Vägen till AI: En kom igång-guide för företag

Att globala techjättar som Google, Amazon, Facebook, och Spotify tjänar miljarder på sin data med AI är ingen hemlighet. Men hur kan företag som inte är ”tech first” förbättra affärerna med AI och egen data?

– Företag som inte är i ”tech first” förstår ofta inte vilken data de sitter på, eller vilket värde den har, säger Fredrik Olsson, senior forskare på RISE, som hjälper företag att komma igång med AI och utnyttja sin data bättre.

Data kan vara alltifrån loggar från webben, maskiner eller apparater till e-post, supportmeddelanden, chattar eller dokument. Den kan användas till att frigöra tid, effektivisera, och förbättra processer – och även till att skapa nya affärer.

För att komma igång med ett första AI-projekt på rätt sätt, och minska riskerna att pengarna slängs i sjön, gäller det att ha en effektiv strategi.

– Många ger sig in i AI av fel skäl. Man sätter igång med ett AI-projekt bara för sakens skull, av rädsla för att inte hänga med, och utgår då från frågan ”vad kan vi göra med vår data?”.

Första steget: Identifiera vad som är värt att lösa

Det första steget är, lite motsägelsefullt kanske, att avstå frestelsen att utgå ifrån den typ av data ni har tillgång till.

– Ta tag i en reell utmaning i er verksamhet i stället, så att det första AI-projektet tacklar ett riktigt problem. säger Fredrik Olsson. Då blir det värt något, och det blir naturligare att ge projektet en budget. Ställ frågor som: ”Vilka är smärtpunkterna i vår verksamhet?”, ”Var gör det ont på riktigt?”, ”Vad är viktigt att vi får löst?”.

Han ger några exempel:

• Kostsam support. Vissa supportfrågor hanteras av två-tre personer, eller bollas fram och tillbaka 3-4 gånger innan kunden är nöjd.
• Repetitiva rutinuppgifter. Varje vecka måste en medarbetare ägna tre timmar åt att gräva fram rätt information för att komma vidare.
• Avbrott i produktionen. Varje dag sker avbrott i tillverkningen på någon av alla fabriker runt om i världen. Det finns enorma mängder loggar på detta, men det är överväldigande att analysera dessa och se mönstren bakom problemen.
• Produktosäkerhet. Vilken produkt borde vi producera härnäst? Vilken har störst chans att lyckas?
• Kunskapsslöseri. Intern kunskap förs inte vidare. Vilka har kunskap om både 5G och energifrågor? Det tar evigheter att koppla rätt person till rätt kunskap internt.

– Ge gärna varje smärtpunkt en ungefärlig prislapp. Vad kostar det i pengar, arbetsstid och förlorade potentiella möjligheter?

Välja ett avgränsat projekt

När hemläxan att identifiera smärtpunkter är gjord kan arbetet med att hitta ett lämpligt första AI-projekt sätta igång. Här tar många företag hjälp av RISE.

– Tillsammans tittar vi på listan över smärtpunkterna, och försöker hitta något som är tillräckligt enkelt och avgränsat för att utföra på 4-12 månader. säger Fredrik Olsson. Vi vill undvika att man lägger 24 månader på ett stort projekt som inte blir så bra och som har kostat flera miljoner. Det är bättre att börja med något litet, för att riskminimera. Även i ett litet projekt lär man sig vad man kan göra med sin data, samtidigt som förtroendet byggs upp från båda sidor för större projekt senare. Med mindre projekt blir det också lättare att styra om, ifall det skulle behövas.

Att välja det här avgränsade startprojektet tar ofta några möten fram och tillbaka. Det måste få ta sin tid om man vill ha ett konkret resultat i projektet som kommer till praktisk nytta.

– Projektet innebär ofta att vi bygger en webbapplikation av något slag, eller gör ett konkret experiment med hjälp av företagets egen data. Vi vill att projektet mynnar ut i något konkret, och då är avgränsningen avgörande.

Finns användbar data eller måste den genereras?

Det är inte bara avgränsningen som tar en del tid i början av ett nytt projekt.

En viktig variabel som påverkar startprojektets natur är vilken data som finns att tillgå, relaterat till den smärtpunkt man vill ta sig an. AI behöver en stor mängd data, både för att träna upp sin intelligens, dra rätt sorts slutsatser och generera relevant texter, grafer och utföra olika typer av uppgifter.

– Vilken data finns, och är den i ett format som går att analysera? Exempelvis är chattar och e-postmeddelande lätt att jobba med, medan pdf:er ofta är väldigt svåra för datorer att förstå. säger Fredrik Olsson. Borde mer data loggas? Eller en annan typ av data?

I dessa inledande diskussioner görs också mer djupdykningar i olika aspekter av det problem som ska lösas.

– Diskussionerna om problemrymden brukar i sig självt vara värdefulla för företagen. De tvingas utforska viktiga frågeställningar som påskyndar deras verksamhetsutveckling.

Diskussionerna leder också till att företagen frågar gång på gång: ”Funkar det?”, ”Är det bättre att göra A eller B?”.

– Målet är förstås att hitta en väg framåt där man hittar en bra balans mellan nytta och insats.

Det krävs arbete för att implementera AI

Att ta hjälp av AI innebär också ett åtagande att ge datorn feedback löpande. När gör datorn rätt? När blir det fel?

– AI:n utvecklas av att den får feedback på vad den levererar, säger Fredrik Olsson.  Det är inte som att köpa in ett Office-paket. Det är en investering som behöver underhållas.

Till exempel kan det börja dyka upp oväntad snedvridning av data som innebär att AI:n gör märkliga slutsatser. En tågurspårning i Göteborg kanske leder till att många inkommande e-postmeddelanden plötsligt tar upp detta, men det i sig behöver ju inte betyda att Göteborg är mer intressant för kunder generellt sett.

– När man börjar jobba med AI behöver man ta höjd för att det kan krävas vissa ansträngningar också. Vi vill hjälpa företagen med att förstå vad de kan göra och inte göra med AI och sin data. Det finns inget bättre sätt att lyfta sin AI-kompetens än att sätta igång med ett första, litet, konkret AI-projekt.

– Det vanligaste är att vi börjar med att optimera ett befintligt flöde. Det är i samband med den processen som företagen upptäcker hur de kan börja tänka mer AI. Man tvingas tänka till ordentligt kring insamling och hantering av data, och blir på köpet bättre beställare och inköpare. Man börjar upptäcka att man med hjälp av AI skulle kunna omdefiniera hur man jobbar, eller till och med ”disrupta” sin nisch eller bransch, och skapa nya typer av erbjudanden. Det viktiga är att komma igång.