4 tips för att förbereda organisationen för AI

Alla pratar om AI. Anledningen är förmodligen att hypen den här gången är sann. AI kommer att i grunden förändra hur vi arbetar och gör affärer.

Artificiell Intelligens (AI) är inget nytt. Begreppet myntades redan för 60 år sedan och de underliggande teorierna om beräkningsbarhet och komplexitet är ännu äldre. Så varför pratar alla om AI just nu? För att just nu så realiseras AI i praktiken, på så många sätt och i så många former att vi nästan inte kan undgå att prata om AI. Först och främst möter vi olika AI-system i våra privata liv. Vi har bilar som understundom kör själva, robotar som hjälper oss förvalta våra pensionspengar och algoritmer som tipsar om nya böcker och ny musik som vi aldrig annars skulle veta att vi skulle tycka om. Vi kan inte riktigt säkert veta om den ”person” som svarar på våra frågor hos IT-supporten verkligen är en person, det kanske är en robot? Och är det en riktig läkare som bedömer våra röntgenbilder om vi har ont i magen eller knät? Är det kanske inte i själva verket en maskin? Spelar det egentligen någon roll – givet att den diagnos och vård vi får är relevant?

AI har blivit synligt för den breda allmänheten när maskiner plötsligt slår människor i olika spel, som Jeopardy, schack och Go, och när AI möter oss i vårt dagliga liv. Ska man vara helt ärlig så har inte allt detta hänt på bara några månader. I år är det 20 år sedan förre schackstormästaren Garry Kasparov fick stryk av en dator och Amazon har inte haft mänskliga redaktörer för att presentera sajtens innehåll på bästa sätt sedan 2002. Man har alltså haft robotar som fyllt sajten med innehåll i 15 år och hittills har ingen klagat.

Ändå har AI-äventyret knappt börjat. Det är när utvecklingen av ett antal viktiga tekniska faktorer sammanfaller som den verkliga potentialen för AI skapas. Dessa faktorer är Big Data och lagring och processande av data i molnet, avancerad analys, samt utvecklingen av olika kommunikationskanaler och medieplattformar (sociala nätverk, mobila system, Internet of Things et cetera). Vi har bara sett början på den här utvecklingen. Det innebär dock inte att en modern organisation har tid att vänta.

Frågan är inte om man ska investera i AI, utan vilket område man ska börja med – och det saknas inte områden att välja mellan. AI är numera en industri som enligt analysföretaget Markets & Markets beräknas vara värd över 5 miljarder dollar om bara några år. Det innebär också att AI är centralt inom en mängd olika delbranscher, med olika uppsättningar produkter för att lösa olika sorters problem för företag i olika branscher. I tabellen tidigare ser ni några av de viktigaste AI-relaterade områdena just nu.

The Age of AI

Det saknas sålunda inte AI-baserade produkter att välja mellan. Om man exempelvis arbetar inom handel så skulle man kunna välja mellan hälften av de åtta produktkategorierna i tabellen ovan (sammanställningen är gjord av analysföretaget Altimeter Group, 31 januari 2017: ”The Age of AI – How Artificial Intelligence Is Transforming Organizations”).

Det skulle ändå vara ett dåligt sätt att välja AI-projekt på. Gör istället så här:

