Kasper_Faenoe_Bay_Noer_lilla_edit_smal

Sådan finder du ud af, hvilke data du har – og hvordan du kan bruge dem!

Det første råd til dem, der gerne vil i gang med AI, er som oftest, at man skal have styr på sine data. Men hvis man ikke ved, hvad der reelt menes med data i ens egen kontekst, så kan det være et svært råd at følge. Derfor har vi lånt pladsen ud til Kasper Fænø Bay Noer, Senior Digital Strategist hos Alexandra Instituttet, som vil forklare, hvordan man griber det an at finde ud af, hvilke data man har, og hvad man kan bruge dem til.

Kasper Fænø Bay Noer

Senior Digital Strategist hos Alexandra instituttet

Vi bruger ordet ’data’ i flæng, når vi taler om kunstig intelligens. Det er data, som den kunstige intelligens lever af, og har man ikke nok data, så kan man ikke udvikle en model baseret på kunstig intelligens – sådan lyder budskabet typisk.

Men når vi taler om data, kommer det ofte til at lyde som en meget fast og defineret størrelse, selvom det i virkeligheden dækker over omtrent alle tænkelige informationer. Derfor kan I sagtens sidde på gode data i virksomheden, selvom I endnu ikke har gjort noget konkret for at ’udvinde’ dem.

Man skelner typisk mellem strukturerede og ustrukturerede data. Ser vi på en virksomhedsside på de sociale medier som eksempel, så er de strukturerede data de informationer, som allerede er gjort op i tal og som er målbare/kategoriserede – det kan være antal følgere, antal likes, antal kommentarer osv. Det er tal, I kan hente ned allerede nu, og se en sammenlignelig historik for. Men hvis det ikke bare er antallet af kommentarer, men indholdet i kommentarerne, der har jeres interesse, så er vi ovre i ustrukturerede data, for vi kan ikke uden videre sammenligne kommentarer og udlede kategorien af indholdet, uden at forarbejde den data først. Ved eksempelvis at tælle antal gange noget nævnes i kommentarerne, eller kategorisere dem som overvejende positive eller negative – eller noget helt andet – kan vi med lidt arbejde gøre de ustrukturerede data strukturerede, og kan også få værdifulde informationer ud af dem i en AI-kontekst. 

"Så helt groft sagt kan man sige, at strukturerede data er tal og ustrukturerede data er al anden information som tekst, tale, lyd, billeder osv. osv. Altså vil enhver virksomhed have data, spørgsmålet er i højere grad, hvilken information man gerne vil hente ud af de data"

Så helt groft sagt kan man sige, at strukturerede data er tal og ustrukturerede data er al anden information som tekst, tale, lyd, billeder osv. osv. Altså vil enhver virksomhed have data, spørgsmålet er i højere grad, hvilken information man gerne vil hente ud af de data. Og det er derfor, du ofte vil støde på, at man bliver rådgivet til at finde sit formål med at bruge kunstig intelligens, før man begynder at finde ud af, hvad man har af data. Jeg vil dog argumentere for, at man kan gøre begge dele på samme tid. 

 

Inspireret af professor i kunstig intelligens, Anders Kofod-Petersen, har jeg ofte hjulpet virksomheder med at finde deres relevante formål og data med denne matrice: 

idémapping matrice
Pointen med matricen er, at du samtidigt kan danne dig et overblik over jeres ønsker for virksomheden og den data, der kan understøtte det. I kan lave øvelsen af to omgange – en hvor I ser på, hvilke data I har, og hvilke ideer det kan kaste af sig, og en anden hvor I får alle jeres ideer på bordet og derefter finder ud af, hvilke data der skal til for at kunne føre de ideer ud i livet. Det kan være, at I har adgang til flere data, end I tror, når I ser på jeres ideer, for det kan handle om, at man skal begynde at registrere bestemte procedurer mere konsekvent, eksempelvis.

For at give jer inspiration til, hvordan I kommer godt i gang med matricen, så vil jeg give nogle eksempler på de forskellige kategorier og felter. Men vi begynder lige med at gennemgå, hvad der præcist gemmer sig bag de forskellige data-typer.

Internt strukturerede data er jeres egne tal, I arbejder med internt – det kan være salgstal, produktionsdata, oppetid, informationer fra jeres CRM-systemer og kundedatabaser.

