Executive Briefing: Er kunstig intelligens luftig snak eller en game changer?

Det er med kunstig intelligens (AI) i erhvervslivet som med bysladderen i de gamle bysamfund. Der bliver talt meget. Ikke alt, hvad der bliver sagt, er korrekt. Alligevel ved alle, at der er noget om snakken.

Lyt til denne executive briefing her:

De store konsulenthuse er nogle af dem, der taler allermest om det, og den får typisk ikke for lidt. Ifølge konsulenthusene McKinsey & Company og PwC kommer kunstig intelligens med sit ‘enorme potentiale’ til at ændre vores måde at drive virksomhed på og vil i fremtiden bidrage med et plus i den globale økonomi på mellem 87 og 104 tusinde milliarder kroner.

Nogle af verdens førende eksperter på området placerer sågar kunstig intelligens blandt verdenshistoriens mest afgørende paradigmeskift.

»Ligesom udbredelsen af elektricitet for 100 år siden har AI en overraskende kraft til at transformere alle sektorer,« har Andrew Ng, der bl.a. har stået forrest i Googles AI-satsning, Google Brain, sagt i en podcast hos Financial Times.

Men samtidig med at alverdens teknologievangelister prædiker om fortræffelighederne ved kunstig intelligens, er der fortsat et stykke vej, før teknologien for alvor vrister sig fri af Powerpoint-præsentationernes løfter og stempler ind i virksomhedernes virkelighed. Det gælder ikke mindst for de små og mellemstore virksomheder.

En undersøgelse fra revisionsvirksomheden BDO viser, at danske SMV’ers investeringer i digitalisering og automatisering er stagneret. To ud af tre forventer således at fastholde et uændret investeringsniveau. Når de danske virksomheder endelig kommer i gang, er det som oftest med digitalisering af administrative rutiner og ikke ved hjælp af de nyere avancerede teknologier som f.eks. kunstig intelligens.

Ifølge Teknologisk Institut er kun 6 procent af de danske fremstillingsvirksomheder i gang med at arbejde med kunstig intelligens, og halvdelen mener ikke, at det er relevant for dem i den nærmeste fremtid. Det betyder ifølge McKinsey & Company, at Danmark halter efter lande, vi normalt sammenligner os med såsom Finland og Sverige.  

Forklaringen er i høj grad begrebsforvirring og måske et lidt for vidtløftigt billede af, hvad teknologierne egentlig kan. I denne Executive Briefing går vi på Tech Management tæt på fænomenet kunstig intelligens og teknologierne bag for at give dig et fyldigt billede af, hvor moden teknologien er, hvad den kommer til at betyde for erhvervslivet, og hvilke risici man skal være særligt opmærksom på.  

Musklerne er der

Som det var med sladderen omkring gadekæret, er det en god idé at finde tilbage dertil, hvor rygtet har sit udspring, for at finde ud af, hvorfor alle i landsbyen pludselig taler om møllerens datter.

Sådan er det også med kunstig intelligens. Det er ikke tilfældigt, at det netop er i disse år, at opmærksomheden er heftig, hvad angår teknologierne bag kunstig intelligens. Det skyldes bl.a., at computernes siliciumskabte muskler nu leverer regnekraft stærk nok til, at det er muligt at processere enorme mængder af data, lede efter systematik og træffe beslutninger på baggrund af algoritmer.

Teknisk kan udviklingen tilbageføres til Moores lov, der allerede i 1965 udstak en eksponentiel prognose for, hvordan computerkraft i fremtiden ville øges med enorm hast. I mange år holdt loven stik, men nu ser farten på udviklingen ud til at være nået op i et tempo, der får verdens chipproducenter til at diskutere, om det er muligt fortsat at forvente en hurtigere og hurtigere udvikling qua den eksponentielle prognose.

Sponseret indhold

Uden de 4 år på skolebænken havde jeg aldrig turdet

Ledelse

Ikke desto mindre er der stadig fart på. Kombinerer man det med, at man i dag ikke er begrænset af selv at skulle have en supercomputer i kælderen, men i stedet kan trække på kræfter fra cloud-teknologien leveret af giganter som Google og Amazon, åbner det for alvor mulighederne for, at kunstig intelligens kan blive et værktøj uden for forskningsmiljøerne og de store virksomheders forsøgscentre.    

