I takt med att AI-investeringstrenderna fortsätter att utvecklas fram till 2025 ökar pressen på cheferna att fatta strategiska beslut om AI-implementeringar. Med tanke på företagens snabba införande av AI-verktyg - 22% använder dem i stor utsträckning och 33% i begränsad omfattning - har det blivit avgörande att förstå hur man utvärderar och implementerar AI-lösningar för att behålla konkurrensfördelar. I boken"The Executive Guide to Artificial Intelligence" av Andrew Burgess ger författaren en omfattande guide för företagsledare som vill förstå och implementera AI-lösningar i sina organisationer.

‍

Boken gavs ut 2017 av Springer International Publishing och ger en praktisk översikt över hur företag kan utnyttja artificiell intelligens. Vad har förändrats idag?

‍

Aktuella investeringstrender inom AI 2025

AI-landskapet upplever en tillväxt utan motstycke, och organisationer gör allt större investeringar för att förbli konkurrenskraftiga.

Grunderna:

Burgess betonade vikten av att börja med att definiera tydliga mål som är i linje med affärsstrategin, en princip som fortfarande är giltig idag. I boken identifierade han åtta kärnfunktioner inom AI:

‍

1. Bildigenkänning
2. Röstigenkänning
3. Sökning och informationsutvinning
4. Klustring
5. Förståelse av naturliga språk
6. Optimering
7. Förutsägelse
8. Förståelse (idag)

Utveckling från 2018 till 2025:

Sedan boken skrevs har AI gått från att vara en framväxande teknik till en mainstreamteknik. Förmågan att "förstå", som Burgess ansåg vara futuristisk, har utvecklats avsevärt i och med tillkomsten av stora språkmodeller (LLM) och generativ AI-teknik, som ännu inte hade utvecklats 2018.

Strategiskt ramverk för investeringsbeslut inom AI

De fyra grundläggande frågorna

Vid utvärdering av investeringar i AI är det viktigt att fokusera på dessa kritiska frågor:

1. Definiera affärsproblemet
2. Mätning av framgång
3. Krav på genomförande
4. Riskbedömning

‍

Obs: Detta ramverk med fyra frågor bygger på nuvarande kunskap och presenteras inte uttryckligen i Burgess bok.

‍

Att bygga en effektiv AI-strategi

Ramverket för antagande:

Burgess föreslår ett detaljerat ramverk för att skapa en AI-strategi som inkluderar:

1. Anpassning till affärsstrategin - Förstå hur AI kan stödja befintliga affärsmål
2. Förståelse för IA:s ambitioner - Definiera om så önskas:
   • Förbättring av befintliga processer
   • Omvandling av affärsfunktioner
   • Skapa nya tjänster/produkter
3. IA-mognadsbedömning - Fastställ organisationens nuvarande mognadsnivå på en skala från 0 till 5:
   • Manuell bearbetning (nivå 0)
   • Traditionell IT-automation (nivå 1)
   • Grundläggande isolerad automation (nivå 2)
   • Taktisk implementering av automatiseringsverktyg (nivå 3)
   • Taktisk implementering av olika automatiseringstekniker (nivå 4)
   • Strategisk automatisering från början till slut (nivå 5)
4. Skapande av en IA-värmekarta - Identifiering av områden med störst möjligheter
5. Utarbeta ett business case - Bedöma "hårda" och "mjuka" fördelar
6. Förändringsledning - Planering av hur organisationen ska anpassas
7. Utarbeta en färdplan för IA - Skapa en plan på medellång till lång sikt

Utveckling från 2018 till 2025:

Burgess ramverk är fortfarande förvånansvärt relevant i dag, men behöver kompletteras med överväganden om:

• AI-etik och regelverk (t.ex. EU:s AI-lag)
• IA:s miljömässiga hållbarhet
• Ansvarsfulla AI-strategier
• Integration med ny teknik, t.ex. kvantdatorer

Mätning av ROI i AI-investeringar

De avgörande faktorerna för avkastningen på investeringen:

Burgess identifierar olika typer av AI-fördelar, som kategoriseras som "hårda" och "mjuka":

Hårda fördelar:

• Minskning av kostnader
• Undvikande av kostnader
• Kundnöjdhet
• Efterlevnad
• Begränsning av risker
• Begränsning av förluster
• Begränsning av intäktsförluster
• Intäktsgenerering

Mjuka fördelar:

• Kulturell förändring
• Konkurrensfördelar
• Halo-effekt
• Möjliggör andra förmåner
• Möjliggör digital omvandling

Hittills:

Mätningen av AI ROI har blivit mer sofistikerad, med specifika ramverk för att bedöma effekterna av generativ AI, vilket inte fanns när Burgess skrev boken.