Internt ustrukturerede data er jeres egne informationer, der florerer internt – det kan være kommunikationen på jeres intranet, som kan fortælle noget om stemningen blandt jeres medarbejdere, hvad der vil øge medarbejdertilfredsheden, om nogle afdelinger konsekvent er mere stressede end andre, om nogle bestemte spørgsmål går igen, som kan fortælle jer noget om, hvilke informationer, jeres medarbejdere mangler i deres arbejde.

Eksternt strukturerede data er informationer fra offentligt tilgængelige kilder eller datasæt – det kan være sæsonbetingede nationale salgstal, statistik om personer i din målgruppe og data fra myndigheder, som eksempelvis vejr- eller trafikdata.

Eksternt ustrukturerede data er informationer fra offentligt tilgængelige kilder og platforme, som endnu ikke er målbare – det kan være kommentarer på sociale medier, offentlige produktanmeldelser, overvågningsbilleder, trafikmeldinger og open source-databaser med eksempelvis billeder – blandt meget andet.

Hvad der menes med indsigter, processer, produkter, services og forretningsmodeller skulle gerne være mere selvsigende, men jeg vil gerne give nogle eksempler fra eget udgangspunkt i Alexandra Instituttet ved at vise, hvordan nogle af vores kunder har udvidet deres virksomhed med nye teknologier, set i lyset af matricen.

TopDanmark - eksterne ustrukturerede data til ny proces og service

Hos TopDanmark har de brugt eksterne ustrukturerede data – i form af de billeder som deres forsikringskunder sender ind, når de har fået en bule i deres bil – til at skabe en ny intern proces og en forbedret service for deres kunder. For det tager lang tid at gennemgå billeder manuelt og vurdere omfanget af skader, så de har udviklet en model baseret på kunstig intelligens til automatisk at vurdere, hvilken kategori skaderne skal placeres i. Det giver en mere effektiv proces for medarbejderne og et hurtigere svar til kunderne.

DR - eksterne ustrukturerede data til ny indsigt og mulig proces

Hos DR har de også anvendt eksterne ustrukturerede data, i dette tilfælde kommentarer på deres sociale medie-sider, til at få en indsigt i, hvordan tonen er i debatten på deres forskellige sider. Det har de brugt AI-teknologien Natural Language Processing (NLP) til. Indsigten vil i et næste skridt kunne bruges til at skabe en forbedret intern proces omkring monitoreringen af ens tilstedeværelse på de sociale medier. 

IO Group - interne strukturerede data til ny service og forretningsmodel

Hos IO Group anvender de kundernes egne interne strukturerede data til at forbedre den service, de leverer til dem. Ved at koble sig på kundens egen manuelle sortering af mails kan de implementere en model baseret på kunstig intelligens til at gøre sagsbehandlingen nemmere, for modellen vil automatisk kunne foreslå placering og videre behandling af den indsendte mail, baseret på virksomhedens historik. På den måde har de både udviklet en ny service og til dels en ny forretningsmodel, fordi de nu kan slå sig op på at være datadrevne. 

IO Group har været igennem et virksomhedsforløb hos AI Denmark – du kan læse om deres udvikling her.

 

Jeg håber, at eksemplerne kan give jer lidt inspiration til, hvordan I selv kan udvikle jer med AI, og hvilke ideer og datakilder, I kan fylde ind i matricen. 

Når I så har fået fyldt matricen, så har jeg et par sidste råd omkring, hvad I skal være opmærksom på i den næste fase af jeres idémapping. 

I vil måske bemærke, at de lavest hængende frugter typisk befinder sig i den nederste venstre del af matricen. At ændre på egne procedurer ud fra interne, allerede strukturerede data vil typisk ikke kræve den store omlægning, så her kan man ofte nemt skabe resultater. De vil dog sjældent slå lige så meget ud på bundlinjen, som hvis I opfinder en helt ny forretningsmodel baseret på eksterne ustrukturerede data, som det vil være vanskeligt at gøre jer efter. Her er prisen dog, at I typisk vil skulle ændre jer mere radikalt, eksempelvis i medarbejdersammensætningen, i implementeringen af ny teknologi og/eller i en ny branding af jeres virksomhed. 

