AI-området utvecklas snabbt med ständigt föränderliga modeller, lösningar och tillämpningsmöjligheter. Det är svårt för experter att hålla sig uppdaterade, och ännu svårare för företagsledare. Varje framsteg i tekniken medför nya möjligheter och utmaningar, och vissa utmaningar är vanligare än andra.
– En första utmaning är att många enbart fokuserar på själva tekniken. Företag och organisationer vill anamma AI eftersom det ses som en banbrytande och mystisk lösning som har potential att förbättra verksamheten. Men det fungerar sällan. Det är bättre att börja med det affärsproblem man vill komma tillrätta med och sedan hitta den bästa lösningen, säger Mikko Koskinen, AI-expert på teknik- och designföretaget Reaktor.
Enligt Mikko Koskinen är AI inte alltid det bästa sättet att lösa ett affärsproblem. Fel använt kan det tvärtom bli onödigt komplicerat och dyrt.
– Först när du har ett tydligt definierat affärsproblem kan du använda kunskap och erfarenhet för att utvärdera om det är något som kräver en AI-lösning, och om det är värt att investera i en sådan lösning, förklarar han.
AI har begränsningar
En annan utmaning är att förstå teknikens möjligheter men också dess och begränsningar. Det är inte realistiskt att försöka införa en teknik om man inte vet hur den fungerar – man måste förstå den till en viss grad för att vara säker på att det är rätt verktyg för jobbet.
– Naturligtvis behöver du inte bli datavetare för att använda AI-verktyg. Men det är klokt att förstå grunderna, alternativt att arbeta med ett team som kan ge dig råd. Till exempel missförstås verktyg som ChatGPT ofta på grund av dess mänskliga gränssnitt och kan ge en falsk uppfattning om att det ”vet saker” som du kan förlita dig på, säger Mikko Koskinen.
Just när det kommer till ChatGPT kan modellen bara förutsäga fortsättningen på texten. Den har inte sanningshalten i åtanke. Likaså kan datorkod se bra ut vid en första anblick, men faktiskt fungera felaktigt.
– Det här betyder inte att modeller som ChatGPT är värdelösa, tvärtom. Det betyder bara att om du vill använda dem måste du för det första veta vad du gör och ha tillräckligt med bakgrundskunskap för att förstå var modellen kan brista, och för det andra veta hur sådana modeller fungerar och förstå deras kapacitet och begränsningar. Detta gäller alla AI-system, inte bara de stora språkmodellerna.
En tredje utmaning är att en del inte har realistiska förväntningar på AI och vad tekniken kan göra menar Mikko Koskinen.
– AI fungerar bra för specifika och väldefinierade uppgifter. Till exempel kan AI-programvara hjälpa till inom e-handel genom att rekommendera produkter, rikta annonser och optimera prissättning. Men det kan inte lösa breda problem som att öka försäljningen med en viss procent. Som chef behöver man fortfarande fatta beslut om vilka åtgärder som bör prioriteras för att nå önskade resultat i en föränderlig värld.