Tidligere var det nødvendig med en relativt stor investering i fysisk maskinvare for å få nok datakraft til å behandle de store datamengdene. I dag kan de samme beregningene utføres av f.eks. å starte en cloud service, gjøre beregninger og slå den av igjen, og bare betale for tjenesten mens den har blitt brukt. Denne trenden kalles Commoditized AI. AI-teknologier er dermed blitt mer tilgjengelige og datamengdene øker stadig.
AI kan føre til konkrete besparelser ved å for eksempel velge riktig handling i en saksbehandling. Det kan også være å velge de mest aktuelle temaene for stikkontroll eller kanskje å avsløre risikoen for å finne funksjoner i tidligere påståtte situasjoner. Din virksomhet kan også sikre fremtidige gevinster ved å bygge opp ferdigheter og forståelse av AI-disiplinen tidlig i prosessen.
Hvor kan AI virkelig brukes?
Når du oppdager områder i virksomheten din der AI kan skape verdier, bør du vurdere hva AI virkelig kan bidra med. Noen av de mest åpenbare fordelene med AI er de enorme effektivitetsgevinstene som ligger i automatisering av beregninger. Beregninger som tidligere var mer manuelle eller ikke mulig i det hele tatt å gjøre med manuelt arbeid. AI kan benytte data for å forutsi fremtiden på en måte som vi mennesker aldri noen gang vil kunne gjøre.
Guide: Slik kommer du i gang med AI
Så hvor er det fornuftig å starte med AI?
Det er særlig tre områder i virksomheter du bør fokusere på når du starter på din AI-reise:
Der skoen trykker
Det tilfører stor verdi å optimalisere effektiviteten og hastigheten til ressurskrevende ytelser. Det er også nærliggende å starte med tjenester som er under press, i håp om å øke hastigheten.
Der hvor handlinger gjentas
AI har et stort potensiale innen automatisering, beslutningsstøtte og robotteknologi. Med AI kan du for eksempel automatisk klassifisere bilder og tekstdokumenter. Du kan også automatisk forstå innholdet i online feedback og herfra hel- eller semi-automatisk behandle henvendelsene.
Der hendeler kan predikeres
AI gir muligheten til å predikere fremtidige hendelser basert på komplekse datasammenhenger. Man kan få spørsmål som; Hvilket firma oppfører seg unormalt og bør få til tilsynsbesøk? Hva vil innbyggerne som står i telefonkøen mest sannsynlig spørre om?
Enten du er teknisk eller ikke, det er lett å bli revet med. Når du ønsker å finne relevante områder å implementere AI på, må du jobbe med en klar definisjon av problemet du ønsker å løse. Hvis du ikke jobber med en klar definisjon, er det lett å gå seg vill i AI-universet og bli imponert over mange veldig komplekse AI-løsninger, selv om en enklere tilnærming ville vært bedre for din virksomhet.
Les mer: AI-ordboken: Avmystifisering av AI-begreper
Fallgruver
Hvis du ikke har en klar og realistisk definisjon av hva du prøver å løse, finnes det spesielt to store fallgruver for AI-prosjektet:
- Prosjektet kan være så stort og avansert at du aldri blir ferdig
- Prosjektet passer ikke lenger det virksomheten trenger, og det er ikke lenger relevant for andre enn de som har laget det
Derfor er det viktig å starte i det små, raskt teste ideen din og få den testet i virksomheten. Derfra kan man alltid utvide og bygge videre på løsningen senere. Når det er sagt, er det bare fantasien som setter grensene, og det finnes uendelige muligheter med AI. Hvem hadde for eksempel tidligere regnet med at vi kunne gå gjennom en flyplass med bare ansiktet som ID?
Nå kjører AI-toget!
Når du har vurdert både omfanget og størrelsen på prosjektet, kan det fremdeles virke som en stor munnfull å ta inn over seg. Selv om det vil ta noen måneder før man ser verdier av AI-investeringen, bør det alltid holdes opp mot hva det vil koste deg i det lange løp hvis du ikke gjør det. Ikke bare hva det koster å få en person til å gjøre en manuell oppgave som AI kunne ha løst, men også hva det koster virksomheten din hvis du ikke når dine mål og forventninger.
Les mer: 5 ting du må ha med i din AI-strategi
Proof of Concept (PoC) – Test og vurdering av virksomhetsens modenhet
Det anbefales å alltid starte med en Proof of Concept (PoC). Finn en liten, men fortsatt forretningsrelevant, hypotese som kan testes. PoC-tilnærmingen har flere fordeler: Den gir ledelsesforankring og bidrar til å bygge tillit og forståelse for hva man kan gjøre med AI. Noe som kommer godt med i senere prosjekter. En PoC gir også den første opplevelsen med kvalitetssikre data og forståelse av hvor komplisert IT-oppsett man jobber i, noe som også utgjør et godt grunnlag for senere prosjekter. Det bør utpekes en ansvarlig person for deres PoC, som sikrer forankring og dialog.
AI-prosjekter er basert på komplekse algoritmer hvor du ikke alltid vet hvilke resultater du får før du starter, samt IT-systemer som ofte må utvides for det spesifikke prosjektet. En PoC vil ta deg naturlig gjennom de ovennevnte byggesteinene, samtidig som du kan teste forskjellige løsninger før du tar de store beslutningene.
Når du lager en PoC, er det viktig å huske at en PoC ikke er et prosjekt. En PoC er et bevis på at en idé har potensial i den virkelige verden – den representerer en mulighet, ikke en faktisk leveranse.
Spesifikt kan en PoC hjelpe deg å prøve ut forskjellige metodologiske alternativer på en mindre datamengde for å se hvilke resultater som fungerer i virksomheten din og på dataene dine.
Guide: Slik kommer du i gang med AI
Mange selskaper er usikre på hvordan de kan komme i gang med AI. Å faktisk starte prosessen kan virke skremmende, for hva trenger du egentlig og hvor du skal starte? Det finnes store verdier i AI for alle virksomheter og organisasjoner. Spørsmålet er hvor og hvordan.