Derfor bør jeres næste skridt være at vurdere det forretningsmæssige potentiale af jeres ideer og hvad det vil koste. Ideer og datakilder kan sagtens overlappe hinanden, så tænk kreativt, og find ud af om ikke flere af jeres ønsker kan gå i opfyldelse med den data, I har eller kan udvinde. 

God fornøjelse med jeres idémapping – I går et spændende nyt kapitel i møde!

Kasper Fænø Bay Noer er en del af konsortiet bag AI Denmark igennem sin rolle som senior digital strategist ved Alexandra Instituttet. Du er velkommen til at tage fat i ham eller andre hos AI Denmark, hvis du har brug for en hånd til at komme godt fra start med kunstig intelligens.

workshop_lilla_edit_smal

CASE: IO Group gjorde vision til virkelighed med et virksomhedsforløb i AI Denmark

Uden at have stor forhåndsviden om kunstig intelligens kan IO Group efter et virksomhedsforløb i AI Denmark nu kalde deres løsning for AI-dreven. Adgang til eksperter og et netværk af virksomheder i samme båd gjorde udslaget.

”Man kan sige, at vi mødte op i AI Denmark med billedet fra en opskrift – vi vidste, hvilken ret vi gerne ville lave, men vi kendte ikke opskriften” forklarer Jakob Antonsen, CEO i IO Group, om deres udgangspunkt for at deltage i AI Denmark.

Det er situationen for mange virksomheder – at man faktisk ikke ved, hvordan man skal gribe anvendelsen af AI an. Men mange når desværre ikke engang dertil, hvor de forestiller sig den ’færdige ret’, som IO Group gjorde. Det er ærgerligt, for vi har teknologien til at opfylde de fleste visioner om optimering, men visionen skal være der, for at man kan finde en vej.

 

”Vi er i en tid, hvor vi har adgang til høj viden om teknologierne, men der er en lav frekvens for, hvor mange der rent faktisk har ført det ud i praksis. I IO Group er vi vant til at implementere software-løsninger hos vores kunder, og det gjorde det oplagt for os at prøve at tage det næste skridt. Men vi danske virksomheder kan sagtens lade os inspirere af hinanden og udnytte hinandens erfaringer til at komme videre”, siger Jakob, der med IO Group blandt andet optimerer sine kunders mailhåndtering.

Eksperter og netværk fik IO Group på rette spor i første huk

Netop netværket i AI Denmark var af stor værdi for Jakob og Co., der kunne spejle sig i deres ligesindedes udfordringer og succeser. Langt de fleste SMV’ere er af en størrelse, hvor det er en stor mundfuld, hvis man alene skal udvikle nye AI-løsninger. De fleste får brug for hjælp før eller siden, men for nogle kan det være en væsentlig del af vejen at lære noget fra en lignende virksomhed eller finde nogen at samarbejde med gennem vidensdelingsarrangementer og netværk – og det var netop noget af det, som de i IO Group kunne tage med fra netværket i AI Denmark. Og hvis man spørger Jakob, om man skal være bekymret for at få stjålet sine ideer i et sådan netværk, er svaret klart…

 

”Vi har ikke været bange for at få snuppet vores ideer i netværket. Vi har udbygget vores ekspertise i over 20 år, og også – måske ligefrem især – inden for AI er det afgørende, at man har domæneviden. Det er kun godt, hvis vi kan inspirere hinanden, også på tværs af brancher, så flere kan komme i gang. Man kan alligevel ikke tage patent på værktøjerne inden for teknologierne under kunstig intelligens, så her vejer fordelene ved at netværke helt klart tungest!”

"Før forløbet havde vi måske ikke selv valgt at investere i 150 timer, når vi ikke vidste, hvad det ville bringe med sig – men nu kan vi se, at de penge havde været givet godt ud!"

Netværket er imidlertid kun en del af pakken, når man får et virksomhedsforløb i AI Denmark. En del af rygraden i forløbet er 150 timers adgang til førende AI-eksperter, der kan hjælpe en i den rigtige retning i første huk. Det er en særlig stor fordel, når man, som IO Group gjorde det, kommer med en vision, man ikke har fundet den konkrete vej til endnu.

