Vi dykker ned i scenarier, hvor AI faktisk giver mening
AI er her, der og alle vegne. Sjældent har en teknologi fået samme opmærksomhed, men AI har faktisk været på markedet i mange år. F.eks. har de fleste streaming-tjenester i flere år anvendt AI til at foreslå det næste musiknummer eller serie baseret på dine præferencer. Så hvorfor er interessen omkring AI pludselig eksploderet de seneste år?
For at finde svaret på det spørgsmål, så skal vi se lidt på udviklingen, og måske ikke overraskende også på de økonomiske investeringer fra store internationale koncerner.
I 2015 blev OpenAI stiftet som et open source initiativ, hvor det oprindelige formål var at skabe en åben sprogmodel, som skulle kunne forstå og generere indhold i naturligt sprog - en såkaldt Large Language Model (LLM) baseret på generativ AI. Den teknologiske udvikling i maskiners regnekraft var på daværende tidspunkt nået et niveau, hvor drømmene fra diverse sci-fi film efterhånden begyndte at kunne realiseres. En række visionære profiler stiftede derfor OpenAI til at drive den teknologiske udvikling fremad.
Potentialet i teknologien vækker dog også interesse hos flere store internationale koncerner, hvor bl.a. Google, Meta og Apple arbejder på egne initiativer. Her vælger Microsoft en anden strategi, hvor de i 2019 går i partnerskab med OpenAI og bliver den største økonomiske bidragyder til udviklingen af generativ AI. Microsoft gør bl.a. dette, fordi de ser, at teknologien har potentiale til fundamentalt at ændre måden, hvorpå vi arbejder med traditionelle it-løsninger.
Hermed er vejen lagt til en accelereret udvikling, hvor store koncerner konkurrerer om markedsandele og samtidig driver teknologiske fremskridt i eksponentiel hastighed.
Der er foretaget internationale analyser, der påviser en øjeblikkelig forventning til generativ AI, som teknologien reelt ikke er moden til at indfri på nuværende tidspunkt. Derfor er der meget ofte en forventningsafstemning, der skal på plads, før man kaster sig ud i et AI-projekt.
Det forretningsmæssige potentiale er dog stort og den teknologiske udvikling flytter sig enormt hurtigt. Derfor er det vigtigt at finde ud af, hvilke scenarier vi reelt kan anvende AI til på nuværende tidspunkt, men også have visionerne på plads til fremtidig udvikling.
Som organisation kan man derfor med fordel begynde at vænne sig til AI, så man ikke står tilbage på perronen, når toget er kørt. Omvendt skal man ikke gå i panik og tro at alle konkurrenterne er meget foran - husk at generativ AI stadig er ret nyt for alle.
Når man skal finde det gode scenarie til AI, er det vigtigt at betragte sin arbejdsgang og vurdere om arbejdsgangen kræver et eksakt svar, som kan udledes gennem veldefinerede regler, eller om der er tale en mere kreativ proces, hvor det i højere grad handler om at få sparring og inputs til at løse problemstillingen.
Disse modeller kaldes ofte hhv. determiniske og probabilistiske modeller. AI hører til i sidstenævnte kategori.
Lad os betragte et par eksempler.
Eksempel 1 - Orienter support-team ved nye sager
Hvis en organisation har et support-team med tilhørende sagshåndtering, så er det ikke ualmindeligt, at der opsættes en form for notifikation til teamet, når nye sager oprettes. Her er der tale om en proces, hvor vi kan definere det præcise output "en standardmail til support-teamet", samt en handling, der udløser logikken "der er oprettet en sag".
Her er der dermed tale om en deterministisk problemstilling, som kan løses med helt traditionel procesunderstøttelse.
Eksempel 2 - Tildel supportmedarbejder ved nye sager
I dette eksempel ønsker samme organisation nu at tildele en relevant supportmedarbejder til sagen ud fra sagsbeskrivelsen. Vi skal med andre ord fortolke indholdet i sagsbeskrivelsen og ud fra dette vurdere, hvilken medarbejder, der er bedst egnet.
Denne problemstilling er probabilistisk, da der ikke findes et fast defineret svar og heller ikke et struktureret input til processen, da dette varierer alt efter, hvad der er skrevet i sagsbeskrivelsen. Sådan et scenarie vil være meget velegnet til AI.
Så kan du definere input samt konkret ønsket output på forhånd, så kalder det ofte på traditionel logik, hvorimod et mere kreativt input samt sandsynlighedsbaseret output typisk vil pege i retning af en AI-baseret løsning.
Det kan være en god idé at søge ekstern ekspertassistance, når man skal i gang med AI. Dels for at sikre den rette forståelse af AI-mulighederne, men også for at sikre, at man starter det rigtige sted.
I Microsoft-platformen findes en række indbyggede AI-værktøjer, f.eks. Microsoft 365 Copilot. Som Microsoft AI Cloud Partner følger Evobis den seneste udvikling, og kan derfor rådgive, træne og implementere AI-løsninger i platformen.
Hos Evobis tilbyder vi rådgivning, træning og implementering af AI-løsninger. Så ræk ud til os, og lad os tage en snak om netop jeres behov - vi er klar til at hjælpe.
