AI vil omforme, hvordan virksomheder driver forretning i næsten alle mulige aspekter. Takket være evnen til hurtigt at behandle store mængder data, uddrage mønstre og lære af erfaring kan denne teknologi udføre kognitive opgaver, som tidligere kun var forbundet med mennesker. Ikke desto mindre er der grænser for, hvad AI kan gøre i dag.

Hvad er AI?

AI er, hvad maskiner gør, ikke hvordan de gør det. Det er teorien om og udviklingen af computersystemer, der kan udføre opgaver, som normalt kræver menneskelig intelligens.

Denne brede definition af AI kan være lidt misvisende, når man prøver at forstå AI's specifikke evner. Og al den hype fra teknologivirksomheder og annoncører hjælper heller ikke med at finde ud af, hvad denne teknologi rent faktisk kan udrette i dag, og hvad der er fremtidens ting. For at skabe en smule klarhed om dette emne bruges der to generelle udtryk i forbindelse med AI: "snæver AI" og "generel AI".

Narrow AI er designet til at udføre specifikke opgaver og er meget udbredt i dag. Eksempler på snæver AI er selvkørende biler eller stemmeassistenter. Selvom den bliver klogere og bedre til opgaverne med tiden, er den designet til et forudbestemt og foruddefineret omfang af evner og er ikke bevidst eller følelsesdrevet. Efterhånden som disse systemer lærer, bliver de gradvist bedre end mennesker, dog stadig inden for et specifikt opgaveområde.

‍GenerelAI refererer derimod til maskiner, der udviser menneskelig intelligens, og er teknologiens fremtid. Hvor Narrow AI er designet til et specifikt udvalg af opgaver, kan General AI udføre enhver intellektuel opgave, som et menneske kan. Denne generation af AI vil være i stand til at løse problemer, foretage vurderinger under usikkerhed, planlægge, lære og integrere tidligere viden i beslutningstagningen. Selv om generel AI er det, de fleste forestiller sig, når de hører "kunstig intelligens", er virkeligheden, at vi er meget langt fra at skabe ægte menneskelignende intelligens.

Det er let for beslutningstagere at være uvidende om den nuværende tilstand af AI på grund af hypet pressedækning og overdrivelser, hvilket ofte fører til forvirring om, hvad AI kan gøre i dag, og hvad der kan forventes om et par år eller årtier. Når man tænker på AI, er det let at springe til eksemplerne på de nyeste forbrugerapplikationer, såsom Amazons Alexa og Google Duplex . Når man oplever de avancerede muligheder i disse teknologier, virker det, som om AI kan gøre alt og løse ethvert problem, de har. Men virkeligheden er, at de nuværende teknologier stadig er ret begrænsede.

Narrow AI er utvivlsomt en stor bedrift inden for menneskelig innovation og intelligens. Den har hjulpet mennesker med at forbedre deres samlede produktivitet. Virksomheder kan enten udnytte den til at erstatte mennesker i udførelsen af dagligdags rutinearbejde, eller den kan bruges til at hjælpe medarbejdere med deres daglige opgaver for at øge effektiviteten. Når det er sagt, kan denne teknologi stadig kun anvendes til specifikke opgaver. Vi kan ikke forvente, at AI kan løse alle problemer. 

Så hvad er problemet?

I dag ser vi platforme, der promoverer sig selv som AI-platforme, men som blot er baseret på hjørner af AI (f.eks. tekstbehandling) og derefter toppet med gammeldags værktøjer til at strukturere data. Disse platforme er programmeret med regler som spørgsmål-svar-træer. Selvom de er velegnede til at bygge enkle værktøjer, der automatiserer processer, er platformene begrænset af behovet for manuelt arbejde og har ikke meget at gøre med 'ægte AI'.

Uden at gå for meget i detaljer ser vi ofte, at topledelsen køber sig ind i disse platforme med en forventning om, at de kan understøtte AI-værktøjer i hele organisationen og være fremtidssikrede. Men at implementere disse platforme er en langvarig og arbejdskrævende proces. Det ekstra menneskelige arbejde, der går ind i implementeringen, er i sagens natur i modstrid med formålet med AI, som er at reducere den menneskelige involvering og mindske arbejdsbyrden fra første dag. Når de rigtige AI-værktøjer kommer på markedet, vil der desuden ikke længere være behov for at strukturere data manuelt.

I stedet for at se øget produktivitet er topledelsen med rette uimponeret over at se de dårlige resultater af AI, som er bygget oven på en eksisterende platform og implementeret over en længere periode. Samtidig er den tekniske mellemledelse fanget i en platform, der bruger flere ressourcer, end den giver.

Til tider vil et misforhold mellem visionerne for den implementerede teknologi og de virkelige problemer, den skal løse, føre til forvirring og skabe arbejdsprocesser, der er alt for komplicerede. Virksomhederne vil forsøge at implementere fremtidssikrede løsninger, men når det gælder AI, går udviklingen så hurtigt, at de fremtidssikrede løsninger ikke kun handler om AI i sig selv. I stedet afhænger det i høj grad af, om infrastrukturen er kompatibel med en hurtig implementering af AI.

Misforholdet mellem det, der sælges, og det, der faktisk leveres, skaber mistillid til AI. Vi er nødt til at begynde at være mere realistiske, når vi vælger AI-løsninger.

Find ud af hvordan Raffle bruger AI til at skabe innovative produkter til at besvare kundeforespørgsler.

Vis mig hvordan