1. Har din virksomhed virkelig behov for AI?

Et af de første spørgsmål, I skal besvare er “Hvorfor tror vi, denne investering vil være det værd?” I skal altså have styr på, hvad det er for et problem, I skal løse eller hvor I ønsker at forbedre effektivitet eller innovationsevner.

AI projekter bør adressere processer, der på en betydelig måde påvirker pris, indkomst eller ressourcefordelinger, hvor det endelige resultat har en betydelig påvirkning af bundlinjen.

Gode kandidater til AI projekter kunne være:

• Aktiviteter der er er meget tidskrævende og med en høj arbejdsindsats. F.eks. at læse store mænger dokumentation for at kategorisere dem
• Aktiviteter der involverer mange af billedscanninger
• Processer der kan styrkes af stemmeanalyse (f.eks. kundesupport)
• Styrkelse af predictive accuracy indenfor f.eks. kundeadfærd, eller generelle prognoser, som kan bruges inden for mange forskellige brancher som forsikring, finans, marketing eller endda landbruget.

Vær desuden forberedt på, at AI does not er den løsning, du leder efter. Selv hvis I har en lovende kandidat, så vær realistisk i forhold til, hvor menneskelig indblanding er nødvendig (f.eks. til at validere AI output eller verificere fejl) og hvor AI ikke giver meget værdi.

2. Vælg en opgave. Ikke et projekt som jeres udgangspunkt

AI er god til at løse opgaver – mindre god til projekter. Vælg derfor som jeres første AI eksperiment, en enkeltstående opgave der, jf. Punkt 1, udgør en betydelig værdi for jer og som samtidig er datadreven.

Tag f.eks. sundhedsvæsenets evne til at forudsige, hvem der er i fare for at falde. Dette er en opgave med stor værdi, fordi borgeren kan komme til skade og behandling kan være omfangsrig. Hvis man kan forudsige, hvem der er i fare for at falde, kan man igangsætte forbyggende foranstaltninger. Dette er en tydeligt defineret opgave, hvor der er masser af data, der kan bruges til at træne AI’en til at forudsige hvilke patienter eller borgere, der er i størst risiko for at falde.

3. Vid hvilken data og andre systemer I har brug for

Uden relevant data intet AI projekt. Inden I fastlægger jer på et AI projekt, er det vigtigt, at I undersøger, hvilken type og hvor megen data I har behov for, og om der er nogen begrænsninger forbundet med jeres data (f.eks. GDPR-regler) og om dataene findes i et tilgængeligt format.

Undersøgelsen bør ikke begrænse sig til jeres interne data. Også eksterne data bør undersøges. Her kan en dataekspert være til stor hjælp.

Hvis jeres datakilder ikke er i orden, bør I fokusere på dataens kvalitet, inden I går i gang med AI.

Endelig er det vigtigt at sørge for at AI’ens output, kan integreres i jeres opgave. Dvs. Kan resultaterne let integreres ind i de systemer, der er afhængige af AI’ens data? Igen: her er en IT-ekspert uundværlig.

4. Hav realistiske forventninger til præcision

Nok er AI stærk, men det er ikke magi. Dens output er helt afhængig af den data, du putter i den. Desuden afhænger den kunstige intelligens’ præcision af, hvilken type du bruger, og hvilken opgave du beder den løse. F.eks. er AIs billedgenkendelse bedre end dens evne til at foretage forudsigelser. Det er derfor vigtigt, at I har realistiske forventninger til, hvor præcise data I kan trække ud.

5. Hav ikke for travlt med at implementere i hele organisationen

Bare fordi AI fungerer til én opgave, betyder det ikke, den også gør det til andre. Hvis I har trænet AI til at styrke jeres complience inden for ét område, betyder det ikke, I kan overføre denne model 1-1 inden for et andet område.

6. Har I evnerne til at vedligeholde AI?

Det er én ting at træne AI, noget andet at holde den ved lige. Det der var vigtigt den ene måned, kan være noget helt andet den næste og det kan påvirke den kunstige intelligens’ præcision. Har din virksomhed infrastrukturen på plads til at vedligeholde jeres AI? Har I IT-ingeniører, data scientists mm.? Ellers bør I overveje, om det er bedst at outsource denne del af projektet. Men: hvis I mener, jeres virksomhed kan drage fordel af AI, bør I overveje, om det giver mening at ansætte IT eksperter selv.

7. Bliver resultatet større end udgifterne?

Mange ledere tror, at AI er i stand til at træffe endegyldige beslutninger og at teknologien vil reducere omkostninger og behov for dyr arbejdskraft. Virkeligheden er dog, at AI nærmere er en støttefunktion, der hjælper jer med at træffe beslutninger. Selv med præcis billedegenkendelse eller effektiv NLP (natural language processing) kan AI højst tydeliggøre forskellige stadier i en proces, ikke ændre det endelige resultat.

F.eks. kan NLP styrke evnen til at kategorisere dokumenter og nedsætte den tid og arbejdskraft der bruges på opgaven. Men resultatet er højst sandsynligt en reduktion, i de ressourcer der anvendes på denne opgave, mens overskydende personale sandsynligvis sættes til mere avancerede opgaver i stedet.

Resultatet er bestemt positivt. Men ROI er mindre tydeligt.

Derfor skal I starte med AI på den rigtige måde

Det vigtigste at huske, når man overvejer at implementere AI er rettidig omhu. AI-projekter kan være meget komplekse, og virksomheder er nødt til at vide hvad teknologien kan bruges til, dens begrænsninger og hvordan I bedst anvender den. Hvis AI passer til jeres situation, kan teknologien klare de arbejdstunge rutineopgaver eller identificere ukendte mønstre. Men får at opnå fordelene, skal I finde den rette metoder, der fungerer for jer.