 

”Man kan nå overraskende meget på de 150 timer, man får i forløbet! Vi vidste ikke på forhånd, hvad vi kunne forvente, men der blev sat en retning fra starten, som har sparet os for at forsøge og eventuelt fejle med forskellige løsninger på egen hånd. Før forløbet havde vi måske ikke selv valgt at investere i 150 timer, når vi ikke vidste, hvad det ville bringe med sig – men nu kan vi se, at de penge havde været givet godt ud! Vi nåede at komme igennem et intensivt forløb med løbende adgang til eksperterne og evalueringer undervejs. Nu er vi ikke bare endt op med et færdigt produkt, vi har også fået ressourcerne og kompetencerne til at være selvkørende herfra.”

AI-mailhåndtering løser 50% af opgaven i samme øjeblik som en mail modtages

Det færdige produkt, som IO Group nu kan tage med ud af forløbet, er et videreudviklet mailhåndteringssystem, der ikke længere bare er automatisk, men nu hele tiden forbedrer sig selv. De regner med, at det kommer til at optimere arbejdsgangene ved deres kunder, der primært er inden for forsikringsbranchen.

”Vores ambition var, at når man modtager en mail, så er halvdelen af opgaven faktisk løst, fordi man med det samme får identificeret navn, objekt og adresse, samtidig med at relevant materiale i forbindelse med kunden, skaden og/eller policen hentes frem. Vi udnytter de strukturerede data, vores kunder i forvejen har i deres systemer, og at de fleste allerede sorterer mails, mere eller mindre manuelt – så vi burde kunne få vores løsning til at virke fra dag 1 hos kunden. På sigt vil vi også gerne videreudvikle løsningen, så de rette formularer til håndteringen af sagen ligeledes automatisk hentes frem og udfyldes med de relevante informationer, men det er næste skridt.”  

IO Group fik hjælp af AI-eksperter fra Alexandra Instituttet, der foreslog IO Group at udnytte NLP (Natural Language Processing) i løsningen af deres konkrete udfordring. Det viste sig at være den helt rigtige vej og det helt rigtige AI-værktøj for virksomheden, der nu tester deres færdige løsning, så den kan blive helt klar til at optimere mailhåndteringen hos deres kunder i forsikringsbranchen.

Er du interesseret i at blive en del af netværket i AI Denmark og deltage i et virksomhedsforløb? Så læs mere og ansøg om en plads her:

JoV_lilla_edit_smal_v2

Lad værdien være styrende for, hvordan I udnytter kunstig intelligens

Vi går en fremtid i møde, hvor udnyttelsen af kunstig intelligens efter alt at dømme også vil være en konkurrenceparameter blandt de danske små og mellemstore virksomheder. Derfor ser vi også allerede nu virksomheder, der enten med sved på panden træffer forhastede beslutninger eller oftere virksomheder der mangler inspiration og viden om, hvordan man får skabt forretningsmæssig værdi med kunstig intelligens (AI). Det er nemlig ikke ligegyldigt, hvordan man griber processen med brugen af AI an – vi har spurgt Jan Overgaard, centerchef for innovation og digital transformation fra Teknologisk Institut, om hans råd til, hvordan man kommer bedst fra start.


Vi giver ordet til Jan.

Jan Overgaard

Jan Overgaard

Centerchef for innovation og digital transformation ved Teknologisk Institut

At udnytte kunstig intelligens er en mulighed for SMV’ere, som man bør overveje at gå i gang med eller modne virksomheden til. Mange virksomheder er i dag kommet i gang med automatisering, men derfra og til proaktivt at anvende AI, er der et stykke vej – ikke desto mindre bliver AI en konkurrenceparameter i fremtiden for dem, der kan styrke deres forretningsmodel med teknologien.

Med kunstig intelligens vil vi se en række nytænkende forretningsmodeller og produktudviklinger, der kommer til at disrupte markeder. Og man er nødt til at tænke den mulighed ind, at ens konkurrent kan være i gang allerede. Vi har set eksempler på, at virksomheders ’ellers velerhvervede’ fordele og rettigheder kan mistes på kort tid, hvis ikke man omstiller sig.

Så, hvordan kommer man bedst i gang?

