5 steg for å komme i gang med AI-produkter

Hva er egentlig et AI-produkt, og hvordan skaper vi de? Hvordan går vi fra snakk til noe som gir verdi? Vi utforsker i denne artikkelen hva som må være på plass for å utvikle et AI-produkt, basert på erfaring.

Fra AI-hype til praktisk anvendelse

En stor utfordring med AI i dag er at mange ser på det som en hype uten å forstå dets reelle potensial. AI kan forbedre mange kognitive oppgaver, men for å realisere potensialet må man ha en klar strategi. Der vi finner ut at AI kan gjøre en stor forskjell for å støtte beslutninger eller automatisere prosesser, ønsker vi å utvikle AI-produkter.

Vi beskriver her 5 steg for utvikle et AI-produkt, men aller først - hva er AI-produkter?

AI-produkter

Hva er et dataprodukt - og et AI-produkt?

Et produkt i IT-verdenen er en programvare eller digital applikasjon som inneholder et grensesnitt, har funksjonalitet og bruker input for å generere output, som en applikasjon eller digital tjeneste.

Dataprodukter er produkter der dataene er outputen, enten som rådata eller foredlede data, som f.eks. klikkanalyse fra et nettsted eller en prediksjonsmodell. Et AI-produkt er en type dataprodukt som bruker kunstig intelligens for oppgaver som bildegjenkjenning, anbefalingssystemer og prediksjonsmodeller.

AI-produkter er en undergruppe av dataprodukter, men skiller seg ut på grunn av behovet for etisk vurdering og spesifikke kapabiliteter for trening og overvåking.

Eksempler på AI-produkter fra norske virksomheter

AI blir stadig mer integrert i norske virksomheter, som bruker teknologien til å løse reelle problemer, forbedre tjenester og dermed øke inntekter eller spare kostnader.

Her er noen konkrete eksempler fra ulike bransjer, der AI har vært brukt over tid:

Sektor	Organisasjon	Bruk
Offentlige tjenester	NAV	Prediksjonsmodeller brukes for å identifisere personer som står i fare for å falle utenfor arbeidsmarkedet, slik at tiltak kan settes inn tidlig.
Telekommunikasjon	Telenor	Nettverksoptimalisering ved å forutsi og løse potensielle problemer før de påvirker kundene.
Dagligvarer	Oda	Prediksjonsmodell for å forutsi hvilke varer kundene vil kjøpe, basert på tidligere kjøpshistorikk.
Medier	Schibsted	Personlige anbefalinger om artikler og annet innhold basert på brukerdata.
Transport	Statens vegvesen	Analyserer trafikkdata for å forbedre trafikksikkerheten.
Energi	Equinor	Analyserer geologiske data for å forbedre leting etter olje og gass.
Kollektivtransport	Ruter	Optimaliserer kontroller og forstå rotårsaker til kundeklager.

Disse eksemplene viser hvordan norske virksomheter og offentlige institusjoner bruker AI-produkter som chatbots, prediktiv analyse og nettverksoptimalisering.

Men er du i gang?

5 steg for hvordan du kan komme i gang med AI-produkter

Her er 5 steg for å komme riktig i gang med å utvikle AI-produkter, basert på mange års erfaring fra virksomheter som har kommet langt i sin modningsreise for bruk av AI:

1. Avklar forretningsmål og strategi

Start med å identifisere og klargjøre forretningsmål, og vurder der AI vil kunne gjøre en betydelig forskjell. Dette innebærer å identifisere hvilke oppgaver som kan automatiseres eller forbedres ved hjelp av AI. Det er viktig at strategien tilrettelegger OG planlegger for å hente ut effektivitetsgevinster ved å automatisere, effektivisere eller forbedre kognitive oppgaver.

2. Identifiser kognitive oppgaver

Se etter områder hvor det utføres mye kognitivt arbeid. Dette kan være både i sluttbrukerprodukter og interne prosesser. Identifiser hvor det er behov for å tenke og ta beslutninger. Oda har for eksempel laget en prediksjonsmodell som forutsier hva kundene ville kjøpe, basert på deres handlingsmønstre, som driver opp kundenes kjøpsfrekvens og gjennomsnittlig handlekurv.

3. Gjør brukerresearch

Gjør grundig research for å forstå hvilken informasjon et menneske trenger for å løse de identifiserte oppgavene. Dette kan inkludere intervjuer, observasjoner og analyse av eksisterende data. Gå ut og snakk med folk, finn ut hvordan de tenker og hva de trenger for å nå målene sine.

4. Design løsningen

Basert på funnene fra researchen, design en løsning som gir både AI og mennesket den informasjonen de trenger for å løse oppgaven. Det er viktig å lage en Minimum Viable Learning Product (MVLP) slik at løsningen kan lære og forbedre seg over tid. Husk også på hvordan vi kan ivareta at AI-produktet er i henhold til krav til etisk utforming (AI Act kan gi guiding).

5. Implementér og iterér

Start med små prosjekter for å redusere risiko og lær underveis. Bygg opp infrastrukturen gradvis, og sørg for at både teamet og teknologien er klar for å skalere opp når pilotprosjektene viser suksess.

Konklusjon

Maskinlæring er lett – forretningsutvikling er krevende

Selv om maskinlæring og AI kan virke komplekst, er det viktig å forstå at teknologien i seg selv er tilgjengelig og relativt enkel å implementere. Det finnes mange konsulenter og verktøy som kan hjelpe deg med å komme i gang. Den virkelige utfordringen ligger i å avklare forretningsmål, identifisere kognitive oppgaver, og å gjøre grundig brukerresearch – oppgaver som krever dyptgående forretningsutviklings- og endringsledelseskompetanse.

Rask effekt gjør det gøy å jobbe med AI

Å jobbe med AI gir muligheten til å se konkrete resultater raskt. Du kan automatisere tidkrevende oppgaver, forbedre beslutningsprosesser og skape bedre brukeropplevelser. Når du kombinerer kraften i AI med solid forretningsutvikling, kan du virkelig gjøre en forskjell.

AI er en ny kjerneteknologi som ALLE må forholde seg til

For å utnytte AI fullt ut, må vi tenke på AI som en kjerneteknologi som kan endre hvordan vi jobber. Dette betyr å endre på gamle arbeidsmetoder og tenkemåter. Ved å fokusere på hva brukerne virkelig trenger og hvordan vi kan automatisere deres kognitive prosesser, kan vi utvikle produkter som virkelig skaper verdi.

Lyst til å lære mer?

Hør på podcasten “Datautforskerne”, episode 5 der Kjetil Åmdal-Sævik og Magne Bakkeli snakker om AI-produkter. Episoden er tilgjengelig på Spotify, Apple og Acast.

Lik og abonnér!