Men hvad kan kunstig intelligens egentlig gøre for en mellemstor virksomhed i Danmark?

Grundlæggende er disciplinen den samme, som da man før i tiden købte bedre maskiner til produktionen eller lagde produktionsfaciliteter sammen, fortæller Mikael Munck, stifter af virksomheden 2021.AI, der har specialiseret sig i kunstig intelligens.

»Det kan godt være, at det er komplekst, men det er blot et spørgsmål om optimering. Det er ikke anderledes end alt muligt andet,« siger han.

»For mig er AI et spørgsmål om at mindske spild. Spild af tid, man bruger på noget, man slet ikke behøver; ressourcer såsom mennesker eller penge. Det er hele tiden et spørgsmål om at gøre tingene smartere,« siger Mikael Munck, der har en fortid som it-chef hos Saxo Bank.

Sammenligningen med et hurtigere samlebånd eller anden fysisk produktionsoptimering er ikke helt ved siden af. Og selvom de danske virksomheder teknologisk har flyttet sig mange mil, siden P.S Krøyer malede sit berømte maleri af jernstøberiet på skibsværftet Burmeister & Wain, er der fortsat masser af muligheder for løbende optimering. Men hvor optimeringen af den fysiske produktion som oftest ses legemliggjort af roterende robotarme, foregår arbejdet med kunstig intelligens usynligt og stille.

I det stille tygger algoritmer og modeller nemlig løs på data, billedfiler, e-mails, og hvad man ellers fodrer dem med. De teknologiske muskler gør det muligt at processere store mængder data og dermed give de regnemodeller, der har reelt har været kendt siden 1980’erne, flyvehøjde.  For selv om alle nu taler om kunstig intelligens, er tankerne bag slet ikke nye.

Et langt og bumpet tilløb

Når man lytter til konsulentkoret, er det ellers let at blive lullet ind i en tro på, at den tid, vi lever i, er helt speciel. Det er også korrekt, at en række teknologiske omstændigheder netop nu falder i hak – overflod af computerkraft og ‘billig’ opbevaring af data – hvilket alt sammen er med til at skabe gode betingelser for at køre projekter med kunstig intelligens. Men eksperter på området har i mange år

teoretisk kunnet opstille modeller, der bare krævede meget mere computerkraft, end der var tilgængelig.

I virkeligheden bygger udviklingen på en drøm, som ligger dybt hos os mennesker. I årtusinder har vi fantaseret om at blive i stand til at skabe et kunstigt intelligent væsen, og historien er fuld af myter om golem-skabninger eller statuer, der vækkes til live og træder ud i menneskenes verden. Det var dog først i efterkrigstiden, at der lidt mere teoretisk blev sat formel på menneskets skabertrang.

Udviklingen blev som så meget andet i det 20. århundredes efterkrigstid drevet af rivaliseringen mellem verdens to magtpoler under den kolde krig. I USA var man betaget af tanken om lynhurtigt at kunne oversætte fra russisk til engelsk, så det vakte glæde, da IBM i 1954 kunne præsentere en mekanisk oversætter, der dog kæmpede sig vej gennem det russiske sprog med blot 250 ord i hukommelsen.

Sponseret indhold

Flair for matematik og ingeniørvidenskab har bragt Katrine ind i Natos tekniske netværk

Militær

Efter tre årtier med opblomstringer og teknologiske vintre fik teknologien for alvor fat i 1990’erne, hvor selvsamme IBM nu kunne præsentere en computer, der var i stand til at slå den eks-sovjetiske stormester i skak Garry Kasparov. Eksemplet med skakkampen er ikoniseret, men i og omkring skakkampen findes der en række eksempler på, at man nu var i stand til at drive det langt med den på det tidspunkt fremskredne computerkraft.

Den svære virkelighed

Nu er kunstig intelligens på alles læber, og eksemplerne på, hvor det fungerer, er meget mere prosaiske, end de kanoniserede begivenheder, der sætter det på verdensdagsordenen.

