Det här blogginlägget publicerades ursprungligen på Vismas norska blogg. Du kan läsa det ursprungliga inlägget här.
Vill du utforska de oändliga möjligheterna med att implementera AI? Det första steget är naturligtvis att utveckla en solid AI-strategi. Vi guidar dig genom fem saker du bör tänka på innan du implementerar AI i ditt företag:
1. Kompetenser
Att implementera artificiell intelligens kräver expertis. Du behöver utvärdera om det är en kompetens du vill köpa eller rekrytera till ditt företag. Jobbfunktionen Data Scientist har röstats fram som en av de mest eftertraktade jobbfunktionerna under 2000-talet. Det kan vara en utmaning att sätta ihop rätt Data Scientist-team eftersom deras kompetenser är mycket efterfrågade. Artificiell intelligens lever inte sitt eget liv och måste med andra ord sättas i produktion innan resultaten kan ses. Samtidigt kan det vara en utmaning att integrera lösningen med de interna systemen.
2. Registrering av uppgifter
Om du vill implementera AI måste du ha tillgängliga data som dina system kan lära sig av. Ofta är datakvaliteten lägre än förväntat och i vissa fall så dålig att det inte är möjligt att använda AI på rätt sätt.
Data måste samlas in på ett sätt som gör att systemet kan dra lärdom av dem i ett senare skede. I många fall måste affärsprocesser ändras för att bättre strukturera data. Att förändra affärsprocesser vid datainsamling kan dock vara en lång process. Det är därför något man måste ta hänsyn till när man överväger om expertisen ska vara intern eller extern.
3. Integritet och säkerhet
Många AI-lösningar är utformade för att fatta beslut som i slutändan handlar om människor. Konsekvenserna av detta är att de data som används för inlärning måste vara i enlighet med GDPR och att projektet utvärderas kontinuerligt. Det måste finnas en tydlig rättslig grund för att kunna använda informationen.
Riskerna kan minskas genom att till exempel anonymisera datauppsättningen. Var dock medveten om att denna process också ses som databehandling och därför bör godkännas och konsekvensanalyseras. Säkerhet omfattar mer än bara integritet, så så få personer som möjligt bör ha tillgång till uppgifterna och servern.
4. Etik
Etisk AI handlar om att AI ska göra val som vi människor själva skulle ha gjort. Om man inte är medveten om dessa villkor kan det sluta med att man bygger modeller som oavsiktligt diskriminerar människor i en automatiserad beslutsprocess. Om du till exempel har motstridiga villkor i datauppsättningarna kan du hamna i en situation där dina digitala bankrådgivare avslår alla låneansökningar från invandrare, oavsett betalningsförmåga.
Utöver detta är det viktigt att fundera över om man vill att artificiell intelligens ska kunna förklaras och verifieras. Kommer ditt system alltid att fatta samma beslut med samma indata?
Slutligen är det viktigt att fundera över exakt vad AI kommer att användas till. Kommer AI att ersätta en del av de mänskliga arbetsuppgifterna? Om så är fallet, vilka andra uppgifter ska de ta på sig istället? Kanske ska AI användas för att öka vinsterna istället för att sänka kostnaderna och därmed bevara antalet arbetstillfällen.
5. Lösningen på ett problem
Innan det är meningsfullt att implementera en AI-strategi måste problemet finnas på plats. Det räcker inte nödvändigtvis att ha tillräckligt med data som man vill "göra något coolt med" för att skapa värde. Titta in i företaget och hitta problemet som behöver lösas. Grunden för en framgångsrik AI-implementering är ett förnuftigt business case.