  1. Ha en sund strategi när du väljer den data som ska driva AI-projektet – och var kritisk. AI drivs av stora mängder data, lär sig av data och utvecklas av data. Det betyder att det måste finnas stora mängder data, data måste vara lättillgänglig – men också att den måste vara av god kvalitet. Detta allra första steg i AI-resan innebär i praktiken att många organisationer behöver se över hela sin organisationsövergripande datastrategi. Varför är detta så viktigt? För att det helt enkelt riskerar att bli fel om den data som föder systemen är otillräcklig eller av dålig kvalitet. Det finns många exempel på detta. En genomgång av en populär databas med cirka en halv miljard ord från artiklar som publicerats på Google News, visade sig vara väldigt sexistisk och stereotypisk, exempelvis i fråga om vilka yrken som associeras med män respektive kvinnor.
    Det var inte alls bra, då den här databasen ofta används för att träna en rad olika AI-system – för maskinöversättning, rekommendationsmotorer för E-handelssajter, sökningar etc. En rekommendationsmotor som tränats med den här databasen skulle kunna undvika att rekommendera bilböcker till bilintresserade kvinnor. Den bästa datastrategin är att föda AI-systemen med så ”riktig” data som möjligt. Juridiska system ska födas med juridiska texter, skedeanmälningssystem med skadeanmälningar, medicinska system med journaler, recept och provsvar, och så vidare.
  2. Var praktisk. När man ser alla självkörande bilar och fiffiga sökalgoritmer så kan man bli frestad att ge sig på något stort och spännande för organisationens eget AI-projekt. Gör inte det. Tesla, Facebook, Amazon och Google är teknikbolag som lever på att tänja gränser och som konkurrerar med den mest avancerade tekniken. Det gör inte ett försäkringsbolag eller en resebyrå. Välj istället ett mycket smalare problemområde och allra helst inom ett område där ni redan finns. Om ni har ett call center med ett antal agenter, försök då att göra deras jobb lättare och öka produktiviteten genom att ge dem AI-stöd. Och återigen, se föregående punkt: välj ett område där ni har tillgång till data av hög kvalitet.
  3. Acceptera att AI kommer att förändra organisationen. Det finns undersökningar, exempelvis från Forrester Research, som säger att många jobb kommer ersättas med AI-system. Oxfordrapporten, som kom för några år sedan, rangordnade drygt 500 jobb efter hur troligt det var att de skulle försvinna. Det finns många sådana studier. Och en del jobb kommer antagligen att i stort sett försvinna. Det handlar framförallt om sysslor som att titta på och kategorisera bilder, sköta enklare kundärenden och andra repetitiva uppgifter.
  4. Ta kundernas integritetskrav på allvar. AI drivs som sagt av data och ofta är det data som skapats i någon sorts kundinteraktion. EU:s nya personadatalagstiftning, GDPR, som börjar gälla om ett år ställer höga krav på hur sådan data hanteras och enligt det nya regelverket kan de organisationer som exempelvis misslyckas med att skydda kunddata bötfällas med väldigt stora belopp. Det viktigaste är dock inte potentiella böter, utan att kundernas integritetskrav respekteras. Det enklaste sättet att sammanfatta en övergripande princip om hur AI-projekt bör organiseras i integritetshänseende är att ”aldrig göra någonting som skulle kunna resultera i en skandalartikel i Aftonbladet”. Det som gör att detta är enklare sagt än gjort är att det kräver en samordning och samsyn mellan en rad olika resurser och avdelningar inom organisationen – juridik, personal, marknad, sälj, utveckling, IT, et cetera. Styrning och regelefterlevnad av AI-system är också komplicerat, och då många koncept ännu är unga finns inte glasklara regler på det sätt som gäller för exempelvis kunddatabaser. Enligt GDPR ska en kund kunna raderas från organisationens samtliga databaser – men innebär det att kunden också ska raderas från det intryck han eller hon gjort på en algoritm? Kan man ens i efterhand avgöra något sådant?

Googles AI-framsteg

Utvecklingen inom AI går fruktansvärt fort och påverkar många verktyg, processer och tekniker som vi använder varje dag – de blir allt smartare, utan att vi kanske ens märker det. Ett sådant exempel är Googles översättningstjänst, Google Translate. Det är väldigt svårt att få en dator att göra en bra översättning från ett språk till ett annat. Det finns till och med ett särskilt måttsystem som används för att avgöra hur bra en maskinöversättning är – BLEU. Ett BLEU-värde på, säg 28, anses vara väldigt bra. Google Translates översättning mellan engelska och franska var fram till hösten 2016 ungefär på den här nivån.

Sedan bytte Google översättningsteknik och lade översättningen mellan engelska och franska på en ny sorts djupt lärande neuralt nätverk. Resultatet blev att BLEU-värdet ökade med 7 enheter. Över en natt ökade översättningarnas kvalitet mellan engelska och franska lika mycket som de tidigare utvecklats under hela Google Translates historia.

