AI er vanskelig!

AI-bølgen skyller inn over oss, og selv for de dyktigste på området er det vanskelig å følge med den vanvittig raske utviklingen. Derfor er det viktig at alle beslutningstakere forstår å stille de riktige spørsmålene når kunstig intelligens står på dagsordenen.

Kunstig intelligens, ChatGPT, LLM-er, DeepSeek, data pools, datatilgjengelighet og prompter.

Bølgen av kunstig intelligens har føyd en lang rekke nye ord til vår ordbok og hverdag, og utviklingen går så raskt at selv utdannete eksperter kan ha problemer med å følge med. Noen mener at vi med generativ AI har kommet inn i den neste menneskelige æraen med tanke på hvor dramatisk det kommer til å forandre hverdagen vår – og virksomhetene våre.

Ingen mirakel-eliksir

Tempoet og mengden av endringer gjør det vanskelig for virksomheter å forholde seg til og tilpasse seg til den nye virkeligheten. Mange tror feilaktig at AI er en mirakel-eliksir som kan løse alle virksomhetens oppgaver, og mens det kan være tilfellet, så er AI stadig kun bare IT og programvare. Og IT og programvare skal utføres korrekt for å være tiden og kostnadene verd.

Det er en utfordring for de mange topplederne og styrene som både har lyst til og ser nødvendigheten av å utforske kunstig intelligens i sine virksomheter, men også de som har en fryktelig engasjert it-sjef på nakken, som tripper etter å komme i gang med AI.

Her kommer der derfor seks punkter som du som toppleder må kjenne og forstå, for å være skikkelig utrustet til AI-implementering i virksomheten din:

1. Du kommer ikke utenom AI – og dine ansatte er allerede i gang

Du kan ikke bare sitte på sidelinjen når det kommer til AI, for tar dere ikke en aktiv beslutning i virksomheten, vil de ansatte begynne å bruke den kommersielle versjonen av ChatGPT, der forretningskritiske data fritt deles. Det er skygge-IT, og konsekvensene av uregulert bruk av AI kan være langt verre: Mange virksomheters kritiske data ligger i den felles datapoolen hos de største AI-tilbyderne, fordi ansatte benytter seg av den kommersielle utgaven av ChatGPT.

2. De riktige menneskene må ha tilgang til de rette dataene

Vær svært grundig i deres forarbeid med å kartlegge hvem som skal ha tilgang til hvilke data i AI-en deres. En intern «assistent» som kan svare på spørsmål fra de ansatte basert på eksisterende og interne data kan være en fantastisk ide, men kun hvis de ansatte ikke kan be om et referat fra styrets siste møter, der oppsigelser ble drøftet.

Data- og adgangskontroll er nøkkelord for AI-er.

3. Pris

Der finnes like mange prismodeller som det finnes AI-er – og det er ingen grunn til å kjøpe den største og dyreste løsningen, om du bare kommer til å bruke fem prosent av produktet. Kartlegg behovene og start i det små – dere kan alltid kjøpe mer.

4. AI er mange ting, men hva har dere bruk for?

AI er et vidt begrep, og hva har virksomheten bruk for? Det er grovt sett tre forskjellige måter å betrakte AI på:

Chatbots, slik vi kjenner dem fra ChatGPT eller Midjourney, skaper noe ut fra en «prompt» eller gir et svar basert på en gitt datapool.

Assistenter, kan i høyere grad brukes til å assistere deg i jobben din, blant annet lage referater fra møter, opprette dokumenter før bruk eller gjennomgå mailkontoer for å samle inn og skape nye data.

AI-agenter er nok den mest avanserte, for her kan du be en «agent» om å utføre et stykke arbeid for deg – og en agent kan også aktivere andre agenter uten din innblanding.

5. Invester i AI-infrastruktur – ikke i AI-er

AI-utviklingen beveger seg i et ekstremt tempo, og det er umulig å forutsi hvilken løsning som vil være ledende om få år – eller til og med måneder. 

Derfor er det en strategisk feil å låse seg fast til én tilbyder eller inngå langvarige kontrakter om en spesifikk teknologi som raskt kan bli foreldet.

Fokus bør i stedet være på å investere i den rette AI-infrastrukturen. Det handler ikke om å satse på én hest, men om å sikre at man kan skifte spor i takt med at markedet utvikler seg.

6. Europeisk, kinesisk eller amerikansk? Velg med omhu

I en geopolitisk turbulent tid er det avgjørende å tenke gjennom hvor dataene dine ender når du implementerer AI. Bruker du ChatGPT, Llama, Gemini eller Copilot, plasserer du dine data hos amerikanske virksomheter. Samtidig rykker Kina frem med imponerende LLM-er som DeepSeek, som til og med er Open Source, mens Europa også har sine egne alternativer som Mistral.