Registrera dig och få ut ytterligare av mognadstestet genom best practice-jämförelse och rekommendationer! Om du också fyller i bokkoden får du tillgång till fler case och övningar.
Guide: Grunderna i artificiell intelligens för företag
Syfte: Förstå vad artificiell intelligens är, dess historik och tillämpningsområden för företag och organisationer.
Om guiden: Det här inlägget är inspirerat av Susan Etlinger på Altimeter och hennes rapport AIs ålder – hur artificiell intelligens omvandlar organisationer. Den har också granskats av Fredrik Heintz och Mats Lewan.
Idén om att på maskinell väg skapa intelligens är inte ny, redan på 50-talet startades forskning på området och begreppet artificiell intelligens (AI) myntades 1956 av John McCarthy som senare blev professor på Stanford. Därefter har AI-forskningen gått i vågor där vissa genombrott nått de bredare lagren av befolkningen, exempelvis som när IBMs superdator Deep Blue 1997 besegrade den regerande världsmästare i schack Garry Kasparov.
De senaste åren har buzzen kring AI exploderat, delvis pådrivet av att vi har fått en hel del konsumenttjänster som skapar verklig och lättförståelig nytta, tex. virtuella assistenter som Amazons Alexa, Microsofts Cortana eller Apples Siri. Spekulationerna kring när AI blir smartare än människan och når superintelligens och vad som då kommer att ske spär på snacket, och oron. Rubrikerna kring hur automatisering och AI riskerar att ta våra jobb är även det en högst levande diskussion som bär prägel av en tydlig hotbild som sker i kölvattnet av AIs framväxt.
Men låt oss för nu bortse från det som vi fortsatt vet lite om, det vill säga om AI öppnar porten till himlen eller helvetet och istället se på vad som redan idag sker och vilka frågor och tillämpningar som är viktiga för företag och organisationer.
AI kan alltså kort definieras som intelligens som maskiner uppvisar och det som gör att AI nu tar stora kliv är bland annat tillgängligheten av big data, billigare dataprocessering och att vi har blivit bättre på att skapa algoritmer. Området delas in i två huvudfåror, smal AI och generell AI. Generell AI är den som ligger närmast den mänskliga intelligensen där en dator kan användas till att lösa intellektuella uppgifter oavsett område. Här har vi inte kommit så långt idag utan där vi redan idag kan skapa värde är inom smal AI, den som tillämpas inom mer avgränsade områden. Tre vanliga områden av specifik AI är följande:
Genom att samla in data från någon eller några av dessa områden kan därefter datorer exempelvis genom så kallad maskininlärning klassificera data, förutse resultat samt lära sig nytt samt självprogrammera sina algoritmer så att de hela tiden förbättras. Just den självlärande kognitiva förmågan är också central i AI.
De tre områdena kan fungera var för sig eller kombineras. Alla tre områden kombineras exempelvis för att få självkörande fordon att fungera.
Självlärandet är alltså en grund i artificiell intelligens och för att kunna lära sig behövs data. Det medför också att research- och produktfaser som ofta varit separerade allt oftare blandas då produkten behöver riktig data för att kunna lära sig. Det är också därför vi ibland kan råka ut för märkliga och ibland obehagliga resultat. Microsofts Twitterrobot Tay fick efter endast 16 timmar stängas ned då Tay blev allt mer rasistisk på grund av nättroll som interagerade med Tay.
Möjligheterna med AI är per definition i det närmaste obegränsade och idag ser vi bland annat hur försäkringsbolag använder AI som skadereglerare, hur kommuner använder AI för att administrera försörjningsstöd och mjukvarubaserade företag som lägger AI i grunden av många av deras tjänster. AI kan och kommer att påverka i det närmaste alla discipliner i en verksamhet: research/innovation, produktion, marknadsföring/försäljning, distribution/logistik, kundtjänst för att nämna några och alla branscher kommer att påverkas. Här är några exempel:
Försök hitta användningsområden där affärsnyttan skulle vara stor och där ni kan börja smått för att därefter växa i takt med att kunskap och förtroende i organisationen ökar. Kanske passar det er att börja internt först för att lära er, exempelvis för att effektivisera en manuell process? Eller så kanske ni tydligt ser ett värde i en tjänst riktat mot era målgrupper? Oavsett väg finns det många leverantörer som kan hjälpa till och bolag som Microsoft, Oracle, Google och IBM har AI-plattformar som AI-tjänster utvecklas ovanpå. Konsulter kan kosta mycket pengar och att bygga egen AI-kompetens kommer bli allt viktigare. Med tanke på att det redan idag finns många tjänster att tillgå gratis eller till en liten penning är egen kompetens ett handlingsalternativ som också bör beaktas.
Att förstå vilka uppgifter som kan automatiseras med hjälp av AI och hur det påverkar dagens och morgondagens medarbetare är också av yttersta vikt. Lika viktigt är att förstå vilka uppgifter som AI inte kan utföra. Genom att besvara det kommer ni också få större förståelse för vad människor skall göra i takt med att AI frigör tid och mänsklig kraft. Sammantaget kan en proaktiv arbetsgivare spela stor roll inte bara för företaget utan för individuella medarbetare och deras möjlighet att ställa om och vara relevanta yrkesarbetare även imorgon.
Slutligen, AI kommer påverka det mesta inom våra verksamheter och precis som för big data behövs insikten att data är en växande tillgång där de som bäst förmår att samla in och analysera data har stora chanser att bli vinnare. De som däremot inte hänger med riskerar att sacka efter, så se till agera förr snarare än senare.
Hur King blev kungar på dataanalys
Så här kommer du igång med dataanalys
