Slik navigerer du i AI-landskapet
Ofte er det vanskelig å snakke om kunstig intelligens (AI) fordi det rommer så mye - og derfor er vi kanskje ikke alltid helt enige om hva vi egentlig diskuterer. Atea har laget en enkel modell som hjelper deg med å navigere i store AI-landskapet.
Modellforklaring: Artikkelen introduserer en modell designet av Atea for å navigere i AI-landskapet, beskrevet av Petter Moe, CTO i Atea Norge.
To akser i AI-modellen:
- Horisontal akse: Strekker seg fra generelle løsninger til venstre til spesifikke løsninger til høyre, avhengig av virksomheten eller bransjen.
- Vertikal akse: Varierer fra plug-and-play-løsninger øverst til tilpasningsdyktige løsninger nederst som krever tilpassing av data eller kontekst.
Fire kvadranter:
- Copiloter: Generelle AI-løsninger som er enkle å implementere og rimelige (f.eks. Microsoft Copilot).
- Maskinlæring (ML): Generell AI som krever tilpasninger for å integrere spesifikk databruk.
- Software-as-a-Service (SaaS): Bransjespesifikke løsninger som fungerer rett ut av boksen, ofte tilbudt som SaaS for å dra nytte av store datamengder.
- Eget gull (strategisk kvadrant): Tilpassede AI-løsninger som er dypt integrerte og ofte bransjespesifikke.
Artikkelen gir råd om hvordan man best kan tilnærme seg hver kvadrant basert på virksomhetens behov og AI-modenhet.
Strategisk navigering: Start smått med AI-prosjekter og tenk stort for å gradvis utvide og skalere opp bruken av teknologien.
AI-modellen har to akser
- Horisontal akse går fra generelle løsninger til venstre, som kan brukes uavhengig av hvilken virksomhet og bransje du jobber i, til spesifikke løsninger til høyre, hvor løsningene er spisset for spesifikke formål.
- Vertikal akse går fra løsninger som kan brukes rett ut av boksen på toppen, til løsninger som krever tilpasning i bunnen – det være seg tilpasning av data, kontekstualisering, eller tilsvarende.
AI-modellen har fire kvadranter
Selv om begge aksene er glidende, ender vi grovt sett opp med fire kvadranter. Disse fire kvadrantene viser forskjellige tilnærminger til AI-implementering, inkludert copiloter, tradisjonell maskinlæring, SaaS-løsninger og "egenutviklet gull".
Hver kvadrant representerer ulike strategier for å ta i bruk AI, avhengig av virksomhetens behov og modenhet.
Her kan du laste ned PDF-versjon av modellen
La oss se nærmere på kvadrantene
Copiloter
I øvre venstre hjørne, plasserer vi generell AI-bruk. Det kan brukes rett ut av boksen. Vi kaller dette hjørnet «copiloter», siden Copilot fra Microsoft er et av de produktene som flest har tatt i bruk. «Digitale, virtuelle assistenter» ville være et alternativt navn.
De aller fleste som har tatt i bruk AI det siste året, havner i denne kvadranten fordi:
- Det er lett å komme i gang (kun aktivere et abonnement)
- Det er billig (300 kr pr. bruker pr. mnd. er en brøkdel av besparelsen mange rapporterer)
- Det reduserer «Fear Of Missing Out» (FOMO)
Vårt råd: Dette er billig AI (per hode) og effektivt. Fra vårt ståsted, er kostnaden ofte vesentlig lavere enn nytten for denne typen systemer i copilot-kvadranten.
Maskinlæring (ML)
Den neste kvadranten, nede til venstre, kaller vi «maskinlæring». Det som havner her er fortsatt generell AI, men den er tilpasset virksomheten, typisk ved spesifikk databruk, kanskje vask og tilpasning av data, prosessering eller sammenstilling av flere kilder.
Her snakker vi ofte om systemer som reduserer kostnader for virksomheten, ved å optimalisere fysiske systemer. Typiske eksempler:
- Vaktplanlegging
- Ruting av kjøretøy
- Pakkeplaner for last
- Temperaturstyring
Mange av de som bruker AI, og har gjort det en stund, havner i denne kvadranten. Men denne kvadranten rommer også systemer som er tilpassede, spissede varianter av de generelle teknologiene fra Copilot-kvadranten. Disse kan berikes med tilpasset innhold og/eller prosessering for å fylle behov som ikke dekkes rett ut av boksen.
