Krönika: 6 steg till lönsam generativ AI

Generativ AI kommer att få en stor betydelse för de allra flesta organisationer under de kommande åren. Men det är inte bara att sätta i gång och skapa lösningar. Det krävs insatser för att välja lämpliga användningsfall och för att hitta en optimal mix mellan mänskliga och maskinella insatser. Här presenterar Tarun Madan, affärsutvecklingschef på Nagarro, sex steg för att lyckas. 
AI, och i synnerhet generativ AI, är ett brännhett ämne som engagerar styrelser och ledningsgrupper över alla branscher. Frågorna är många: Hur bör vi förhålla oss till den teknik som AI utgör? Hur påverkar det oss och vår bransch? Hur kan vi redan idag utnyttja befintliga tjänster för att förbättra vårt nuvarande arbetssätt? Hur integreras det i vårt erbjudande? Vilka organisatoriska förändringar krävs för att hänga med i utvecklingen?
Enligt en rapport från McKinsey är generativ AI redan ett ämne på agendorna för styrelserna hos 96 procent av alla företag! Optimismen flödar: företagsledare förutspår förbättringar av verksamheter på 7-9 procent under de kommande tre åren, tack vare generativ AI.
Generativ AI handlar om AI-lösningar som skapar innehåll av olika slag på egen hand, som till exempel med Chat GPT. I dag är det ofta frågan om texter, bilder, men även video och annat ”kreativt innehåll”. Men det skulle i princip kunna vara vad som helst, till exempel programkod för avancerade mjukvaror. Potentialen är uppenbar, men det finns också en del utmaningar:
  • Det är svårt att formulera lämpliga användningsfall.
  • Det är svårt att förutse risker med generativ AI.
  • Det går inte att beräkna kostnader.
  • Experter är inte tillgängliga.
Det krävs uppenbart en del arbete för att lyckas. Här är sex steg för att ta generativ AI från styrelsediskussioner, till lönsamma lösningar i verkligheten.

Steg 1: Styrning av generativ AI

Lösningar byggda på generativ AI kan av många olika skäl ge undermåliga, oetiska och oberäkneliga svar. En AI-lösning kan inte ”förstå” alla nyanser som påverkar människors liv. Ett exempel är att förstå hur empati påverkar oss. De här riskerna bör hanteras med tillsyn och styrning, som säkerställer etiska och transparenta lösningar som erbjuder spårbarhet vad gäller ansvar.

Steg 2: Ledning av människor

För att styra lösningar byggda på generativ AI behöver det vara människor som leder det arbete som de utför. Generativ AI ska komplettera och förbättra människors arbete, inte ersätta det. Med människor med i bilden tas det hänsyn till empati, intuition och andra ”mjuka” faktorer. Risken för partiskhet och rena felaktigheter minskar.

Steg 3: Främja produktivitet

Automatisering och generativ AI kan öka effektiviteten inom många områden. Exempel på det är avancerad sökning av innehåll och översättning. Men generativ AI passar inte för alla användningsfall. Ibland passar enkla analysmetoder eller andra typer av AI-lösningar bättre, till exempel om de kan kombineras med etablerade. Det är klokt att konsultera en AI-expert för att analysera vilken typ av lösning som passar bäst, i stället för att automatiskt välja generativ AI.
 

Steg 4: Få ut värde av stora datamängder

Entusiasmen är stor för Chat GPT och andra, liknande API-baserade lösningar standardlösningar för generativ AI. Men de erbjuder inte alltid optimala lösningar. Ibland är det bättre att använda öppna lösningar för stora språkmodeller (LLM), och optimera dem för de egna data som hanteras, än att enbart använda “förtränade” modeller. Tredjepartsmodeller som är API-baserade kan ibland ge sämre resultat.

Steg 5: Fintrimma medarbetares arbetsflöden

Generativ AI kan befria oss från repetitiva och tråkiga arbetsuppgifter, och bidra till smarta idéer och korta tiden för att implementera lösningar. Men för att få ut fullt värde av generativ AI behöver man få till en bra mix av mänskliga och maskinella insatser.

Steg 6: Sätt i gång nu – lär dig sedan mer och förbättra lösningar

Avslutningsvis gäller samma sanning för generativ AI som för alla andra tekniklösningar: det är inte tekniken i sig som är intressant, utan hur den används för att förbättra upplevelser för alla intressenter, inte minst för kunder. De utmaningar som finns med generativ AI kan bara hanteras genom att sätta i gång och bygga lösningar.

 / Tarun Madan, affärsutvecklingsansvarig på Nagarro i Sverige.

 

 Disclaimer: Tarun Madan, har författat denna krönika för publicering i Finanstid. Påståenden och åsikter är krönikörens egna.