Hanna Nordenö
Designer
Kontakta HannaJosefina Sallén och Hanna Nordenö tog en pratstund med Pontus Wärnestål om hur AI kan påverka i den cirkulära omställningen. Pontus är en forskare med 20 års arbetslivserfarenhet inom User Experience, Service Design och människocentrerad AI. Han är författare till bland annat "Design av AI-drivna tjänster" (Studentlitteratur, 2021).
Hur kan AI bidra till övergången mot cirkulära affärsmodeller?
I grunden är dagens AI bra på att förutsäga saker, så kallad prediktion. Datadriven prediktion utgör basen för all maskininlärning. Vad är det bra för? Jo, om du kan förutsäga saker som behov, tillgång, efterfrågan eller vad människor uppskattar kan det påverka dina affärsmodeller i både stort och smått. Genom att utgå ifrån insikter om hur något används kan vi designa produkter och tjänster som håller och används längre. AI kan också hjälpa till "backstage" genom att minska kostnader, minska avfall och optimera arbetsflöden och logistik internt. Istället för att massproducera kan du i större utsträckning anpassa och personalisera produkter för varje kund. AI kan även föreslå samarbeten mellan olika aktörer, där någons avfall blir en annans resurs – detta kan också påverka affärsmodellerna.
Hur stor roll spelar datan?
Data är bränslet för all maskininlärning. Du behöver rätt data med så hög kvalitet som möligt. Ofta hör vi att man behöver otroligt mycket data – men med rätt kvalitet i en tillräckligt smalt och väldefinierat användsningsområde kan man klara sig på mindre data än man kanske tror!
Var i ett företag kan man applicera AI-baserade tjänster för att främja cirkularitet?
Design och tillverkning
AI kan hjälpa en produktdesigner identifiera vad som är det som kommer gå sönder först. Kopplat till beteendeperspektivet kan vi designa så männniskor vill använda en produkt under lång tid så att den håller i den miljön det ska användas i. Beteendedata kan ge insikter om användningsmönster som kan bidra till en mer hållbar design. Det går att göra tusentals snabba simuleringar där AI kan hitta mönster som vi människor inte ens ser.
Take back- program
Det går att förutse vilka material som flödar mellan olika aktörer och på så sätt se möjligheter för olika take back-program. Med hjälp av prediktion och analys av kundens tidigare köphistorik kan man sätta upp personliga rekommendationer för second hand-köp. En sådan tjänst kan föreslå produkter som är liknande de som kunden tidigare har köpt eller visa andra relevanta erbjudanden. Detta förbättrar kundupplevelsen och stärker kundlojaliteten.
Uthyrningstjänster
Prediktion kan också hjälpa till när en person behöver något och då erbjuda att hyra ut en produkt – kanske till och med innan personen behöver be om det själv. Genom att använda prediktion kan uthyrningstjänster också förutsäga när en produkt behöver repareras eller fräschas upp (så kallad "predictive maintenance"). AI kan analysera användningsmönster, slitage och andra faktorer för att identifiera när underhållsåtgärder behövs, vilket hjälper till att förlänga produktens livslängd och minska kostnaderna för utbyte. AI kan också användas för att adaptiv prissättning och till exempel uppdatera priset för uthyrning i realtid baserat på produktens aktuella skick. Ju mer produkten används och slits, desto mer prisreduktion kan tillämpas. Detta gör att kunder alltid får ett rättvist pris i förhållande till produktens kvalitet och användning.
Vilken kompetens behövs för att AI ska kunna bidra i den cirkulära omställningen?
Anlita en person med kompetens inom dessa tre områden: design (gärna system thinking), cirkularitet och AI. Om det inte finns en person med den samlade kompetensen (vilket det finns en stor brist på idag) så behöver du bygga upp ett team där de olika kompetenserna kan samarbeta. Genom att utgå ifrån en människocentrerad designprocess och anpassa den efter dina behov kan du komma långt vad gäller både beteendeinsikt och teknikutveckling. Se på AI som ett designmaterial som ni har tillgång till. Jag jobbar på att göra AI-teknologier mer tillgängliga och värdeskapande. Det kräver förstås inte bara teknisk kunskap, utan också en förståelse för hur teknologin kan samverka med människan. Min senaste bok handlar om hur man designar AI-drivna tjänster där upplevelse och nytta för människan står i centrum.
Vad finns det för risker?
Viktigt att tänka på rebound-effekter. Personalisering kan göra att människor vill konsumera ännu mer på ett ohållbart sätt. Ett annat exempel är systemeffekter av exempelvis åktjänster där människor kan få skjuts på begäran. Dessutom behöver vi, särskilt när det gäller de nya stora AI-modellerna, även titta på hur mycket energi och vatten som används. Hållbarhet är ju större än bara cirkularitet, så en risk kan ju också vara att man lite för enögt bara tar sig an cirkulära affärsmodeller och inte fokuserar på hållbarhet som helhet.