Det senaste året har den dagliga användningen av AI ökat markant. Det finns både positiva och negativa exempel på AI-användning – bolaget Indicate me kan till exempel mäta kundnöjdhet utan att behöva skicka ut undersökningar, medan Skolverket går ut och varnar lärare för elever som fuskar. Möjligheterna med AI är oändliga, men användandet måste göras med hänsyn till flera risker, såsom att känsliga data inte ska delas till chattbotar.
AI-användning i KMA-arbetet: Då ska du inte använda det
Digitalisering
Konsulten Gunilla Mattsson ser flera användningsområden för AI inom kvalitets-, miljö- och arbetsmiljöarbete. Men ibland kan det vara bättre att avstå från att låta AI:n göra jobbet – i alla fall om du inte är en fena på prompting.

Foto: Certway/ Adobe Stock
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsmagasinet premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Enligt Gunilla Mattsson, senior konsult på Certway, går AI att använda på flera sätt när man jobbar med kvalitet, miljö och arbetsmiljö.
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


