AI er ikke bare et verktøy. Det er et fag

Det snakkes mye om AI for tiden. Nye modeller og tjenester lanseres i høyt tempo, terskelen for å teste dem er lav, og stadig flere virksomheter ønsker å forstå hva teknologien kan bety for dem. Mange har prøvd. Færre har utviklet den erfaringen som skal til for å bruke AI virkelig godt.

I DREYMA arbeider jeg, Sven-Erik Knoff, daglig med praktisk bruk av AI innen strategi, research, analyse, kommunikasjon, merkevare og kreative prosesser. Gjennom dette arbeidet, og gjennom dialog med ulike selskaper, organisasjoner og deler av virkemiddelapparatet, ser vi et tydelig mønster. Interessen er stor, men den praktiske kompetansen varierer betydelig.

Det er ikke spesielt overraskende. Utviklingen går raskt, og det er krevende å skille mellom det som faktisk kan skape verdi og alt som først og fremst skaper støy. Det holder ikke å ha lest noen artikler, prøvd ChatGPT noen ganger eller testet den siste modellen som ble lansert. Skal AI bli nyttig i en virksomhet, må bruken knyttes til reelle behov, eksisterende kompetanse og arbeidsprosesser som faktisk betyr noe.

Det er også her mye av arbeidet ligger.

Det usynlige arbeidet bak gode AI-resultater

Bak rådene vi gir og måten vi bruker AI på ligger mange timer med læring, testing, feiling og justering. Vi har brukt tid på å forstå hvordan ulike modeller fungerer, hvor de gir verdi, hvor de feiler, hvordan de bør styres, og hvordan de kan brukes i faktiske arbeidsprosesser. Vi har tidligere skrevet om noe av denne erfaringen etter mer enn 1000 timer med praktisk arbeid med kunstig intelligens.

Det er lett å tro at verdien ligger i selve verktøyet. I praksis ligger mye av verdien i kompetansen til personen som bruker det.

AI kan hjelpe oss med å analysere, strukturere, undersøke, formulere og sammenligne informasjon. Det kan gjøre research raskere, åpne flere spor og hjelpe oss med å se sammenhenger vi ellers kanskje ikke ville oppdaget. Men det betyr ikke at teknologien automatisk forstår problemet, sammenhengen eller hva som faktisk er et godt resultat.

Det må fortsatt noen gjøre.

Forstår du problemstillingen? Kjenner du konteksten? Vet du hvilken informasjon som mangler? Klarer du å vurdere svaret kritisk, og oppdager du når noe ikke stemmer?

Dette er langt viktigere enn jakten på den perfekte prompten.

Tilgang er ikke det samme som kompetanse

To personer kan bruke akkurat det samme AI-verktøyet og få svært ulik verdi ut av det. Den ene får et generisk svar. Den andre kan bruke det samme verktøyet til å undersøke flere alternativer, utfordre egne antakelser, analysere komplisert informasjon eller utvikle et langt bedre beslutningsgrunnlag.

Forskjellen ligger ikke nødvendigvis i teknologien. Den ligger ofte i kunnskapen og erfaringen til den som bruker den.

Dette blir enda viktigere etter hvert som AI-modellene blir bedre. De er allerede svært gode til å formulere svar som ser overbevisende ut, også når deler av svaret er feil. En modell kan skrive en velformulert tekst og samtidig ta feil om et navn, en sammenheng, et faktum eller selve premisset for oppgaven.

Jeg opplever dette jevnlig i eget arbeid. AI kan komme med et tilsynelatende godt forslag, men det er min erfaring og kjennskap til fagområdet som gjør at jeg oppdager at noe ikke stemmer. Det er et godt eksempel på forskjellen mellom AI-generert arbeid og AI-assistert fagarbeid.

For meg er den forskjellen helt avgjørende.

AI som Augmented Intelligence

Jeg har lenge vært mer komfortabel med begrepet Augmented Intelligence enn forestillingen om at AI først og fremst skal erstatte menneskelig arbeid.

Det beskriver bedre hvordan jeg faktisk bruker teknologien.

AI gjør ikke kompetansen min mindre viktig. Tvert imot opplever jeg at teknologien gjør det mulig å bruke mer av den. Jeg kan undersøke et tema grundigere, arbeide med flere alternativer, analysere større mengder informasjon og utfordre egne antakelser på en helt annen måte enn tidligere.

Det betyr også at gevinsten ikke alltid handler om å gjøre en oppgave på én time i stedet for fire. Noen ganger bruker jeg fortsatt fire timer, men jeg får undersøkt langt mer i løpet av den tiden og kan ende med et bedre beslutningsgrunnlag.

For meg er det en mer interessant form for effektivisering.

AI kan selvfølgelig spare tid, men dersom hele gevinsten tas ut i hastighet, risikerer vi bare å produsere mer på kortere tid. Jeg mener den større muligheten ligger i å bruke teknologien til å arbeide grundigere og bedre.

