Artificiell intelligens har länge funnits och använts för att klara av svåra utmaningar som många människor inte gör. Redan 1997 besegrade schackdatorn Deep Blue världsmästaren Garry Kasparov i en omgång schack. Ändå beskrevs datorn ha svag prestanda eftersom inte kunde lära sig saker på samma sätt som en människa eller ett djur kan. Mycket har dock hänt på knappt 30 år, och numera kan artificiell intelligens lära sig genom träning med stora mängder data. Teknikutvecklingen skapar nya förutsättningar för kvalitetsarbete, och i ett seminarium arrangerat av Sandholm Associates beskrev David Dreven, konsult och utbildare, vad som är nödvändigt för att implementera AI och maskininlärningsverktyg i en verksamhet.
I gränslandet mellan IT och kvalitet – Så införs AI i verksamheten på rätt sätt
Förbättringsarbete
Vad ska man använda AI till i en organisation, och hur försäkrar man sig om att den gör nytta? Sandholm Associates delar med sig av tips på hur du krattar manegen för AI i förbättringsarbetet.
Någonting är fel
Läs vidare – starta din prenumeration
Enligt honom behöver kvalitetschefer inte besitta alla sakkunskaper vad gäller AI. Däremot måste den fatta vad AI:n ska åstadkomma och hur man når dit.
– AI kan vara ett användbart verktyg om man vill förbättra effektiviteten i sin organisation, eller samhället i stort, säger David Dreven.
Kultur – första steget
För att AI-initiativen inom en verksamhet ska lyckas måste man börja med att ställa sig själv frågan ”Hur beredda är vi för AI?”, enligt David Dreven. En AI-modell kräver ofantliga mängder data, och tillförlitlig sådan.
– Har man det så har man krattat manegen för att kunna använda AI. Det spelar ingen roll hur bra en AI-algoritm är, den kommer att visa fel om du inte har städat din data.
Därför beskriver David Dreven det som oerhört viktigt att organisationskulturen värderar data och analysverktyg.
– Annars står man nog inför en stor utmaning vid införande av AI. Det finns risk för HiPPO, alltså highest paid personal opinion, säger han.
Med HiPPO menas att besluten som tas inte är faktabaserade, utan snarare baserade på organisationens högst betalade medlems åsikter.
Förutom att kulturen måste värdera data är det också viktigt att:
- – Få med sig ledningen och att skapa engagemang kring AI-initiativ. AI:n kan ta över oönskade arbetsuppgifter och frigöra för kreativitet genom att låta medarbetare jobba med viktigare saker. Ett exempel är Bolagsverkets e-post-sorterande AI.
- – Visa intäktspotentialen och att vara steget före konkurrenterna. David Dreven tycker det är viktigt att man så fort som möjligt hoppar på tåget och bygger kompetens vad gäller AI och maskininlärning.
– Man kommer bli bortsprungen från konkurrenter om man inte engagerar sig i detta, säger han.
- – Börja smått och visa tidiga framgångar
- – Se över organisationens kommunikation och utbilda intressenter för att förhindra att det uppstår en rädsla eller oförståelse kring AI-initiativen.
Struktur – rätt människor för jobbet
När kulturen är på plats är det dags att tänka på strukturen. När det kommer till AI och maskininlärning är det smärtsamt få som har kompetensen. Det finns alltid konsulter eller tredjepartsleverantörer att förlita sig på, men då byggs ingen egen kompetens. David Dreven säger därför att verksamheter måste prioritera att utbilda personal.
– Implementeringen kommer att gå mycket snabbare om man har en infrastruktur inom organisationen, säger han.
I det ingår tydliga rollbeskrivningar, instyrnings-, prioriterings- och utförandeprocess. Kommer AI-initiativet exempelvis att påverka produktion under en viss tid så måste man veta det i förväg, menar han.
Strategi – Högsta möjliga avkastning
Med kultur och struktur på plats har man kommit långt. Då är det dags för en strategi som främjar den högsta möjliga avkastningen.
– Planera implementeringen, beskriv mål och hur de ska uppnås, säger David Dreven.
För att samla in och förbereda data, bygga och träna en AI-modell och utvärdera sina resultat krävs också en del detaljkompetens i formen av en ingenjör eller förbättringsledare.
Ska kvalitetsprofessionella vara processägare för data-analys, tycker du?
– Nej, data ligger generellt sett på någon IT-avdelning. De som jobbar med kvalitet ska säkra att data används på rätt sätt och att det finns rätt resurser. Kvalitetsprofessionella skulle kunna jobba som en brygga mellan verksamheten och IT-avdelningen, säger David Dreven.