AI-experterna: Många företag letar på fel ställe

AI Företagen investerar stort i AI, men de verkliga produktivitetsvinsterna uteblir ofta. Enligt experter från Omegapoint och Savantic AI Lab ligger problemet i att tekniken används till fel saker. Ledningen måste bli bättre på att rikta AI mot kärnverksamhetens svåraste problem.

AI-experterna: Många företag letar på fel ställe
Dan Bergh Johnsson, AI-expert på Omegapoint.

Att låta AI skriva mötesanteckningar och sammanfatta dokument gör inte nödvändigtvis en verksamhet mer effektiv. Det var budskapet när Dan Bergh Johnsson, AI-expert på Omegapoint, och Charlotte Rosenquist, som leder Savantic Business Lab inom Savantic AI Lab, talade vid ett frukostseminarium om hur företag kan bygga en långsiktig AI-förmåga.

Någonting är fel

Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.

– Vi har blivit lovade tio eller hundra gånger högre produktivitet. Men så har det oftast inte blivit. Enligt forskningsrapporter från MIT är det 95 procent av alla generativa AI-piloter som inte ger någon mätbar effekt på resultatet, säger Charlotte Rosenquist.

Många organisationer har spridit AI-verktyg brett och hoppats att nyttan ska uppstå av sig själv. Men en medarbetares tidsbesparing kan bli extra arbete för en kollega när mängden material att bearbeta växer. Charlotte Rosenquist varnar också för att människor allt oftare överlåter tänkandet åt AI. Hon beskriver fenomenet som kognitiv avlastning, där viljan att snabbt ta sig vidare i en process gör att den egna eftertanken får stå tillbaka.

Dan Bergh Johnsson tar systemutveckling som exempel på hur företagen riskerar att optimera fel sak. Enligt hans genomgång utgör själva kodningen bara åtta procent av ledtiden i ett genomsnittligt projekt. Resten går bland annat till affärsbeslut, budgetering, tester, godkännanden och väntan. Snabbare kodning får därför begränsad effekt på helheten.

Problemen kan ligga både före och efter programmeringen, i processer som inte är samordnade och där beslut eller leveranser blir liggande. Det är i de flaskhalsarna han anser att företagen också behöver leta efter AI-vinster.

– Vi har den kanske mest kraftfulla teknologin någonsin och riktar den mot mötesanteckningar. Vi borde börja i kärnaffären, där det verkligen gör ont och kostnaderna skenar. Det är lätt att börja i ett ofarligt hörn av verksamheten. Men är det där vi gör något unikt?

För att visa vad det kan innebära lyfter Charlotte Rosenquist flera projekt i den fysiska världen. AI är mer än stora språkmodeller och kan också användas med sensorer och optimering. Ett dagligvaruföretag pekade ut matsvinn som ett stort problem för både kostnader och klimatmål.

– Vi utvecklade något som liknar en AI-näsa, ett kretskort med flera sensorer. När avokador kommer till centrallagret kan den avgöra om en batch mognar om fem veckor eller en vecka. Då kan den första skickas till Boden och den andra till Västerås, säger hon.

Optimerat placeringen av uranstavar

Genom att styra leveranserna efter fruktens mognad kunde företaget enligt Charlotte Rosenquist minska svinnet markant. I ett annat projekt har Savantic optimerat placeringen av uranstavar i Forsmarks kärnkraftverk. Stavarna påverkar varandra och varje flytt är kostsam, men en algoritm kunde simulera ett stort antal alternativ.

– Tidigare satt fysiker i fyra till åtta veckor och räknade på optimeringen. Algoritmen hittade förflyttningar som först verkade märkliga men sedan visade sig effektiva. Vi har kunnat få ut 15 procent mer energi ur reaktorn på Forsmark.

Dan Bergh Johnsson ser exemplet som ett bevis på behovet av både verksamhetskunskap och teknik. Han använder sig av begreppet ”harness engineering”, vilket innebär att man skapar ett ramverk för AI-modellen som styr den mot en specifik uppgift.

– En AI-modell är som en kraftfull lampa som lyser åt alla håll. Med ett ramverk kan man rikta ljuset mot det problem som är intressant för affären.

AI kan också leda till helt nya affärer. Savantic har arbetat med ett företag som har ett mycket stort antal avloppspumpar i svenska städer. Kameror och mikrofoner fångade upp missljud och andra tecken på felaktigheter, som tidigare endast upptäcktes vid teknikerbesök. Detta gjorde att företaget kunde förebygga haverier och därmed spara stora summor pengar.

– Pumpbolaget upptäckte också att det var ett databolag. Det kunde exempelvis få indikationer på att en restaurang saknade fettavskiljare och tipsa kommunen. Plötsligt hade det ett nytt affärsben, säger Charlotte Rosenquist.

Ett underhållsprojekt hade därmed skapat en ny möjlighet att sälja information. Samtidigt framhåller talarna att fysisk AI ställer höga säkerhetskrav. Dan Bergh Johnsson nämner uppkopplade fastighetssystem där svaga lösenord kan ge obehöriga tillgång till ventilation och temperaturstyrning. Han påminner om att många operativa system tidigare inte var uppkopplade, men att den fysiska och digitala världen nu allt oftare möts. Det gör säkerhet och robusthet till centrala egenskaper i AI-satsningarna.

Dan Bergh Johnsson lyfter också att äldre it-system kan vara en konkurrensfördel och inte endast något negativt. Där finns svårkopierad verksamhetskunskap som AI kan hjälpa till att utveckla. Han nämner bland annat gammal kod, Cobol-system och etablerade arbetssätt som en möjlig styrka snarare än ett arv som bara ska rivas ut. En sådan tillgång kan enligt honom vara det som gör det svårt för en konkurrent att kopiera verksamheten.

– Produktivitetsvinsterna finns, men kanske inte där vi letat hittills. Vi måste tänka kreativt kring hur AI används och vad lösningarna behöver klara. Och de måste hålla över tid, även när något går fel, säger han.

Senaste artiklarna

Hämtar fler artiklar
Till startsidan
Techtidningen

Techtidningen Premium

Nyhetstjänsten för dig som jobbar med professionell kommunikation. Få nischade nyhetsbrev för ditt intresseområde och utbildnings-tv.