Fallgropar och utmaningar på AI-resan

Text: Simon Matthis

Ett högintressant och underhållande inslag på Optilon Supply Chain Conference var en paneldebatt kring artificiell intelligens (AI). På ett lättsamt vis diskuterade fyra experter från olika branscher vilka vanliga attityder och missuppfattningar kring AI de möter i sina yrkesroller.

 

Tveklöst råder en hel del missuppfattningar kring AI även i professionella sammanhang, både kring vad AI är och vilken nytta det kan göra. Det framgick av paneldebatten som hölls på engelska under rubriken ”How to get going with AI, pitfalls to avoid, how to  build a successful team”. Ather Gattami, som driver den populära AI-podden, tillika grundare av AI-teknikföretaget Bitynamics, berättade:

– Jag har mött människor som sagt: ”Vi höll på med AI redan på 80-talet”. Då undrar man vad deras definition av AI är.

Mentometerfrågor

Ather Gattami efterlyser en mer medveten användning av begreppet, inte som synonymt med data.

Man kan fråga sig om inte denna breda, diffusa uppfattning om AI, som verkar så vanlig, också omfattades av delar av publiken. På en inledande mentometerfråga, ”Har du använt AI i din supply chain-process?”, gav så många som 50 procent ett jakande svar. Anmärkningsvärt är också att kring 40 procent svarade att de inte ens har några planer på det.

Ändå har få företag som kommit så långt på sin AI-resa att den gör verklig verksamhetsnytta,

om man får tro panelens experter.

Övertro

Det verkar också finnas en övertro på vilken skillnad AI kan göra:

– Kunder har frågat mig: ”Vad får vi ut av det här om tre månader?” ”Ingen aning”, svarar jag, ”eftersom jag inte vet vilken data ni har”. Det som är viktigast är att man har ett ”business case”, förklarade Ather Gattami, som påpekade att det kan visa sig att kunden inte ens behöver något AI.

Han betonade också vikten av att alla AI-projekt initieras av ledningen eftersom det är så kostsamma och komplexa projekt.

– Alla AI-strategier måste komma från ledningen eftersom det rör sig om heltidsprojekt, sade Gattami som också höjde ett varningens finger för junior-företag som påstår att de kan allt om AI. Ather Gattamis råd är att inte lyssna på dem.

Vad förväntar sig kunder att få ut av sina AI-projekt, undrade moderatorn Sabinije von Gaffke.

– De frågar om vi kan förutsäga efterfrågan, svarade Cecilia Hellstadius, Head of Analytics Global Ops, Ericsson, bestämt.

Negativa förväntningar

Förväntningarna kan ha också ha negativa förtecken. Det vittnade Michal Pietka, Supply Chain IT-chef på Procter & Gamble om och berättade om utmaningen att få med samma människor på AI-resan som är oroliga för att för att mista sina jobb på grund av det, genom att ett AI gör deras arbetsuppgifter överflödiga.

– Det handlar om att bygga tillit, att få dem att se sig som ”ambassador of change” och förstå att ett AI inte kommer att ta deras jobb ifrån dem, sade Michal Pietka.

Men hyser man den oron kanske man inte ens ska arbeta med AI:

– Vi vill få med ”early adopters” ombord. Låt oss jobba med dem som vill jobba åt oss, sade Mattias Axelsson, Transportation & Area Manager på SKF.   

Jordnära projekt

SKF har genomfört ett AI-projekt, som åtminstone i AI-sammanhang framstår som ganska jordnära och som gick ut på att korrigera masterdata.

– Vi började med att vi hade ett projekt med dålig datakvalitet och såg möjligheten att korrigera data, berättade Mattias Axelsson som poängterade att projektet var avgränsat till ett område, en marknad och hade konkreta resultat som mål.

En lärdom Mattias har dragit av projektet är att det är viktigt att inte arbeta i silos. En framgångsfaktor för projektet var att process-, data- och finansavdelningarna samarbetade.

En helt annan utgångspunkt har Michal Pietka haft i de AI-projekt han varit inblandad i.

– Det är viktigt att ha med sig att man inte vet vad man kommer att lära sig. Jag har tidigare varit med att man varit ”committed” på ett för tidigt stadium. Bestäm dig inte för något annat än att förkovra dig. Man lär sig mer från misstag än framgångar, sade Michal Pietka.

– Visst är det viktigt att lära sig, men man kan inte bara göra det. Man måste också tjäna pengar, replikerade Cecilia Hellstadius.

AI i vardagen

AI-tillämpningar har ofta drag av framtidsvision, inte minst på film, kanske för att används så mycket i övervakningskameror där det också reser känsliga integritetsfrågor. Särskilt då den kontroversiella användningen av ansiktsigenkänning i Kina. Men det förekommer i ännu vanligare och helt oförargliga tillämpningar, som när vi gör en google-sökning.

– När Amazon rekommenderar en ny bok används ett AI och Google Search skulle inte vara möjligt utan AI, sade Ather Gattami.

Somliga kanske tycker att även detta är skrämmande, men dem påminde Gattami om att det är många tekniker vi använder oss av utan att ha insyn i hur de fungerar, exempelvis GPS.

– Var inte rädda för att inte förstå allt, lita på experterna, manade han.

Slutligen frågade Sabinije von Gaffke vad panelen önskar att AI kan göra i framtiden.

– Jag skulle vilja att en självkörande bil kommer och hämtar upp mig när jag ska till jobbet på morgonen, sade Cecilia Hellstadius och drog ner skrattsalvor.