De fleste har forstået, at man naturligvis skal have styr på sine data, både de strukturerede og ustrukturerede, så de kan udnyttes med kunstig intelligens. Men det vigtigste er faktisk at starte et andet sted – start udefra og ind!

 

For at du kommer til at lykkes med at udnytte kunstig intelligens, så er det afgørende, at din løsning skaber værdi for dine kunder. Så start der! Stil jer selv det berømte spørgsmål: Hvilken værdi vil I opnå og i sidste ende skabe for jeres kunder. Spørg også jeres kunder, hvordan dit produkt kunne blive bedre, hvilke services de gerne vil have, og hvad der ville gøre det nemmere for dem at anvende dit produkt. Det er muligvis et fortærsket råd, men det er desværre et råd, som alt for mange virksomheder glemmer i en travl hverdag; fokusér ikke på de teknologiske muligheder, fokuser på værdien der kan komme ud af dem – for teknologien er der! AI kan skabe eller styrke jeres digitale services, spørgsmålet er bare, hvordan I udnytter det bedst.

"Det er muligvis et fortærsket råd, men det er desværre et råd, som alt for mange virksomheder glemmer i en travl hverdag; fokusér ikke på de teknologiske muligheder, fokuser på værdien der kan komme ud af dem – for teknologien er der! AI kan skabe eller styrke jeres digitale services, spørgsmålet er bare, hvordan I udnytter det bedst."

Når I har fundet ud af, hvilken værdi I arbejder hen imod, så kommer næste skridt, som er mindst lige så vigtigt som at få kunderne i tale, nemlig at få jeres medarbejdere med ’om bord’. Hvis jeres folk internt ikke kan se meningen og værdien, der kan skabes med retningen eller AI-projektet, så kan det hele blive tabt på gulvet – og her skal værdien af løsningen også være i fokus! Jeres AI strategi må ikke blive til uden, at hverken mellemledere eller medarbejdere har købt ind på strategien. Sæt igen og igen streg under, hvorfor det er vigtigt, og hvilke konkrete fordele det giver jer som virksomhed og i sidste ende jeres kunder. Får man ikke medarbejderne med, så bliver ideen ikke bundfældet, og man kan misse at få de rette kompetencer i spil. Hvis ingen tager ejerskab over ideen, er der heller ingen til at føre det i mål.

 

At få medarbejderne i spil kan sikres tidligt i processen ved at starte en dialog og få deres ideer på banen. Som SMV bør man undersøge, hvordan andre har grebet AI-mulighederne an, og hvilke forhold og betingelser der har været til stede i andre virksomheder, der er lykkedes. Og her kan medarbejderne være fulde af værdifuld viden. Man kan ligefrem arbejde med at udpege tovholdere i organisationen, som kan være med til at drive processen.

 

Endelig, er AI Denmark sat i værk af en grund – vi opfordrer klart til, at man får hjælp af en sparringspartner og søger hjælp i relevante netværk, både indledningsvist, når retningen skal kortlægges, undervejs i udviklingen af en AI-løsning og endelig i den tekniske implementering.

Men husk; ikke to virksomheders udgangspunkt eller forudsætninger for at lykkes er ens, så for at være sikker på, at I rammer præcis den værdi, I har sat jer for, så er det godt givet ud at lave et grundigt forarbejde på konceptniveau, inden man bygger en teknisk løsning.

 

I er altid velkomne til at kontakte mig og konsortiet bag AI Denmark for yderligere råd og hjælp til at komme godt i gang.

Tak for ordet til Jan Overgaard! 

Vil du læse mere om, hvilken hjælp der er at hente i AI Denmark, så læs med her – der er eksempelvis mulighed for at blive udvalgt til et forløb, hvor man som virksomhed får gratis hjælp til at komme godt fra start med AI. 

Jakob_Anton_lilla_edit_smal

Du behøver ikke indgående kendskab til AI for at have en vision med teknologien – og nå den!

IO Group, der hjælper sine kunder i især forsikringsbranchen med eksempelvis at optimere deres mailhåndtering, var blandt de første, der gennemførte et virksomhedsforløb i AI Denmark. Her fortæller de om, hvordan det var, og hvad de fik ud af det.  

Vi giver ordet til Jakob Antonsen, CEO i IO Group.

