Skip to main content

Bild

business_man
Blogg

Vägen till AI

Sektioner

fredrictravaglia.jpg

Text

En säker satsning på en trolig vinnare för 20-talets dominerande trendfaktor är Artificiell Intelligens, AI.

En av egenskaperna som gör AI, i nuläget, så tacksamt som buzzword och modeord är att själva begreppet är lite luddigt. Man har kanske en känsla av vad det innebär, eller vilka förväntningar på vad det kommer att medföra, men kan inte riktigt definiera det konkret eller beskriva vilka steg som bör tas för att komma dit.

Kunskap, förståelse, en gemensam uppfattning och en målbild är alltså en förutsättning för att kunna närma sig handling och ge den motivation som krävs för att komma framåt i en riktning som ger mervärde och nytta för verksamheten.

Det finns mängder av material, kurser, bloggar m.m. som behandlar ämnet, vi tipsar om några av dem längst ned i den här posten. -Men vi skulle även vilja lägga en bit av pusslet som ger vår syn på AI, och hur kopplingen kan göras mellan nutid (as-is) och framtid (to-be). En begynnande ledtråd är; börja med det du kan, ta små steg framåt, förbättra kontinuerligt och ha slutmålet i sikte under tiden.
 

En enkel tolkning av AI

AI är en teknikfaktor som har potential att i grunden förändra våra liv och vårt samhälle på en fundamental nivå, som ångmaskinen eller elektriciteten en gång gjorde i början av den industriella revolutionen. På Enfo tycker vi att det är viktigt att alla, oavsett roll och arbetsuppgifter, har möjlighet att få inblick i vad det kan innebära. Det är för att förstå den nytta och de kommande förändringar vi sannolikt kommer att se under de kommande åren. Därför har vi bland annat inkluderat och rekommenderat ”Grunderna i AI” från Linköpings Universitet som instuderingsmaterial i vårt lärandesystem (Learning Management System, LMS) som våra anställda kan ta del av i sin egen takt för att förkovra sig (länk till den öppna kursen finns längst ned)

Om man kliver tillbaka några år, säg till 70-talet, var det nog omöjligt att förutspå den teknikutveckling vi sett fram till idag. Som att personanpassade algoritmer (beräkningsmodeller) skulle styra en stor del av den information vi får till oss i våra liv, på sociala medier, genom nyhetsplattformar och appar, och i det urval av musik och media vi konsumerar genom streamingtjänster. Ett enklare sätt att beskriva AI är en ”förlängning” av just den typen av beräkningsmodeller som tar beteendeinformation som inmatning, för att skapa en rekommendation eller upplevelse som väcker intresse och engagemang, oavsett innehåll. 

Förlängningen innebär att ”beräkningsmodellen” med hjälp av maskininlärning (Machine Learning, ML) och en stor mängd strukturerad och ostrukturerad data, kan ”dra slutsatser”, ge rekommendationer eller, i den mån den är bemyndigad, ta beslut baserat på faktorer som för oss människor skulle vara utom räckhåll på grund av för stor underliggande informationsmängd eller att samband som är icke-intuitiva finns. Det här ”tänkandet”, den artificiella intelligensen, skapas av AI/ML-specialiserade programspråk, AI/ML-specialiserade programvarumiljöer, applikationer och plattformar, samt AI/ML-specifik hårdvara som komplement till det befintliga IT-landskapet. Det satsas enorma resurser på att utveckla områdesspecifikt såväl som generellt AI-stöd för olika tillämpningar, och IBMs erbjudande kring cognitive computing och Watson är ett exempel på det.

Förenklat är det dock samma mekanismer och verktyg som vi haft tillgång till under många år för att utveckla funktionalitet genom programspråk och hårdvarukomponenter. Regler och villkor med förutbestämda utfall, men på en helt annan magnitud som efterliknar det vi kallar för medvetande, tänkande, resonemang och intelligens, för specifika tillämpningar och problem. Det kan röra sig om mönster i stora datamängder, prognoser, bedrägeri- eller cyberattack-detektion, logistikplanering och så vidare. Allt vi kan tänkas hitta ett sätt att beskriva ett regelverk eller inlärningsmetoder för.
 

Från djungel till struktur

Så hur kommer man då dit, eller åtminstone ett steg på vägen. Som gemensam nämnare i flera av resonemangen ovan finns information, data, som den grundsten en artificiell intelligens bygger på. 

Ju bättre kvalitet det är på den data man förfogar över, desto bättre fungerar det att bygga logik som kan skapa värde för verksamheten. Oavsett om det är ”klassisk” applikationsfunktionalitet eller artificiell intelligens. Vad är då kvalitet i förhållande till data? En väl fungerande lagring, där tillgång, sökningar och volymer inte begränsas på grund av prestanda eller infrastruktur är en faktor. En väl fungerande modell för vilken information det är datan representerar. En Master Data Model, MDM, gör att man vet vad man frågar efter, var det lagras, och hur relationerna mellan informationsobjekt ser ut. 

I praktiken kan det betyda integration, datalager, data virtualization, identitetshantering och MDM-stöd, men kärnan är inte att rätt nästa steg är att springa ut på marknaden för att investera i ytterligare ett system, eller köpa in en ny plattform; det är att få ordning och reda på de system, applikationer, den data och information, som redan finns. En översyn av IT landskapet med hjälp av en verksamhetsarkitekt kan vara en nyttig aktivitet. Att inventera och kartlägga informationslandskapet med underliggande informationsobjekt en annan. 

Enfo arbetar med olika typer av automatisering kopplat till informationshantering och värdeskapande. Vi har lång erfarenhet av hur man bör modellera, planera, implementera och köra integrationsplattformar, automatiseringsverktyg, business intelligence- och analyticsverktyg, och vi vet hur man effektivt driftar dem,lokalt eller i molnet, på ett säkert och verksamhetsanpassat sätt.

Vill du ha hjälp med att se över vilka aktiviteter som skulle kunna ge stora effekter på sikt för ert företags satsningar inom AI? Kontakta oss på Enfo! Vi tar gärna ett förutsättningslöst möte för att diskutera alltifrån IT-strategi till implementation av specifika verktyg och lösningar utifrån de utmaningar och behov som gäller för just er verksamhet.  

#itsallaboutintegration #AIUtmaningen #ai
 

Länktips och vidare läsning

Elements of AI (Grunderna i AI) : Linköpings Universitet

Google AI Blog

Microsoft AI Blog

IBM AI Blog

Watson

Getting started with Cognitive Technology
 

Fredric Travaglia
Business Development Consultant, Enfo 
fredric.travaglia@enfo.se
LinkedIn

Dela