Google lägger nu över översättning mellan allt fler språkpar – ungefär 25 per år – på den nya AI-plattformen. Snart kommer vi att kunna få en närmast perfekt översättning mellan, säg, svenska och japanska genom Google Translate. Jag antar att nästa steg blir att integrera översättning i ordbehandlare och mejlsystem. Innan man sparar eller skickar dokumentet så väljer man vilket språk som ska användas, alternativt så översätts automatiskt alla mejl och dokument man får från utländska källor till svenska när man öppnar dem. Den grad av automation som plötsligt blir möjlig för världens alla skrivbordsarbetare är nästan omöjlig att förstå.

Maskinöversättning av god kvalitet kommer att revolutionera inte bara hur vi arbetar, utan hur vi tar in information och hur vi påverkar vår omvärld. Det kommer inte att vara svårare att kommunicera med en ryss än med sina barn.

Allt bättre hjälpmedel

Ungefär så ser framtiden ut för många av de AI-system som organisationer själva utvecklar. Den förändring vi kommer att se blir inte av den arten att en robot plötsligt sitter vid grannskrivbordet och jobbar dygnet runt utan att tröttna. Däremot kommer vi att få allt bättre hjälpmedel som gör våra jobb enklare och som dramatiskt kommer att öka vår produktivitet och kvaliteten på vårt arbete.

Slutligen några tankar om eventuella faror med AI. Många, inklusive kända datorpionjärer som Bill Gates och Ray Kurzweil och fysikoraklet Stephen Hawking, har på senare tid varnat för att AI-system kan komma att förgöra jorden. Det finns säkert sådana risker, liksom det finns risker med manuellt handhavande av farliga system som exempelvis kärnvapen. Jag avfärdar personligen domedagsprofetiorna om AI som jordens undergång.

Specifik uppgift

Dagens AI-system är av typen vi kallar svag AI – de utför en, och bara en, specifik uppgift. Det kan vara en mycket komplex uppgift som att exempelvis köra en bil och systemet kan bli bättre och bättre på att utföra den uppgiften. Men Googles AI som ju är så bra på att spela Go kan inte också spela Fia med knuff och definitivt inte förgöra världen. Djupa neurala nätverk som ligger till grunden för majoriteten av dagens AI-system, lär sig från den data som systemet tränas med, och bara från den datan. Algoritmer är inte kreativa eller innovativa, de har inget sunt förnuft, de har ingen subjektiv syn på omvärlden och de kan inte utföra oberoende problemlösning. ”The student is only as good as its teacher”, som man brukar säga.

Ett litet barn lär sig däremot på en sekund exempelvis vad en katt är och känner omedelbart igen en annan katt som just en katt – även om de aldrig träffats tidigare. Än så länge är människan överlägsen maskinen.

Några av de viktigaste AI-relaterade områdena just nu

Produkt/teknikPotentiellt värdeRelevant för bransch
Augmented RealityVirtuell shopping, 3D-kartor, översättning, insikt om kanalberoende & interaktion mellan olika kanaler (handel, reklam)Turism, flyg, handel
Chatbots & Intelligent AgentsKundtjänst och kundupplevelse, personlig produktivitet, Knowledge ManagementKonsumentelektronik, turism, handel, skönhetsbranschen, försäljning till företag, juridiska tjänster
Driverless Cars & DronesLogistik, transport, säkerhet, kvalitetskontrollTransport och logistik, energi (olja, gas, et cetera), tillverkning, säkerhet
Imaging (Computer Vision)Virtuell diagnostik, varumärkesvård, kvalitetskontrollLäkemedel, hälso- och sjukvård, tillverkning, arkitektur och stadsplanering, handel, livsmedel, säkerhet
Machine Translation & Natural Language ProcessingSpråköversättning, läsa och tolka ostrukturerad data samt konvertering av detta till strukturerad dataDigital marknadsföring, kundupplevelse, sjukvård (analys av journaldata), turism, Content Management, Risk Management, juridiska tjänster, säkerhet och skydd
News FeedsVälja och rekommendera innehåll, öka engagemang och publikMedia, reklam, säljbolag
Robots & RoboticsAutomatisera manuella processerSäkerhet, smarta hem, individanpassade läkemedel, tillverkning, transport & logistik
Virtual RealityTelekonferenser, spel, underhållning, skapa virtuella upplevelserHandel, spel, media, underhållning, läkemedel, tillverkning