20 virksomheders erfaring med kunstig intelligens i praksis

I publikationen ‘Kunstig intelligens i praksis’  samler Alexandra Instituttet 20 virksomheders erfaringer med at bruge AI. Rapporten har faktisk nogle år på bagen, men den er genudgivet, fordi Alexandra er sikker på, at vi kan indfri AI-potentialet ved at lære af hinandens erfaringer. 

De 20 virksomheder har brugt kunstig intelligens til at:

1. Forbedre datakvalitet, eksempelvis at højne kvalitet af data til det internationale marked
2. Optimere arbejdsgange, eksempelvis at udforske mulighederne i automatisering
3. Udvikle nye produkter og/eller nye funktioner i et produkt, eksempelvis til beslutningsstøtte baseret på historiske data

For nogle er løsningerne kommet i produktion, mens konklusionen i andre tilfælde har været, at ideerne ikke var stærke nok til at overleve pilotfasen. Sådan er det med innovationsprojekter. Men i alle tilfælde er der opbygget praktiske erfaringer. Erfaringer, vi mener, er vigtige at formidle. Som en af de interviewede så klart siger det:

“Vi havde måske, hvilket jeg tror rigtig mange har, sådan lidt jubeloptimistisk troet, at det kunne vi da bare lige gøre det der med big data analytics og machine learning. Der blev vi klogere.”

Kom godt i gang
De virksomheder, der har lykkedes og også ender med at implementere AI-løsningen, har haft en klar idé om, hvor de vil hen forretningsmæssigt, og er afklaret om, hvilken rolle data spiller i processen.

I sig selv er det ikke så overraskende, men det peger alligevel på vigtigheden af at få afstemt en eventuel satsning eller afprøvning af kunstig intelligens med virksomhedens overordnede strategi.

På tværs af virksomhederne kan vi se, at mange af de ideer, der er blevet til færdige løsninger, er vokset ud af en dyb forståelse for den branche, som virksomheden opererer i. Deres viden har gjort dem i stand til enten at identificere et meget konkret problem, som skal løses, eller spotte muligheder for nye produkter og services.

Som en af de interviewede understreger:

“Vi har altid forretningen og domænespecialister med ind i et projekt, for ellers kører det af sporet. Især fordi vi er drevet af forretningens behov, så der skal altid være et behov.”

Det peger på, at man ikke må undervurdere værdien af domæneviden, da den gode ide som oftest har taget sit udspring dér.

Find det rette ambitionsniveau
Hvor ambitiøs man tør være, afhænger af, hvilket erfaringsgrundlag man arbejder ud fra, og hvilket økonomisk spillerum og appetit man har i forhold til at investere.

Virksomheder, der er vant til at eksekvere højteknologiske projekter, og som er dygtige til at absorbere avancerede teknologier, vil typisk være mere ambitiøse, end hvis det modsatte er tilfældet.

“Vi har erkendt, at det er bedre at gøre en lille ting godt end en stor ting dårligt, så det har påvirket hele vores måde at arbejde med de her modeller på, at vi er interesseret i at have nogle rimeligt enkle modeller, men at vi sammenstiller de modeller i et økosystem, hvor de kan benytte hinandens output.”

Flere virksomheder har haft gode erfaringer med at bryde rejsen mod at anvende kunstig intelligens ned i mindre afgrænsede forløb, hvor hver del har leveret output, der kunne implementeres og dermed løbende skabe værdi.

Involver jeres kunder
Det er en klassisk udfordring i projekter, der handler om ny teknologi, at finde den rette balance mellem henholdsvis teknologi, forretning og brugere. Alle tre skal på banen i udviklingsprocessen for at sikre værdi i den løsning, der udvikles, hvad end det er til en kunde eller medarbejderne i ens organisation.

Flere af de interviewede virksomheder peger på, at kunders involvering tidligt i udviklingsprocessen sikrer, at den løsning, der udvikles, har værdi for dem, der skal bruge det, hvad end det er til en kunde eller medarbejderne i ens organisation.

