Robin Teigland: Hela organisationen måste fatta AI

Parallellt med sina akademiska meriter har hon även en karriär inom privata näringslivet, där hon bland annat arbetat med riskkapitalbolag i Silicon Valley, varit konsult på McKinsey och medverkat i flera startups i både Sverige och andra länder.

Robin Teigland konstaterar att intresset för AI är större än någonsin och nu diskuteras på alla nivåer ute i företag och organisationer.

– AI rymmer helt klart massor med utvecklingsmöjligheter, större än vi anar, och öppnar för bättre resultat i form av besparingar, kvalitet, kundnöjdhet och miljövinster, säger hon.

Problemet är att vissa har en snedvriden uppfattning – åt ena eller andra hållet – om vad AI kan åstadkomma, noterar hon.

– De mest begeistrade tror att AI är ett universalverktyg som snabbt ska lösa alla utmaningar i verksamheten, medan skeptikerna enbart riktar in sig på de stora riskerna med att robotarna tar över. De motstridiga ståndpunkterna riskerar att skapa konflikter och bromsa utvecklingen inom AI. Det primära är ändå att skapa ansvarsfull AI, säger Robin Teigland.

Går för snabbt fram

Ett annat problem är att många går för snabbt fram och slarvar med hemläxan innan nya AI-verktyg introduceras i verksamheten, menar hon.

– Ett företag hade till exempel installerat en chatbott. Men den motsvarade inte förväntningarna och stängdes snabbt ned, vilket berodde på att förberedelserna inte vara tillräckliga. Inte så att allt måste vara perfekt från början. Men det gäller att börja i liten skala med löpande tester och utvärderingar i en interaktiv cykel, förklarar hon.

Var kommer AI bäst till sin rätt?

Traditionellt är kundtjänst ett område där AI redan kommit till användning i stor utsträckning. Men även inom helt nya områden finns stora utvecklingsmöjligheter genom att kombinera AI med annan teknik, menar Robin Teigland.

– I till exempel Helsingborg har sopbilarna utrustats med AI-kameror för att upptäcka ”potthål” i vägbanan. Genom att kombinera AI-teknik med daglig sophämtning har kartläggningen av gatunätet gått från ett år till två veckor och kostnaderna minskat med närmare 80 procent, förklarar hon.

En fråga för hela organisationen

Robin Teigland betonar vikten av att alla företag och organisationer sätter sig in i vad AI kan betyda för den egna verksamheten. Och det är inte bara en fråga för ledningen, utan för hela organisationen. En höjning av den allmänna kompetensen krävs på alla nivåer. Utan grundkunskaper blir det svårt att realisera affärsnyttan med AI.

– Visst kan man ta in konsulthjälp. Men det bästa är att försöka sätta sig in i frågan på egen hand för att höja den allmänna kompetensnivån. En bra början kan då vara att engagera eldsjälarna i företaget, människor som brinner för AI, som kan testa och prova sig fram. Inom vilka områden har vi störst utmaningar? Hur kan vi använda AI för att lösa dem?

Medarbetarna har också ett ansvar för att sätta sig in i frågan, inte minst för att komma fram till hur AI påverkar deras eget jobb i framtiden.

– Många anställda är rädda för att förlora jobbet på grund av AI, framförallt om ledningen går för fort fram och har för stora förväntningar. Här har ledningen en viktig uppgift för att hjälpa anställda att inte bara se på problemen, utan även på möjligheterna att växla om arbetsinnehållet mot ökat värdeskapande, säger Robin Teigland.

Styrelsen har nyckelroll

Men inte bara ledning och medarbetare måste ha en viss grundkompetens kring AI. Även styrelsen har en nyckelroll i implementering av AI, bland annat för att kunna bedöma säkerhetsriskerna på operativ nivå. I boken ”AI Leadership for Boards”, som Robin Teigland är medförfattare till, betonas just styrelsens ansvar.

– Styrelsen är ofta inte lika insatta i operativa frågor som ledningen. Men även styrelsen måste vara införstådd med vilka starka krafter som släpps loss med AI. Det visar till exempel ransomewareattacken mot ett av Tietoevrys datacenter som fick katastrofala följder. En satsning på AI handlar alltid om en avvägning mellan risker och möjligheter, säger hon.

En av de stora säkerhetsriskerna är den stora mängden data som AI tränas på. Data är det nya guldet, brukar det heta, och ju mer data man har tillgång till, desto större förutsättningar för tillförlitlig AI. Större delen av arbetet med AI handlar följaktligen om att få fram data på rätt sätt och i rätt format för att få rätt resultat.

Men med datainsamlingen ökar också riskerna och det finns heller ingen anledning att använda alltför stora datamängder för att komma igång med AI, anser Robin Teigland.

– Med för mycket data riskerar arbetet med AI att bli för tungrott. Det är alltid en avvägning mellan datamängd och funktionalitet. Det är alltid bättre att börja i liten skala med egna data för att testa och utvärdera och sedan bygga på efter hand, råder hon.

Robin Teigland tror heller inte att den reglering som är på väg med EU-förordningen AI Act kommer att påverka innovationsförmågan inom AI negativt – snarare tvärtom. Med helt fria tyglar kan det vara lätt att bli handlingsförlamad, medan ett regelverk som AI Act tydliggör inom vilka ramar som innovation kan bedrivas.

– Det är intressant att se hur olika delar av världen resonerar kring AI-innovation. I USA testar man först för att sedan reglera, medan EU reglerar först och sedan testar. Det kan visserligen behövas både och. Men risken finns att regioner som väntar med att införa reglering skapar problem för företag som redan hunnit utveckla nya lösningar, som senare visar sig strida mot regelverket, förklarar Robin Teigland.