Konsekvensen er også, at det er let at blive forvirret. Omkring os vrimler det med invitationer til lunkne AI-arrangementer, hvor det ikke skorter på alverdens eksempler, der skal underbygge den grundlæggende tese om det førnævnte paradigmeskift på niveau med elektrificeringen af samfundet.

På trods af den teknologiske udvikling er det dog vigtigt stadig at mane til besindighed. Selv nogle af verdens største virksomheder bøvler stadig med at få deres altomfattende AI-eventyr til at levere reel forretningsmæssig værdi.

Whitepaper fra Jobfinder

65% af it-profilerne er passivt jobsøgende: Sådan rekrutterer du dem

Arbejdsmarked

Herhjemme har vi bl.a. set, hvordan føromtalte IBM har svært ved at levere reel værdi i samarbejdet med Region Hovedstaden, når det drejer sig om overhovedet at komme i gang med at få scannet og analyseret tusindvis af brystmammografier fra hovedstadens kvinder.   

I udlandet er der flere eksempler på, hvordan selvlærende algoritmer langsomt oparbejder en forudindtagethed. Amazon byggede på et tidspunkt på et stykke software, der scannede jobansøgeres cv'er i et forsøg på at mekanisere jagten på topkandidater. Men programmet begyndte stille og roligt at fremhæve mandlige kandidater frem for kvindelige. Der er med andre ord stadig risiko for en del børnesygdomme i den kunstige intelligens.

På den anden side er der efterhånden også talrige eksempler på, at teknologier som billedgenkendelse og machine learning hjælper virksomhederne med at skabe værdi. Hos luftfartsselskabet SAS kan computere ved at gumle på data dynamisk prissætte en sædereservation, og TDC kan sortere sine regninger i økonomiafdelingen og præsentere forslag til, hvor de hører til.

Det er som regel lettere at være en af de store spillere i erhvervslivet, der har pondus i form af en velspækket tegnebog. For med markante udviklingsbudgetter, mange ansatte og solide brands er det lettere at tiltrække nye saftige kompetencer fra uddannelsesinstitutionerne. Men AI er ikke kun dem forundt. Det er muligt at komme i gang som mellemstor virksomhed.

Mennesket mod maskinen

Som med alle andre projekter er det vigtigt, at problemstillingen definerer, hvilken løsning man leder efter og ikke omvendt – ligesom det også er absurd at renovere sin bolig udelukkende bevæbnet med et topnøglesæt.

Internt i virksomheden er det derfor vigtigt at lede efter opgaver og processer med et AI-optimeringspotentiale. Det kræver, at man ved, hvad kunstig intelligens egner sig godt til – og det er langtfra alt.  

Det er umiddelbart oplagt at sammenligne den kunstige intelligens med den menneskelige. Men selv om mennesket historisk har forsøgt at kopiere sin egen intelligens, så er det endnu ikke lykkedes, og fremskridtet på den front er ikke stort.

Menneskets intelligens kan betragtes som en fleksibel størrelse, og vi er ret gode til at lære nyt og forholde os til abstrakte sammenhænge. Maskinen derimod?

AI-eksperten Andrew Ng har forklaret forskellen sådan:

»Smalle AI-projekter er meget værdifulde. Inden for generel kunstig intelligens – håbet om, at computere kan gøre alt det, mennesker kan – ser jeg næsten ingen fremskridt.«

Med andre ord: Kunstig intelligens virker groft sagt bedst, når der skal følges nogle meget stramme regler inden for et ret begrænset område. Til gengæld laver maskinen så nærmest heller ingen fejl og kan arbejde tæt på dag og nat.

Når man overvejer at implementere teknologier under den overordnede kategori ‘kunstig intelligens’ i sin virksomhed, er der altså langtfra tale om en digital kollega, der til forveksling ligner virksomhedens andre medarbejdere, dog med en lidt metallisk klang i stemmen.

Derimod er der tale om en gruppe systemer, der er bygget specifikt til at løse nogle ret afgrænsede opgaver, såsom at genkende noget på en masse billeder, sortere eller på anden måde observere ting, der varierer fra normalen i en heftig strøm af informationer.  

Det er derfor let at lade sig fascinere, når man læser, hvordan supercomputere slår mennesket i Jeopardy, skak eller det avancerede spil Go. Man bliver ligeledes nemt væltet bagover af nyheder om, at computere nu kan komponere klassisk musik om ikke på niveau med Johannes Brahms, så i hvert fald for det halvdøve øre.

