AI-baserad verksamhetsutveckling

I fredags var jag på kurs hos Kairos Future Academy med Lars Eidenvall som utbildare inom ett område som de flesta tycker är grymt intressant nu. För mig handlar det om att fylla på och vara relevant i de styrelse- och strategiuppdrag jag har samt även som lärare hos Styrelseakademien.

Jag landar ned i några reflektioner och nedslag i vad vi pratade om:

• AI är ju inget nytt men tiden är rätt då vi har förutsättningarna på plats såsom bland annat hög beräkningskapacitet, internet, trådlöshet, molnlösningar, användarvänlighet, billig datainlagring, maskininlärning med mera.
• Den som äger mest data har mest makt. Data är det nya guldet! Data är den nya råvaran!
• EU verkar vara mer restriktiva i sin tillämpning av AI än USA.
• Det finns brant stigande andel patent inom AI. Man ser stämningar med stora belopp som mestadels handlar om skumt förvärvad data.
• I framtiden har vi datagenererad data. Stor risk kring evidens i fakta i framtiden.
• Om vi tittar på ett företags Bör, Vill och Kan perspektiv så har vi förstått att vi BÖR göra något kring AI, vi har svårt att visionera vad vi ska använda AI till och därmed får vi ett svagt VILL och då blir det också svårt att sätta fingret på om vi KAN. Därav en utmaning för många företag idag att greppa tydligheten och därmed få in det i sin strategiska agenda. Man behöver arbeta mer syftesdrivet och utforska för att så småningom landa i en större tydlighet.
• Företag behöver kontinuerligt arbeta på sin beredskap.
• Personligen gillar jag få hjälp med att strukturera saker ha gemensamma definitioner på det vi pratar om. I det här fallet gillar jag att vi pratade om: Artificiell intelligens, Maskininlärning, Deep learning, Svag AI och Stark AI.
• Fortsatt att strukturera vägen till generativ AI; Natural Language Processing -> Natural Language Understanding -> Natural Language Generation
• Självklart finns det två sidor även av det här myntet – det som kan användas för det goda och det som kan användas för det onda
• När vi använder oss av teknisk innovation att ha med sig mänskliga behov och inte vad tekniken klarar av.
• Vägen från analys till beslut; Descriptive analysis, Diagnostic Analysis, Predictive analysis, Prescriptive analysis -> Automated decisions
• Historiskt så har vi använt strukturerad data medans nu så ser vi en lavinartad ökning stora och växande mängder ostrukturerad data
• Kommer vi bli ”dummare” av att inte träna vårt intellekt med att göra analys och låta AI göra det?

Min inställning som jag har försökt arbeta med under större delen av min yrkesverksamma karriär är att träna förmågan att anpassa sig och förhålla sig till det som kommer i ens väg.

Jag tänker samma här – de företag som har och ständigt tränar sin förmåga att anpassa sig och förhålla sig till den nya tekniken kommer vara vinnarna!