Google-toppen: Så går du från hype till verklig affärsnytta med generativ AI

En vanlig misstag många gör med sina AI-projekt är enligt Ted Schönbeck att börja i fel ände.

– Jag tror att man först och främst måste se till att lösa ett affärsproblem och verkligen räkna så att det finns ett affärsvärde i projektet.

En fälla är att inte ha en genomtänkt strategi på plats från början.

– Jag tror många nu upptäckt att när man ska som företag använda AI så kan man inte bara anropa något API på internet. Du behöver ha en plattform där du kan bygga dina lösningar och underhålla dem.

Vilka gemensamma drag har de organisationer som kommit igång och lyckats bästa med sina AI-satsningar?

– Alltid när man pratar om digitalisering så är organisationen en tänkbara barriär. Det ser vi nu med AI också. Det är ofta du träffar en enskild avdelning som tycker AI är superhäftigt och superkul men som kanske inte får de övriga tre avdelningarna med sig.

– Mindre eller modernare organisationer utan silos accelererar mycket fortare. Alla vet att AI bygger på data. Då blir det naturligt att frågorna ”Vilken data får vi använda?” och ”Vilken underliggande dataplattform har vi” uppstår.

Framgångsfaktorn är alltså att ha en enkel organisation och ordning och reda på sin data. Men också mod.

– Det finns väldigt många företag som nu bara säger ”hit ska vi” och gasar. Det gäller att skapa en kultur av att vilja driva utvecklingen framåt.

Att hitta rätt med sitt första AI-projekt kan vara svårt. Det får varken var ett för stort eller ett för smått problem.

– Börjar du med något för stort är risken stor att det blir för komplext men det måste samtidigt vara så pass stort att många ser värdet av projektet. Sen tycker jag att man ska försöka arbeta i ett cross-funktionellt team med människor som tycker det är kul.

– För blir det lyckosamt är det något alla de här personerna kan ta med till sina avdelningar och driva där.

Bland större bolag kan det vara frestande att skapa en AI-grupp vid sidan av den ordinarie verksamheten.

– Men problemet med den typen av innovationsdivisioner är att de inte är inne i den dagliga verksamhet. Det kan fungera jättebra för att göra demos och piloter, men när de lämnar det stadiet och ska köra på riktigt så stöter man på utmaningar man inte mötte i ”sandboxen”.

Det kan också vara svårt att veta vilken modell man ska använda till vilket projekt.

– Väldigt många usecase fallerar för att man bygger på jättestora modeller varje gång, vilket är hål i huvudet både utifrån ett kostnadsperspektiv och ur energisynpunkt. Det finns fantastiska usecase som man kan lösa med små och mellanstora modeller.

AI-agenter är på allas läppar just nu. Ted Schönbeck ser det som en naturlig utveckling.

– Agenten är ett sådant enkelt och logiskt gränssnitt mot AI. Företag och organisationer har massvis med data och den är ganska svår att hålla koll på. Att då ha agenter som du kan konversera med med ditt naturliga språk blir väldigt kraftfull.

– Det är bara att skriva till agenten exempelvis ”Vilka tre produkter sålde mest i Q4 i Skåne?” och så får du fram det. Det handlar om att verkligen demokratisera tillgången till viktiga insikter.

I regulatoriska branscher kan den instinktiva reaktion till den snabba teknikutvecklingen vara – vänta och se. Det tror Ted Schönbeck är ett misstag.

– Vi märker ganska ofta när vi träffar kunder inom exempelvis finans- eller medicin-sektorn att det finns en allmän känsla av ”Får vi verkligen använda det här?” och så utgår man ifrån att det är för tidigt.

– Jag tror att det är bättre att testa och se hur långt man kommer, testar man och inte lyckas så lär man sig något av det också. Att vänta är inte rätt metod.

Hur ska små och medelstora företag tänka?

– Bland det finaste med generativ AI tycker jag är att det till skillnad från andra andra teknikskiften inte behöver vara så komplext. Det finns otroligt enkla och bra verktyg för att komma igång med att bygga agenter och chattbottar.

– Så klart man kan ta hjälp av en partner om man vill, men jag tycker framförallt att lite mindre bolag ska se det här som världens möjlighet.

På vilket sätt?

– Ett mindre bolag som arbetar agilt kan nu verkligen utmana större och mer etablerade bolag, som kanske har större kulturella och organisatoriska utmaningar.

Det går inte en dag utan att det sker ett nytt framsteg på AI-området. Molnjättarna stångas med uppstickarbolag om att presentera de häftigaste och mest kraftfulla lösningarna. Det är en svår djungel att navigera i – även för den mest teknikintresserade it-chefen.

– Det är en konstant tävling och det är jättebra för kunderna. Utvecklingen går framåt hela tiden. Vi brukar säga att AI-modeller kommer och går men plattformar består.

Vad innebär det?

– I det här läget måste man satsa på en plattform. Den behöver ha verktygen för att bygga, träna, testa, produktionssätta och övervaka många olika modeller. Det är omöjligt att veta vilken modell som är bäst om sex månader men det är ingenting man behöver vara skräckslagen över.

– Tittar du på marknaden idag finns det mer än 50 modeller på marknaden som kan leverera fantastiska resultat för ett genomsnittligt företag.

Google Cloud:s AI-plattform heter Vertex och på den i finns i skrivande stund 170 olika modeller.

– Utöver våra egna modeller finns modeller från våra partners som Meta, Anthropic och Databricks. Dessutom finns det en hel del open source-modeller som både versionerna av DeepSeak. Men allt tillhandahålls av oss i en plattform där vi managerar och hanterar modellerna.

– Vi har också en lösning vi kallar Google Model Armor som man lägger framför sina AI modeller som läser av anomalier och upptäcker försök till jailbreaks etc och på så sätt skyddar dina AI-projekt,

Samtidigt som AI-revolutionen har fört med sig mängder av spännande möjligheter – har den också gett de cyberkriminella helt nya verktyg.

– Absolut, men just nu skulle jag säga att de goda ligger före. De ai-drivna säkerhetlösningar som Google och andra erbjuder för företag för att skydda sig är bättre än angriparnas verktyg.

Han bland nämner bland annat GCP:s Security Command Center.

– Det är en skyddsplattform som Google har byggt som funkar med Azure eller AWS också. Den är fantastisk på på att upptäcka anomalier i trafikmönster och kunna varna för det. Funktionen där du simulerar attacker för att hitta hål i din miljö innan angriparna gör det är utvecklad på vårt Stockholmskontor.