“Machine learning er det mindste af det her. Det er i princippet bare en linje kode,” lyder det fra en af kilderne.

Erfaringerne viser, at de virksomheder, der lykkedes med at implementere resultaterne af deres projekter, også er dem, der tidligt og løbende har involveret brugere, kunder og andre stakeholders.

Accepter at kunstig intelligens er mere end algoritmer
Når virksomheder går i gang med at arbejde med kunstig intelligens, har mange en tendens til indledningsvist at fokusere på de tekniske dimensioner af arbejdet. Det er helt naturligt. Alene det at få greb om metoderne og teknologierne kan være en stor mundfuld.

“Vores data scientists er så langt fremme nu, at de taber forretningen. Og det handler i virkeligheden om at hæve forretningen og træne dem i at deltage, for så får du et gigantisk kraftværk. Det handler om at opbygge en forståelse for, hvad machine learning er.”

I vores interviews peger nogle af de virksomheder, der er længst fremme i udviklingen, på vigtigheden af at få involveret medarbejdere og slutbrugere langt tidligere i udviklingsprocessen, end mange udviklere er vant til. Det handler ikke kun om at skabe den fornødne opbakning til de løsninger, der udvikles. Det handler også om at sikre, at den tekniske løsning bliver anvendelig for medarbejdere og slutbrugere. Og her lægger de vægt på, at det ikke bare handler om sporadisk feedback, men at medarbejdere med andre fagligheder indgår på lige fod i udviklingsarbejdet.

“Vi har i virkeligheden et lille machine learning-team, men det, der sker, er, at forretningen flytter ind til os og udvikler sammen med os.”

Rent praktisk fungerer det for nogle ved, at medarbejdere i perioder udlånes til projektet eller det centrale kunstig intelligens-team. Det skaber en vigtig dynamik, som resulterer i et godt samspil med resten af organisationen og sikrer ejerskab hele vejen rundt.

Publikationen med de mange indsigter kan downloades her – der finder du også de trin, I bør tage for at komme godt rundt om AI-forløbet og nærmere jeres mål.

Fakta bag bogen
Vi har interviewet mere end 20 af de virksomheder og offentlige organisationer, der har deltaget i hhv. projekt Danish Center for Big Data Analytics driven Innovation og Innovativ Brug af Big Data. I denne publikation (udgivet i 2020 og revurderet i 2024) samler vi deres erfaringer med at udvikle og implementere løsninger baseret på kunstig intelligens.

Blandt virksomhederne er der få rådgivningshuse – ellers er der primært tale om virksomheder, der sælger softwarebaserede produkter og services, som de helt eller delvist selv udvikler.

Danish Center for Big Data Analytics driven Innovation var et samarbejde mellem de datalogiske institutter på henholdsvis Københavns Universitet, Danmarks Tekniske Universitet og Aarhus Universitet, myndighederne Digitaliseringsstyrelsen, Erhvervsstyrelsen og Region Midt samt de private virksomheder Systematic og Visma. Her arbejdede forskere fra institutterne over fire år med en række offentlige organisationer og private virksomheder om at øge og styrke anvendelsen af offentlige data inden for domæner som sundhed, uddannelse og offentlig administration.

Innovativ Brug af Big Data var et projekt, der gav SMV’er mulighed for at samarbejde med nogle af landets førende forskere inden for behandling og visualisering af data. Projektet var rettet mod SMV’er i Danmark og særligt SMV’er i Region Midtjylland, der i forvejen havde et datagrundlag, men ikke helt vidste, hvordan disse data kunne bruges i forretningen. Projektet var et samarbejde mellem Aarhus Universitet, Aalborg Universitet, det daværende it-forum og os. Projektet var finansieret af Den Europæiske Fond for Regionaludvikling og Region Midtjylland med os som operatør.