Men det, vi som mennesker opfatter som enormt svært, er let for et system, der med en kæmpe regnemaskine i ryggen ‘kun’ skal forholde sig til de tusindvis af mulige skaktræk eller tonesammensætninger. Det bliver straks mere vanskeligt, hvis maskinen skal kunne slå over fra eftermiddagens planer i din kollegas børnefamilie til et spørgsmål om, hvordan en medarbejder har det indeni efter et møgfald fra en kollega.

Dog udvikler teknologierne sig. Mange har set videoklippet med den digitale hjælper fra Google, der selv ringer og bestiller en tid hos frisøren. Alligevel er der dog langt fra amfiteatret i Californien, hvor Google-bossen Sundar Pichai sidste år til den årlige I/O-konference præsenterede netop denne feature, til at den bliver en realitet i vores hverdag.

Den rette opgave

Det er med andre ord vigtigt at have denne skelnen mellem menneskelig og kunstig intelligens med, når man går på jagt efter konkrete opgaver i en virksomhed, der kan erstattes med kunstig intelligens.

»Typisk er det sådan, at jo mere afgrænset og veldefineret et problem er, jo lettere er det at få kunstig intelligens til at hjælpe med det,« siger Thomas Bolander, der er ph.d., og lektor ved DTU Compute.

Han peger samtidig på ‘de kedelige, repetitive opgaver, vi gerne vil slippe for, hvis vi kunne’ som dem, man med fordel kan lade kunstig intelligens håndtere.

Mikael Munck fra 2021.AI er enig:

»Man skal ikke starte med en stor luftig AI-drevet omkalfatring, men i stedet kigge på brudstykkerne og starte småt,« siger han.

Mikael Munck mener, at projektet ikke skal være større, end at det kan varetages af en til to ingeniører. Lige så vigtigt er det i første omgang at fokusere på hurtige gevinster og dermed digital modning af virksomheden. Det får nemlig »hurtigt organisationen til at forstå, hvad det kræver at investere i kunstig intelligens og giver samtidig umiddelbar gevinst, når det handler om at få den øvrige ledelse med om bord«.  

Med de små projekter, der viser umiddelbar værdi, er man samtidig på rette spor i forhold til at opnå synergier mellem mennesker og maskiner. For alt imens man med en sorteringsmekanisme inden for indkomne henvendelser hos kundeservice frigør medarbejdere i organisationen fra at sidde og sortere, får man samtidig data, der kan vise, hvordan man løbende kan optimere sin indsats på området.

De personer, der før sorterede, kan nu behandle de sager, de er bedst til. Dermed opnår man pludselig reelt set en synergi. Her ligger de helt store gevinster, hvis man skal tro Thomas Bolander fra DTU:

»Det er meget få steder, at kunstig intelligens kan overtage hele et menneskes job. Det vil typisk være et samarbejde,« siger han og fortsætter:

»Det kan være med til at frigøre ressourcer til at gøre det, vi mennesker er gode til.«

Med den opskrift rydder man også op i de repetitive opgaver, øger kvaliteten af en del af processerne, samtidig med at man styrker de processer, hvor den menneskelige intelligens i højere grad folder sig ud. Det kan handle om salg, kundeservice eller rådgivning.

Der er imidlertid også et andet aspekt, der dukker op, og som er vanskeligt at komme uden om. Når man bevæbner sin organisation med ammunition i form af henkogte og tyggede data omsat til konkret viden, der styrker salg og service, er det ikke uden risici.

Regler og fare på færde

Flere husker formentlig en ikke alt for fjern fortid, hvor man sidst på dagen lukkede og slukkede for alt i produktionshallen og efterlod en virksomhed med sorte skærme på administrationsgangen.

Men i takt med, at vi ikke bare optimerer vores egen produktion, men også vil trække data hjem fra eksempelvis produkter, har virksomheder i dag i højere grad brug for at monitorere, at der ikke opstår risici. Data er nemlig ikke bare benzin på indsigtsmotoren. Det er også følsom viden om personer og kunder – og kombineret med systemer, der træffer beslutninger, er der ingredienser til en rigtig spændende mikstur.   

