Experten: Därför misslyckas många ai-satsningar

– När folk hör ai tänker de ChatGPT men ai är så mycket mer än det och bara en av en stor mängd ai-tekniker. Även om jag naturligtvis tycker de senaste årens teknologiska framsteg är otroligt imponerande och även skapar nya möjligheter att använda ai som inte varit möjligt tidigare.

Vad lockade med Globalconnect?

– Jag har alltid haft en stor passion för att skala nyttan av data och ai och GlobalConnect har ett mycket viktigt uppdrag att se till att Norden är uppkopplat, inte minst för att kunna dra nytta av ai. Globalconnect hanterar redan idag 50 procent av all den digitala trafiken i Norden.

Hur har första tiden varit?

– Jag har fått en väldigt bra onboarding. Mycket har handlat om förberedelserna för vårt center of excellence. Det finns ett otroligt stort ai-engagemang här, både i ledningen och ute i verksamheten.

– En viktig uppgift för mig blir att ta fram en strategi för hur vi skapa värde från data och ai på ett skalbart sätt, där vi fokuserar på att bygga nya lösningar för att resten av företaget själva kan jobba med data och ai. Vi kan inte göra allt själva men vi kan hjälpa till med att skapa förutsättningar och sätta relativt hårda prioriteringar för vad vi kan komma igång med på kort sikt, och vad vi bör hantera på lång sikt.

Hur gör man för att lyckas med den hårda prioriteringen?

– Vi har samarbetat med ett universitet i Oslo just kring hur man ska utvärdera ai-tillämpningar. Vi behöver titta noggrant på företagetsvärdet i varje enskild tillämpning, se vad som är egentligen är lämpligt att använda ai för eller inte, hur omfattande arbete det innebär och sen prioritera utifrån det.

Många företag nu försöker komma igång med olika ai-projekt men i praktiken misslyckas många med att få riktigt värde av sina satsningar.

– Många underskattar komplexiteten i att gå från en ai-prototyp till en driftsatt produkt som skapar värde på riktigt. Det är även lätt att tänka ”vi har jättebra data, det är bara sätta ai ovanpå detta” men ofta visar det sig att mönstren som behöver finnas i datan inte finns där. Du kan aldrig veta i förväg om ett ai-verktyg verkligen kommer fungera på just ditt företags data.

Innan Anders Arpteg kom till Globalconnect jobbade han i drygt tre och ett halvt år på Säpo.

– Mitt uppdrag där var likt den roll jag nu har på Globalconnect. Jag kan inte gå in på detaljer men jag är jättestolt över arbetet och de uppskalningar vi lyckades med där.

– Dessutom fick jag jobba nära säkerhetstjänster i andra länder. Vissa hade kommit riktigt långt med deras ai-satsningar och att få veta hur de har lyckats med vissa saker och varför de har misslyckats med andra saker är något jag kommer ha stor nytta av framåt.

Han har dessutom hunnit med att arbeta med ai-frågor på Spotify.

– Ville kunna se hur man kunde använda big data-teknik för att förstå våra backends-systemen. Spotify har hundratals backendtjänster och tiotusentals dataflöden som körs varje dag.

– Att få insikter och dra nytta av de otroliga datanivåerna som finns på Spotify ställer stora krav på tekniken. Att bygga upp ai-lösningar var superspännande och lärorikt.

Mellan Spotify och Säpo arbetade Arpteg som forskningschef på startupen Peltarion.

– Det var en extremt lärorik tid. Vårt uppdrag var att förstå varför många misslyckas och hur vi kan hjälpa fler att dra nytta av den otroliga potential som finns med ai, framförallt med den senaste ai-tekniken.

– Ett av de största problemen är att verksamheter underskattar komplexiteten med att bygga produktionsredo ai-lösningar. Det är jättelätt att bygga prototyper men ska du bygga något skalbart och produktionsredo kan det kräva hundra gånger mer arbete.

Vad har du prioriterat under den första tiden på Globalconnect?

– Att verkligen förstå branschen, företaget och våra processer. Sen lägger jag stor tid på att planera för vårt center of excellence. Vi vill såklart snabbt hitta värde med hjälp av ai, men stora värdet kommer på sikt när vi lyckats skala upp inom hela företaget.

En nyckel för att bli långsiktigt framgångsrika i ai-eran tror Anders Arpteg är att förändra arbetssätt i verksamheten, och informera alla i vilka möjligheter som finns med data och ai.

– Vår satsning på att bygga en självbetjänande lösning är mycket viktig, där alla på företaget själva kan jobba med data och ai-lösningar. I verksamheten är man kanske van att skicka en beställning ”Jag vill ha den här rapporten eller den här datan” men för att kunna skala så behöver alla hjälpa till, arbeta själva med data och ai-lösningar och ta ansvar för hantering av sin egen data.

– Det är egentligen ganska logiskt. Domänexperterna kan sin data bäst. Jobbar du på en säljavdelning eller med nätverksanalys är du bättre lämpad att tolka den sortens data än om du arbetar i ett centralt team och saknar domänkunskap.

Det låter som en stor omställning?

– Ja, det kan det nog bli. Men det är nödvändigt. Det finns ett kinesiskt uttryck, ”Ger du en person en fisk blir han mätt för dagen. Lär du honom att fiska blir han mätt resten av livet”.

–Men det är klart att en sådan här förändring inte sker över en natt. Det är en flerårig process som kommer innebära nya dataplattformar, nya roller och nya arbetssätt. Men det är också helt nödvändigt för att kunna ”skala ai med stil”.

Denna artikel var tidigare publicerad på tidningen telekomidag.se