AWS-toppen: ”AI möjliggör saker som tidigare var tekniskt omöjliga men…”

Den 22 oktober är han en av talarna på Connect25 Professional på Folkets Hus i Stockholm. Mycket av AWS kunddialoger handlar, föga förvånande, om möjligheterna och utmaningarna med generativ artificiell intelligens.

– Vi ser två huvudsakliga grupper av kunder: de som ser konkreta möjligheter att applicera AI för att skapa värde, och de som känner sig osäkra och är rädda för att missa tåget. Vi hjälper båda grupperna.

Sverige sticker ut i en europeisk kontext med en särskilt hög mognadsgrad när det gäller den nya tekniken.

– En rapport vi tagit fram visar att 42 procent av svenska startups använder AI på en avancerad nivå, jämfört med 26 procent i övriga Europa. Det är en markant skillnad som bekräftar känslan av att Sverige ligger i framkant.

– Företag som Lovable är fantastiska exempel på hur man kan skapa helt nya typer av produkter och affärsnischer som inte funnits tidigare, vilket i sin tur driver en enorm efterfrågan på den underliggande infrastrukturen. Denna efterfrågan är en av de främsta anledningarna till att vi har expanderat våra datacenter i Sverige.

AI-utvecklingen kommer dock också med vissa utmaningar.

– De största och mest kapabla AI-modellerna är mycket resurskrävande, både när det gäller hårdvara och energi. Därför investerar vi tungt i att utveckla egna, mer effektiva chipp. Målet är att möta det ökande behovet på ett hållbart sätt, minska energiförbrukningen och erbjuda en bättre kombination av kostnad och prestanda.

AWS har identifierat fyra framgångsfaktorer bland kunder som lyckas gå från prototyper till att skapa verkligt värde med AI. Först och främst gäller det att börja med kundvärdet och inte med tekniken.

– Det vanligaste misstaget företag gör är att fokusera för mycket på modellerna. I stället för att fråga ”Vad kan vi göra med AI?” bör man börja med att fråga ”Vad är viktigt för våra kunder?”. Identifiera ett problem som behöver lösas eller ett värde som kan skapas för en intern eller extern kund.

– Först därefter kan ni utforska hur generativ AI kan vara verktyget för att realisera lösningen. AI möjliggör saker som tidigare var tekniskt omöjliga eller ekonomiskt orimliga, men det är fortfarande bara ett verktyg i en större verktygslåda.

Sedan gäller det att verkligen komma i gång med att använda sin unika företagsdata.

– Det finns en vanlig missuppfattning att man måste ha perfekt kontroll, en färdig datastrategi och fläckfri datakvalitet innan man kan börja med AI. Jag menar att det är tvärtom.

– Generativ AI är exceptionellt bra på att hantera och extrahera värde från ostrukturerad data som dokument, fritext och bilder. Man kan till och med använda AI för att skapa datakvalitet, till exempel genom att automatiskt generera dokumentation för befintliga datasystem. Se inte brist på datakontroll som ett hinder, utan som en möjlighet att modernisera.

Det är förstås också viktigt att ha tydliga riktlinjer för sin AI-användning. Att säga ”Vi hanterar känslig data, så vi kan inte använda AI” är att diskvalificera sig själv i onödan, enligt Martin Elwin.

– Tänk i stället nyanserat. Identifiera områden med lägre risk, som att förbättra intern medarbetarproduktivitet, och börja där. Etablera tydliga, men inte nödvändigtvis komplicerade, riktlinjer. Tydlighet är avgörande, för osäkerhet leder antingen till att ingenting händer eller till ”skugg-AI”, där medarbetare använder externa verktyg utanför företagets kontroll.

Den fjärde och slutgiltiga framgångsfaktorn bland bolag som kommit längst med sina AI-resor är, enligt teknikchefen, att de har investerat i organisationen och skapat en kultur som främjar innovation underifrån.

– För att lyckas med AI krävs det att hela organisationen lutar sig in i förändringen. Det behövs stöd uppifrån, men framför allt måste man främja innovation underifrån. De mest värdefulla användningsfallen upptäcks sällan genom top-down-direktiv.

– Ge i stället hela organisationen tillgång till godkända och säkra AI-verktyg och ge dem tid att experimentera. När individer kan kombinera sin unika domänkunskap med den nya tekniken uppstår verklig innovation.

Många är nyfikna på AI-agenter, men för att lyckas gäller det att ha en tydlig modellstrategi.

– Det är ineffektivt att använda en enda stor och långsam modell för agentens alla delmoment. En smartare strategi är att använda en kombination av modeller: mindre och snabbare modeller, som våra Nova-modeller för enklare uppgifter, och större modeller där det verkligen behövs.

Har företag som redan gjort sin molnresa fördelar jämfört med andra bolag?

– Företag som redan är i molnet har en viss fördel eftersom de är vana vid tekniken och plattformen, men AI kan också vara ett verktyg som hjälper företag att accelerera sin resa till molnet. Det absolut största misstaget är dock att vänta. Utvecklingen går så fort att om man väntar på den ”perfekta” lösningen kommer man att stå kvar på perrongen när tåget har gått.

– Detta teknikskifte är minst lika stort som övergången till mobil eller molnet. Vi ser redan helt nya sätt att interagera med datorer. När det gäller ”agenter” ser jag att många kunder redan arbetar med det, även om de tidigare kanske kallade det för ”kedjade promptar”. En agent är inte en magisk, autonom varelse, utan ett system som utför en sekvens av uppgifter för att nå ett mål.