Derfor er hele governance-aspektet omkring kunstig intelligens vigtigt, og det er også øverst på agenda. Finansministeriet og Erhvervsministeriet udgav i marts en ‘National strategi for kunstig intelligens’ med fokus på at sikre det, man kalder troværdig AI.

Politisk foreligger der en vision om at ‘algoritmerne skal sikre ligebehandling ved at være objektive, saglige og uafhængige af personlige forhold’. Det diskuteres samtidig på europæisk plan, hvor man ønsker at være en form for foregangsregion på samme vis som med GDPR inden for persondata, hvor man nu ser en stribe nationer såsom Brasilien, Kenya og Indien indføre lignende lovgivning på området.

»Det kalder på, at man skal have en robust måde at tilgå det her på. Man skal kunne forklare, hvad der sker i modellerne, og hvem der har arbejdet med hvilke data,« siger Mikael Munck.

Ifølge professor i datalogi på SDU Peter Schneider-Kamp handler kunstig intelligens derfor også om meget mere end teknologi.

»Teknikken er 20 procent, men som med så meget anden teknologi er implementering og organisation 80 procent. Hvis man skal kunne stole på de beslutninger, der træffes af f.eks. machine learning-modellerne, er det vigtigt at have nogle kontrolprocedurer,« siger han.

Det findes der forskellige metoder til allerede. En af dem er, at den kunstige intelligens ikke kun træffer beslutninger, men også giver en form for forklaring på beslutningerne. En anden vej kan derfor være at ansætte folk til at tjekke, om beslutningerne truffet af den kunstige intelligens rent faktisk er i tråd med de afgørelser, som mennesker ville have truffet. Man kan sågar helt metaagtigt i visse tilfælde bygge kunstig intelligens, der kontrollerer kunstig intelligens.

Det er også en problemstilling, som de fleste rådgivere er opmærksom på, og nogle peger på, at den rette governance endda kan være en konkurrencefordel. Hos McKinsey & Co. anbefaler man, at alle involverede medarbejdere, der er i kontakt med AI-systemerne, informeres og trænes til at opdage uhensigtsmæssigheder.

»Når omkostningerne ved de risici, der er forbundet med AI, stiger, så vil evnen til at kunne identificere risici og få medarbejdere på alle niveauer til at implementere kontrolredskaber blive en ny konkurrencefordel,« lyder det fra McKinsey & Co.

Et stykke vej endnu

Du behøver altså ikke frygte, at kunstig intelligens efterlader din virksomhed tømt for medarbejdere på den anden side af nytår. Kunstig intelligens gør nemlig ikke meget i sig selv.

»Man skal være opmærksom på, at der er et stort potentiale mange steder, men samtidig er der også mange ting inden for AI, der er svære. Nogle gange er virksomhederne lige rigeligt optimistiske, når det handler om, hvad teknologien egentlig kan,« siger Thomas Bolander.

Han påpeger, at den store overvejelse for virksomheder, der vil investere i AI, er, om det kan betale sig at bruge ressourcer i form tid, penge og kræfter på at forsøge at rekruttere specialister, der kan udvikle løsninger til netop ens virksomhed, når det sandsynligvis findes som et standardprodukt inden for en overskuelig fremtid.  

Det ændrer dog ikke på, at teknologierne bag kunstig intelligens i stadigt højere grad giver mulighed for i betragteligt omfang at tage hånd om simple typer af opgaver, der styrker virksomheden og sikrer en høj grad af konsistent kvalitet. Vigtigt er det dog, at man som leder nøje overvejer, hvordan man skal gå til opgaven og måske lader sig for let begejstre af den luftige snak og de mange løfter, der gives om kunstig intelligens.  

»Jeg kan godt frygte, at der er lidt for mange, der hopper med på det, og lidt for mange, der ikke ved nok om det, men siger, at de bliver nødt til at gøre noget med kunstig intelligens,« advarer Thomas Bolander.

Han kalder i virkeligheden på en sund eftertanke:

»Et af problemerne er, at det er gået så stærkt, at alle er enige om, at det er vigtigt. Men der er relativt få, der forstår, hvad det kan, og hvor grænserne går.«