Det er dette jeg mener med Augmented Intelligence.

Problemforståelse før verktøyvalg

Mye av samtalen rundt AI handler fortsatt om verktøy. Hvilken modell er best? Hvilket system bør virksomheten velge? Hva kom ut denne uken? Hvilken prompt skal vi bruke?

Jeg mener ofte at disse spørsmålene kommer for tidlig.

Før vi diskuterer verktøy, bør vi forstå problemet. Hva forsøker vi egentlig å løse? Hvem skal bruke resultatet? Hva vet vi allerede, og hva mangler vi? Hvilke forutsetninger bygger vi på? Hvor viktig er det at informasjonen er korrekt, og hvordan skal resultatet brukes videre?

Dette ligger tett opp mot det som ofte omtales som problem engineering. For meg handler det først og fremst om å bruke mer tid på å forstå og avgrense problemet før man begynner å optimalisere løsningen.

Det høres kanskje selvfølgelig ut, men det er ofte nettopp her AI-bruken svikter. Man begynner å stille spørsmål før man egentlig har bestemt seg for hva man trenger svar på.

En god prompt kan ikke redde et dårlig definert problem.

Det er også en viktig del av hvordan vi arbeider med strategisk rådgivning. Vi forsøker å forstå mål, kontekst og problem før vi diskuterer hvilke verktøy eller tiltak som er riktige.

Derfor er jeg heller ikke spesielt opptatt av å teste hvert eneste AI-verktøy som kommer. Jeg bruker ChatGPT mye fordi det fungerer godt i arbeidsflyten min, men jeg bruker også andre verktøy når de er bedre egnet til oppgaven. Poenget er ikke hvilket produkt som er nyest. Poenget er hvilket problem jeg skal løse, hvilken informasjon jeg trenger, og hvilket verktøy som hjelper meg best.

Når teknologien møter virkeligheten

AI kjenner ikke automatisk virksomheten din. Den kjenner ikke nødvendigvis kundene, historikken, kulturen, markedet eller de interne prioriteringene. Den kan heller ikke vite hva som er viktigst for dere uten at noen gir den denne konteksten.

Derfor må teknologien oversettes til virkeligheten.

Det er her mye av den praktiske rådgivningen rundt AI egentlig ligger. Ikke i å vise frem flest mulig verktøy, men i å forstå hvor teknologien faktisk kan bidra, hvordan den passer inn i eksisterende arbeidsprosesser, og hvor det fortsatt er nødvendig med menneskelig vurdering.

Dette er også bakgrunnen for at vi skiller mellom tilfeldig bruk av AI og strategisk bruk av kunstig intelligens. Det interessante er ikke at teknologien er tilgjengelig, men om bruken faktisk bidrar til noe virksomheten ønsker å oppnå.

Noen ganger handler gevinsten om hastighet. Andre ganger om kvalitet. Ofte handler det om at vi får undersøkt noe grundigere enn vi ellers ville hatt tid eller ressurser til.

Og enkelte ganger er den riktige konklusjonen at AI ikke bør brukes i det hele tatt.

Det mener jeg også er en del av kompetansen.

Kunnskap blir ikke mindre verdt

Det er lett å tenke at fagkompetanse blir mindre verdifull når stadig kraftigere verktøy blir tilgjengelige for alle. Jeg tror utviklingen i mange tilfeller går i motsatt retning.

Når det blir enkelt å produsere tekst, blir det viktigere å forstå hva som faktisk bør sies. Når det blir enkelt å analysere informasjon, blir det viktigere å vite hvilke spørsmål man bør stille. Når det blir enkelt å generere ideer, blir evnen til å vurdere hvilke ideer som faktisk er relevante mer verdifull.

Og når en AI-modell kan gi et overbevisende svar på nesten hva som helst, blir det enda viktigere å kunne vurdere om svaret faktisk er godt.

Tilgang blir mer demokratisk. Kompetanse blir ikke mindre viktig av den grunn.

Vår rolle

I DREYMA arbeider vi med strategisk og praktisk bruk av AI i virksomheter. Vi hjelper selskaper og organisasjoner med å forstå hvor teknologien faktisk kan skape verdi, hvordan den kan inngå i eksisterende arbeidsprosesser, og hvordan den kan brukes til å forsterke menneskelig kompetanse fremfor å forsøke å erstatte den.

For virksomheter som ønsker å gå fra testing til mer systematisk bruk, arbeider vi også konkret med egne problemstillinger og arbeidsprosesser gjennom vår AI-workshop for bedrifter.

Vi er mindre opptatt av AI for AI’ens skyld og mer opptatt av hva virksomheten faktisk trenger.

For meg er det kjernen i dette.

AI er ikke en erstatning for fagkompetanse. Brukt riktig gjør det mulig å bruke mer av den.