i år advarte han mot at man kan risikere å trene opp maskinlæringsmodeller med data med de samme fordommene som vi mennesker ofte kan ha. Dermed kan du risikere at den kunstige intelligensen tar feil beslutninger.

– Hvis man ikke har adekvate data som reflekterer samfunnet, kan du få resultater som ikke er rettferdige, sa Heiner.

Microsoft har derfor etablert en egen arbeidsgruppe som jobber med å se på de sosiale konsekvensene av AI, maskinlæring, stordataanalyse og maskinlæring. Målet er å bygge maskinlæringsløsninger som også tar hensyn til de etiske problemstillingene ved teknologien. Det jobbes også med å lage AI-løsninger som kan forklare hvorfor systemet har kommet frem til en bestemt beslutning.