Dette blogindlæg blev oprindeligt udgivet på Vismas norske blog. Du kan læse det originale indlæg her.
Ønsker du at udforske de uendeligt mange muligheder, der følger med en implementering af AI? Det første naturlige skridt er at udvikle en solid AI strategi. Vi guider dig igennem de fem ting, du skal overveje, inden du implementerer AI i din forretning:
1. Kompetencer
For at kunne implementere kunstig intelligens kræves der ekspertise. Du skal afgøre, om det er en kompetence, du vil købe eller rekruttere til din virksomhed. Jobfunktionen, Data Scientist, er blevet kåret som en af de mest eftertragtede jobfunktioner i det 21. århundrede. Derfor kan det være en uforudset udfordring at få samlet det helt rigtige Data Science-team, da kompetencen er meget eftertragtet. Kunstig intelligens lever ikke sit eget liv og skal med andre ord sættes i produktion, før der kan ses resultater. Samtidig kan det være en udfordring at få integreret løsningen med de interne systemer.
2. Datafangst
Hvis du ønsker at implementere AI, skal du have tilgængelig data som dine systemer kan lære af. I mange situationer er datakvaliteten lavere end ønsket og i nogle tilfælde så dårlig, at det ikke er muligt at opbygge en fornuftig brug af AI. Denne situation er blevet så kendt, at udtrykket “affald ind, affald ud” er blevet en kliché i branchen.
Data skal indhentes på en måde, hvorpå systemet har mulighed for at lære af det på et senere tidspunkt. I mange tilfælde skal forretningsprocesser ændres for at strukturere data bedre. Det er imidlertid en længere proces at ændre forretningsprocesser, når man indhenter data. Det er derfor noget, der skal tages med i overvejelserne om hvorvidt ekspertisen skal være intern eller ekstern.
3. Privatliv og sikkerhed
Mange AI-løsninger er designet til at tage beslutninger, der i sidste ende handler om mennesker. Konsekvenserne af, at det omhandler mennesker, er, at den data der bruges til læring, skal være i overensstemmelse med GDPR, og at projektet løbende bliver vurderet. Der skal nemlig være et klart juridisk grundlag for at kunne benytte sig af oplysningerne.
Risici kan reduceres ved for eksempel at anonymisere datasættet. Vær dog opmærksom på, at denne proces også ses som databehandling og derfor bør godkendes og konsekvensanalyseres. Sikkerhed omfatter mere end bare privatliv, og derfor skal så få mennesker som muligt have adgang til dataen og serveren.
4. Etik
Etisk AI handler om, at AI skal træffe valg, som vi mennesker selv ville have truffet. Hvis du ikke er bevidst om disse forhold, kan du komme til at opbygge modeller, der utilsigtet diskriminerer mennesker i en automatisk beslutningsproces. Hvis du for eksempel har modstridende forhold i datasættene, kan du ende i en situation, hvor din digitale bankrådgivere afviser alle låneansøgninger fra indvandrere uanset betalingsevnen.
Ud over dette er det vigtigt at tænke på, om man ønsker, at kunstig intelligens skal kunne forklares og verificeres. Vil dit system altid tage den samme beslutning ved hjælp af de samme input-data?
Endelig er det vigtigt at overveje nøjagtigt, hvad AI skal bruges til. Skal AI erstatte nogle af opgaverne for menneskeligt arbejde? Hvis ja, hvilke andre opgaver skal de påtage sig i stedet for? Måske skal AI bruges til at øge overskuddet i stedet for at sænke omkostningerne og dermed bevare antallet af job?
5. Løsningen på et problem
Før det giver mening at implementere en AI strategi, skal problemstillingen være på plads. Det er ikke nødvendigvis nok at have tilstrækkelig data, som man kan “gøre noget smart med” for skabe værdi. Kig indad i virksomheden og find det problem der skal løses. Grundlaget for en succesfuld AI implementering er en fornuftig business case.