Vårt råd: Om du er i en bransje med veldefinerte kost-drivere, hvor pris er differensierende mellom konkurrenter, skal du anta at dine konkurrenter bruker ML. Om du ikke gjør det selv, anbefaler vi å tenke gjennom hvilke andre faktorer som gjør at du vinner.
Software-as-a-Service (SaaS)
I dette hjørnet ser vi på funksjonalitet som er bransjespesifikk, men fungerer rett ut av boksen. Vi har kalt det SaaS, men det er ikke helt presist.
Det er fullt mulig å bygge bransjespesifikke systemer som fungerer "rett ut av boksen", men i praksis ser vi at mange av aktørene som posisjonerer seg i dette området tilbyr sine tjenester som SaaS. Grunnen er ofte at man trenger store datamengder for å bygge god AI. Virksomheter som bygger løsninger for mange andre har tilgang til mer data å bygge på.
Sannsynligheten for at slike SaaS-løsninger finnes, henger sammen med bransjestørrelse og toleranse for høy kostnad. Innen forsvar, etterretning, sikkerhet, justissektoren og helse finnes det allerede mange sterke tilbydere som lager svært avanserte systemer. Industriell AI begynner også å bli større.
Den andre kategorien systemer som passer i dette hjørnet er «Embedded AI», altså kunstig intelligens som legges til i virksomhetsprogramvare. Vi har kalt dette integrert AI. De aller fleste av de store aktørene posisjonerer integrert AI i sine løsninger allerede.
Vårt råd: I denne kvadranten kan du ofte få tilgang til svært avansert funksjonalitet om du finner en løsning som ligger nært behovet – i så fall er det ofte vesentlig billigere å bruke andres løsning enn å bygge egen. Men om løsningen bare passer halvveis vil det ofte være lurt å vente.
Eget gull (strategisk kvadrant)
I denne siste kvadranten ser vi på bransjespesifikk funksjonalitet, og tilpasning av egne data til eget bruk. Dette er det mest strategiske området. De andre kvadrantene er preget av gjenbruk og generalitet, men her er det dine data, din bruk, og potensielt dine verdier det er snakk om.
Mange store norske virksomheter som har implementert AI lenge i Norge er såpass bransjespesifikke at de hører hjemme i denne kvadranten. I offentlig sektor ser vi for eksempel både Skatteetaten, NAV og mange innen samferdsel vise gode eksempler fra denne kvadranten.
I privat sektor ser vi tilsvarende, og her er også potensialet for kommersialisering stort. Løsninger i «eget gull»-kvadranten kan ofte tilgjengeliggjøres for andre ved å løfte funksjonaliteten opp i «SaaS»-kvadranten.
Vårt råd: Dette er den mest strategiske kvadranten. Hva man gjør her avhenger av hvilken retning man ønsker å ta virksomheten i – her er det vanskelig å gi generelle råd.
Vi beveger oss mellom kvadrantene
Det er ganske mange som starter i Copilot-kvadranten. Noen av de fortsetter ned til maskinlæringskvadranten, ved å legge til flere datakilder og hente inn generell bearbeidelse. Så vil noen av de igjen bevege seg mot høyre, til «eget gull», ved at man blir tiltagende bransjespesifikk.
Og når «eget gull» er på plass, vurderer man om AI-løsningen har livets rett i seg selv, gjennom at den kan tilbys til andre som en SaaS-løsning.
”De som bruker AI, lærer - og er mer optimistiske”
Start smått, tenk stort
Implementering av AI trenger ikke å starte med store, revolusjonerende prosjekter. Vi foreslår heller å starte med små, håndterbare applikasjoner av AI for å løse spesifikke problemer. Deretter kan du gradvis skalere opp og utvide bruken av teknologien.
Trenger du en dataplattform for å starte med AI?
Behovet for en dataplattform løftes ofte opp som en forutsetning for å begynne med AI. I figuren over er behovet for plattform definitivt til stede i bunnen, i.e. på systemer som ikke fungerer ut av boksen. Mot toppen vil man ofte kunne komme i gang uten egen dataplattform.
