I en ny serie sætter AI Denmark fokus på resultaterne af af den forskning, som forsker Sunniva Sandbukt har lavet med fokus på kunstig intelligens i danske SMV’er.Hvordan forholder danske virksomhedsejere sig til kunstig intelligens?
Det har Sunniva Sandbukt, der er adjunkt ved ITU, undersøgt gennem interviews med en række danske virksomheder, herunder virksomheder fra AI Denmark, som har arbejdet med kunstig intelligens.
Kort fortalt har virksomhederne en tendens til at overvurdere kvaliteten af deres data og undervurdere vedligeholdelsesarbejdet, lyder det.
”Derfor er det vigtigt at have en strategi for vedligeholdelsen af den kunstige intelligens, som man benytter i virksomheden,” siger Sunniva Sandbukt.
Integrationen af kunstig intelligens kræver en del arbejde fra de ansatte i virksomhederne, for det er en ressourceintensiv og kontinuerlig proces, påpeger Sunniva Sandbukt.
For kunstig intelligens er netop ikke en tænkende robot, der passer sig selv. Derfor kræver det, at virksomhederne har realistiske forventninger, allokerer ressourcer og udvikler en god langsigtet strategi.
”At indføre kunstig intelligens i virksomheden kræver data, arbejdskraft, ekspertise og kapital,” siger hun.
For at komme i gang med udnytte fordele ved kunstig intelligens skal problemformuleringen være klar, datasættene skal forberedes, og den kunstige intelligens skal udvikles og implementeres.
Og for at det lykkes på lang sigt, skal den kunstige intelligens hele tiden vedligeholdes.
”Sørg nu for at forberede en strategi for long-term maintenance,” lyder Sunniva Sandbukts råd til virksomhederne.
“Datasæt er ikke statiske. Data er dynamiske.”
En teknologichef i en dansk virksomhed, som har deltaget i følgeforskningen, er enig og fortæller, at de gennem AI Denmark-forløbet har haft en vigtig læring:
“Man kan ikke tro, man med AI kan lave et rigtig fedt dataset, bygge noget, done. Der skal hele tiden komme nyt data ind til, så den lærer,” lyder det fra teknologichefen i Sunniva Sandbukts følgeforskning.
“Det er utroligt vigtigt at forankre driften, vedligeholdelsen og den forsatte udvikling af AI helt oppe på øverste ledelsesniveau”
Rasmus Bækby, Manager ved Alexandra Instituttet
Rasmus Bækby fra Alexandra Instituttet, der rådgiver om forretningsinnovation for AI Denmark, påpeger, at det er topledelsens opgave at sikre en strategi for, hvordan vedligeholder den kunstige intelligens.
“Det er utroligt vigtigt at forankre driften, vedligeholdelsen og den fortsatte udvikling af AI helt oppe på det øverste ledelsesniveau,” udtaler Rasmus Bækby.
Hvis man skal lykkes med at indføre kunstig intelligens i organisationen, skal man både ændre praksis og sørge for, at kompetencerne følger med, siger han.
”For i sidste ende handler det om at skabe de bedste forretningsmæssige forudsætninger med data,” siger Rasmus Bæby.
Et godt eksempel på, hvordan man kan gøre det, er at bruge værktøjer inden for MLOps, påpeger han. MLOps står for Machine Learning Model Operationalization Management og er en videreudvikling af DevOps (Development and It-Operations), der er en gængs metode til at få at udvikling og drift af software til at hænge sammen organisatorisk.
Som betegnelsen MLOps antyder, er DevOps her blevet udvidet med maskinlæring (ML), men også med data engineering, fordi det netop kræver indsigter inden for alle tre områder at indføre og videreføre AI/ML i organisationen, påpeger Rasmus Bækby.
“Det lyder måske kompliceret, men dybest set er der det bare et nyttigt sæt af metoder og praksisser. Det er jo noget af det, vi kan byde ind med i AI Denmark, nemlig at give virksomheder nogle greb til at få succes med AI,” afslutter han.
Videre forklarer Sunniva Sandbukt, at når en virksomhedsleder taler med en maskinlæringsspecialist, har virksomheden og specialisten typisk ret forskellige opfattelser af kunstig intelligens: Maskinlæringseksperten betragter kunstig intelligens som en avanceret matematisk funktion, der kræver input for at udregne output.
Denne form for såkaldt ”snæver AI” er således velegnet til at løse meget snævert definerede problemstillinger.
Men hypede fremstillinger af AI i medierne kan omvendt føre til, at ejerlederen forestiller sig en slags sci-fi-agtig robot, der selv kan tænke, lidt i stil med ”general AI”, fortæller Sunniva Sandbukt.
Maskinlæring kræver ifølge forskeren data af høj kvalitet og kvantitet. Og ligesom eksperternes og virksomhedsejernes opfattelser af AI er forskellige, ligger deres syn på data ofte også ret langt fra hinanden.
En specialist i Sunniva Sandbukts feltarbejde skildrede virksomhedernes og eksperternes forskellige tilgange til data således:
“Det lidt abstrakte ord ’data’ skal konkretiseres for virksomheder. Hvilket kan være ekstremt svært. For mange virksomheder er det jo bare en fil, der ligger gemt på en computer. Men det er jo ikke det, jeg taler om. Jeg taler om det, du skal ud at fange i den rigtige verden, og hvad det er.”
I et andet eksempel forestillede ejerlederen af et gammelt firma sig, at ledernes og medarbejdernes mangeårige viden kan konverteres til data. Men her ved maskinlæringsspecialister med baggrund i statistik, at det kræver et helt andet niveau af kæmpemæssige datalandskaber for at skabe gode resultater med AI, pointerer Sunniva Sandbukt.
Hvis du og din virksomhed ønsker at blive en del af et AI Denmark-forløb, så kan I læse mere om, hvordan man ansøger via nedenstående link. Som deltagende virksomhed indgår man automatisk i konkurrencen om Industriens Fonds AI-pris, hvor man kan vinde 200.000 kr. til virksomhedens videre arbejde med kunstig intelligens.