‍

Tekniska metoder för implementering av AI

‍

Olika typer av lösningar:

Burgess presenterade tre huvudsakliga metoder för att implementera AI:

1. AI-programvara från hyllan - Lösningar från hyllan
2. AI-plattformar - tillhandahålls av stora teknikföretag
3. Anpassad IA-utveckling - Skräddarsydda lösningar

För de första stegen föreslog han att man skulle överväga:

• Bevis på koncept (PoC)
• Prototyper
• Minimum Viable Product (MVP)
• Test av det mest riskfyllda antagandet (RAT)
• Pilot

Vad som har förändrats:

Sedan 2018 har vi bevittnat:

• Demokratisering av AI-verktyg med no-code/low-code-lösningar
• Dramatisk förbättring av molnplattformar för AI
• Tillväxt av generativ AI och modeller som GPT, DALL-E, etc.
• Ökning av AutoML-lösningar som automatiserar delar av data science-processen

Beaktande av risker och utmaningar

‍

Riskerna med artificiell intelligens:

Burgess ägnade ett helt kapitel åt riskerna med AI och påpekade:

1. Datakvalitet
2. Bristande transparens - algoritmernas karaktär av "svarta lådor
3. Oavsiktlig partiskhet
4. AI:s naivitet - gränser för kontextuell förståelse
5. Överdrivet beroende av AI
6. Felaktigt val av teknik
7. Skadliga handlingar

Utveckling från 2018 till 2025:

Sedan boken skrevs:

• Oro för algoritmfördomar har blivit en kritisk fråga (avvaktande)
• AI-säkerhet har blivit avgörande i takt med att hoten ökar
• Reglering av AI har framstått som en nyckelfaktor
• Riskerna med deepfakes och generativ AI-desinformation har blivit betydande
• Integritetsfrågorna har ökat i takt med den alltmer utbredda användningen av AI

Skapa en effektiv IA-organisation

‍

Från boken av Burgess (2018):

Burgess föreslog:

• Bygga ett AI-ekosystem med leverantörer och partners
• Etablering av ett kompetenscenter (CoE) med dedikerade team
• Överväg roller som Chief Data Officer (CDO) eller Chief Automation Officer (CAO)

Utveckling från 2018 till 2025:

Sedan dess:

• Rollen som Chief AI Officer (CAIO) har blivit vardagsmat
• AI är nu ofta integrerat i hela organisationen istället för att vara isolerat i ett CoE
• Demokratiseringen av AI har lett till mer distribuerade verksamhetsmodeller
• Vikten av AI-kunskap för alla medarbetare framkom

Slutsats

Från boken av Burgess (2018):

Burgess avslutade med vikten av:

• Tro inte på hypen utan fokusera på verkliga affärsfrågor
• Påbörja IA-utbildningen så snart som möjligt
• Framtidssäkra företaget genom att förstå AI
• Anta ett balanserat förhållningssätt mellan optimism och realism

Utveckling från 2018 till 2025:

Burgess uppmaning att "inte tro på hypen" är fortfarande oerhört relevant 2025, särskilt med tanke på den överdrivna hypen kring generativ AI. Hastigheten i införandet av AI har dock blivit ännu mer kritisk, och företag som ännu inte har påbörjat sin AI-resa befinner sig nu i en betydande nackdel jämfört med dem som följde Burgess råd att börja tidigt (2018!).

‍

AI-landskapet 2025 är mer komplext, mognare och mer integrerat i affärsstrategin än vad som kunde förutses 2018, men de grundläggande principerna för strategisk anpassning, värdeskapande och riskhantering som Burgess beskrev är fortfarande förvånansvärt giltiga.