Jakob Antonsen

Jakob Antonsen

CEO i IO Group

Vi kom med i AI Denmark fra marts 2021 og havde derefter et forløb på 6 måneder, hvor vi fik rådgivning og udviklingshjælp. Vi mødte op med en dagsorden om, at vi gerne ville lære om kunstig intelligens, og hvordan vi kan bruge det inden for forsikringsbranchen.

Før forløbet kunne vi automatisere forretningsgangene for vores kunder i forsikringsbranchen, men når man ’bare’ automatiserer, så går man glip af muligheden for, at systemet hele tiden lærer sig selv at blive bedre, som man kan med AI. Det var dét potentiale, vi gerne ville undersøge, om vi kunne indfri.

 

Vi ville udvikle et arkiveringstool i Outlook, der havde evnen til at læse og forstå mailens kontekst. Ambitionen er, at hvis man, når man modtager en mail, med det samme har adgang til konteksten – altså, kundens historik, lignende sagers udfald, og foreslåede procedurer, så er 50% af opgaven eller mere allerede løst, idet man modtager en mail.

 

Vi havde her den fordel, at vi har adgang til strukturerede data. Der foregår typisk allerede en mere eller mindre manuel sortering af mails i en given virksomhed, så vi har en historik, der kan bruges til at udvikle vores AI-løsning – vi skulle imidlertid finde ud af, hvad i de forskellige mails, der udløser forskellige arkiveringer og afledte opgaver. Vi havde derudover en idé om at lave en ’træningsfri’-model, som blev udviklet alene på eksisterende data ved en kunde. Det var en vision, som vi ikke vidste, om kunne lade sig gøre i virkeligheden, og det var primært den udfordring, vi tog med ind i AI Denmark-forløbet.

 

Igennem forløbet fik vi 150 timers adgang til AI-eksperter og blev en del af netværket, vel at mærke uden at skulle betale for det. Vi vidste jo ikke på forhånd, hvad der ville komme ud af det, og ville derfor også have tøvet med at kaste os ud i det uden muligheden gennem AI Denmark. Men nu må vi bare konstatere, at de penge havde været givet godt ud! At komme med en vision og få hjælpen til at realisere den uden selv at have indgående kendskab til AI-teknologierne, det gjorde forskellen.

"Men man kan sige, at vi mødte op i AI Denmark med billedet fra en opskrift – vi vidste hvilken ret, vi gerne ville ende op med, men vi vidste ikke, hvordan vi tilberedte den bedst."

 

Jeg brugte godt nok noget tid på at sætte mig ind i AI på forhånd, jeg læste nogle artikler, hørte nogle podcast og lignende, nok til at jeg kunne starte en dialog om det. Jeg tog afsæt i en ML-løsning fra Microsoft, så jeg havde et udgangspunkt at tale og forstå ud fra. Men man kan sige, at vi mødte op i AI Denmark med billedet fra en opskrift – vi vidste hvilken ret, vi gerne ville ende op med, men vi vidste ikke, hvordan vi tilberedte den bedst. Så det at mødes med AI-eksperter fra Alexandra Instituttet, som hurtigt kunne konstatere, at NLP (Natural Language Processing) ville være et godt sted at starte, det var allerede en stor hjælp, fordi det snævrede mulighederne ind til det rigtige valg. På den måde fandt vi ud af, at det faktisk var en læse-algoritme, der var vejen for os, og det var præcis den guidning, der skulle til – det var en kæmpe hjælp!

 

Nu har vi et færdigt produkt, som vi er klar til at teste. Når man modtager en mail, så vil en service kaldes frem, som med det samme identificerer navn, objekt og adresse, og den vil søge ned i systemet og finde det frem, der er relevant ifht. mailen. Den vil angive, hvilken kunde, skade eller police, den skal arkiveres på. Ambitionen er, at den skal virke fra dag 1 ude hos kunden. Med tiden vil vi som skrevet tilføje flere felter og flere funktioner, så systemet eksempelvis med det samme kan hive den rette formular frem og automatisk udfylde den med de kendte informationer. Løsningen vil løbende blive forbedret, det er fordelen med en AI-motor bag en løsning! 

IO Group var en del af første runde af virksomhedsforløb i AI Denmark – hvis du vil med på et af de kommende virksomhedsforløb, så kan du læse mere og ansøge her: