Under förra veckan gick Dreamforce av stapeln, en techkonferens utan dess like. Ett av de stora samtalsämnena var givetvis Artificiell Intelligens (AI) som vi nu börjar se riktiga användningsområden för. Jag fick med mig både det stora och det lilla perspektivet kring AI, och vad det faktiskt betyder för de företag och människor som använder det.
Under de senaste åren har AI omgärdats av en aura av mystik med löften om fantastiska ting, något som nu (äntligen) börjat falna lite så vi faktiskt kan börja se det för vad det är. I grunden är AI nämligen bara en samling algoritmer som kan processa stora mängder data, hitta mönster och baserat på dessa mönster leverera ett resultat. Med andra ord ganska precis vad en dator kunde redan för flera år sedan, bara att de nu är snabbare och dessutom kan mata tillbaka de resultat som skapats in i sig själv för att bli bättre på att ta fram resultat nästa gång. För mig som under flera år följt debatten kring AI är det nu en markant skillnad på hur samtalen förs, och mer fokus ligger på vad vi faktiskt ska ha AI till, samt hur vi ska förhålla oss till detta oerhört kraftfulla verktyg.
En fråga som återkommer allt mer är den etiska användningen av AI – det vill säga, skapar och använder vi AI för att skapa en bättre eller en sämre värld? En del av det ligger i hur vi tränar AI, men Marc Benioff, grundare och co-CEO för Salesforce menar att vi måste även fundera på i vilka sammanhang vi använder AI. Varje företag måste medvetet fundera på hur deras varor och tjänster används, och ta ansvar för detta. Även Kathy Baxter, Architect of Ethical AI practice på Salesforce lyfter det faktum att AI är ett tveeggat svärd, där det lika väl kan hjälpa som stjälpa oss om vi inte är försiktiga.
Men vad innebär det då för de människor på företag som börjar implementera AI-funktionalitet? En sak som verkar tydlig är att vi inte kommer bli av med en massa jobb, utan snarare olika uppgifter. Däremot kommer det betyda att jobben får en ny karaktär, och att vi sannolikt behöver vidareutbilda en hel del människor i hur de ska jobba tillsammans med en AI. De flesta jag pratat med verkar i alla fall överens om att våra jobb kommer se annorlunda ut, även om vi fortfarande kommer ha dem kvar.
En sak som börjar framträda tydligare är att det går att få mer exakt data, och för exempelvis en säljare innebär ett AI-stöd att hen direkt kan kontakta de kunder som är mest sannolika att köpa, snarare än att höra av sig till alla med tre månaders intervall för att fråga om de är köpsugna. Det går även att exempelvis koppla ihop bildigenkänning med väderdata och kalenderdata för att kunna ta en bild av varuhyllorna i en affär, och sedan kunna få ett mer exakt inköpsunderlag baserat på aktuell lagerstatus, kommande händelser och vädret en vecka framåt. Något som kan innebära stora vinster då butiker inte behöver binda lager eller missar att fylla på med en vara som går mer i viss väderlek.
Amit Apte, Digital Foundations Integration Director på Mars menar dock att det är mycket jobb som krävs innan en AI kan implementeras effektivt. Det krävs dels en massa API-kopplingar mellan olika datakällor, och dels måste den data som ska föras in till AI:n läggas till rätta så att datorn kan tolka informationen. Det är ett arbete som för Mars tog 1,5-2 år att få ordning på. Det behövs med andra ord en hel del människor som lägger många timmar på att bygga grunden för att AI:n ska kunna jobba, något som ofta glöms bort. Det betyder dock inte att han anser arbetet ogjort, snarare tvärtom. Genom att de gjort arbetet hos sig är de dels bättre i fas för att kunna dra nytta av sin AI, och dels kommer deras arbete att underlätta för andra som vill skapa integrationer mot Salesforces AI Einstein.
Alla jag pratat med är dock överens om att det inte går att blunda för AI, snarare kommer det bara bli allt vanligare, och därmed även billigare och enklare att implementera. Men ju tidigare du kommer igång, desto mer tid får AI:n på sig att jobba med just din data, något som på 5-15 år sikt kan ge en kraftig fördel gentemot dina konkurrenter. Tricket är att inte se det som ett AI-projekt, utan ett utvecklingsprojekt som alla andra. Du kommer behöva jobba med förändringsledning, och se till att börja i liten skala, men redan från början ha perspektivet att systemet ska fungera i hela bolaget säger Colin Gelfer, medgrundare av företaget Atrium. Annars, menar han, är risken att du bygger en massa speciallösningar på olika delar av bolaget, och missar de synergieffekter som en välintegrerad AI kan innebära.