Afmystificer AI, hvis du vil lykkes med teknologien

AI er – på godt og ondt – blevet hypet og med hypen følger også misforståelser, og det bør man tænke ind i sin AI-strategi. Sådan lyder budskabet fra Signe Sørensen, techno-anthropologist ved Alexandra Instituttet i dette synspunkt.
Brødtekst

Kunstig intelligens er med god grund blevet det nye sort, og virksomhedsledere står i kø for at brande deres virksomhed på at være AI-optimeret. Det forstår vi, der har fundet herind, nok – om nogen – godt. Men det er der mange derude på de danske arbejdspladser, der ikke gør. 

For mange medarbejdere opleves kunstig intelligens nærmest som en trussel. En række fordomme lever i bedste velgående – »den kunstige intelligens vil overtage mit job, så jeg bliver fyret«, »den kunstige intelligens vil overvåge vores indsats, så vi knap har tid til at gå på toilettet«, »den kunstige intelligens vil gøre alting mere kompliceret, fordi vi så skal udfylde alle mulige ting, før vi kan komme videre i vores arbejde«. Det er bare nogle af de tanker, der ofte opstår, når man siger ordene kunstig intelligens. 

Så måske man ikke skal sige ordene ’kunstig intelligens’, når man skal i gang med sin AI-strategi. Betyder det, at jeg opfordrer dig til at lyve? Niks, tværtimod. 

Faktisk er der selv inden for vores felt mange dataloger, der ikke bryder sig om begrebet ’kunstig intelligens’. Begrebet er nemlig luftigt, svært at sætte på formel, og derfor foretrækker de fleste dataloger udtrykket ’maskinlæring’, som lidt mere præcist rammer, hvad vi egentlig mener, når vi siger kunstig intelligens. Og når selv dataloger synes, at begrebet er lidt upræcist, så er der ikke noget at sige til, at jeres medarbejdere i forskellige dele af organisationen kan få et forkert billede i hovedet, når de hører, at I nu skal til at anvende kunstig intelligens. 

Det er også et billede, som Jens Holmgren, sektionsleder og lektor på Institut for Økonomi og Ledelse ved Aalborg Universitet, kan genkende fra sin forskning om ledelse af strategiske processer. Han har også hjulpet virksomhederne på det første hold i AI Denmark-projektet i gang. Da jeg interviewede ham om erfaringerne med implementering af kunstig intelligens, forklarede han blandt andet, at:

»Det, vi mangler i forhold til AI, det er viden om, hvad det egentlig er, og hvad konsekvensen egentlig er. Det kan for eksempel være, at hvis man er del af en arbejdsproces, hvor AI indgår, så vil nogle medarbejdere tænke – hvor meget kontrol er der nu? Sådan noget AI kan måle på alting og se, hvor mange gange man har gjort et eller andet, og er det noget som bliver logget, så der kommer en leder på et tidspunkt og påpeger det? Det kendskab til, hvad vi egentlig bruger det til, og hvad konsekvensen bliver for den enkelte medarbejder – det mangler vi viden om.«

Derfor kan det være en god idé at formulere sig anderledes. I virkeligheden handler det om at bryde det ned til det, det egentlig handler om i jeres kontekst, og så bruge de ord I plejer at bruge. Hvis man eksempelvis går ned af abstraktionsstigen og ikke siger AI men data, så kan det allerede være en start. Tager man et skridt længere, så handler det om informationer og arbejdsgange. Helt konkret kan det handle om, at man ikke siger, at ’nu skal vi have en kunstig intelligens til at styre vores kundeservice’, men i stedet ’vi vil forsøge at gøre det nemmere for os at sortere i vores henvendelser fra kunderne, så I skal bruge mindre tid på sortering og kan bruge mere tid på faktisk at svare kunderne’. 

Som Jens Holmgren har formuleret det: »Vi skal skabe tryghed og oplysning om, hvad der er i spil, og hvad går det ud på. Hvis ikke der er det, så vil man opleve en modstand og en skepsis, som man kunne have undgået hvis man havde tænkt sig om. Modstand på grund af uvidenhed er dumt.«

Dernæst må man skelne mellem, hvad der er need to know og nice to know. Når det kommer til, hvad der er need to know, er det formålet, der skal være i fokus. Hvad er det helt præcist, vi egentlig gerne vil have hjælp til og hvorfor. Sæt fokus på, hvordan jeres arbejdsliv vil blive hjulpet. 

De informationer, der er nice to know, derimod, er typisk en mere detaljeret viden om brugen af AI. Og det er typisk lidt vanskeligere at vurdere, hvor meget af den yderligere viden, man skal dele. For en overload af informationer og for meget gennemsigtighed kan skabe større forvirring end afklaring, hvis man ikke i første omgang forstår, hvordan teknologien rent faktisk skal virke. Du kan lade graden af den vidensdeling være styret mere eller mindre af, hvad dine kolleger selv efterspørger af viden. Gennem snakke kan det vise sig, at de ikke har behov for at vide, præcis hvordan en model er bygget op, men nærmere hvordan det bliver at skulle håndtere den.

Du skal imidlertid være opmærksom på, hvordan og hvornår du introducerer, at I vil gå i gang med at anvende kunstig intelligens. Det er endnu en af pointerne fra Jens Holmgren:

»Implementeringen starter lige så snart, man begynder at snakke om, at nu skal vi have AI, forstået på den måde at der begynder at danne sig nogle billeder inde i hovedet på den enkelte medarbejder. Så lige så snart det kommer ud af for eksempel ledelseslokalet eller fra munden på den administrerende direktør, så er implementeringen i princippet i gang. Det er interessant, fordi som leder, så er man oftest allerede længere i tankegangen omkring det end medarbejderne, fordi når man fortæller om det, så har man også allerede på forhånd dannet sig et billede af det. Men det er ikke det samme billede man får indplantet hos medarbejderne.«

Der sidder altså typisk nogle ude i jeres virksomhed, der ikke præcis ved, hvad det betyder, og som måske er nervøse for at indrømme det. Så pas på med at antage, at folk ved, hvad du mener – vær eksplicit omkring, hvad der kommer til at ske. Men, som Jens Holmgren også påpeger:

»Bør man så først fortælle medarbejderne noget, når man kører det full-blown ud, eller skal man inddrage medarbejderne noget mere i forberedelsesarbejdet og tænkearbejdet omkring, hvordan processerne kommer til at se ud efter implementering? Måske skulle man inddrage medarbejderne meget tidligere, end man normalt gør. Det tror jeg, man kan komme langt med.«

Det kan altså være en stor hjælp for jeres proces, at I får lagt kortene på bordet og afstemt forventningerne tidligt i processen. 

Kunstig intelligens dækker over et enormt felt, og derfor betyder udtrykket i sig selv ikke noget. Men taler I fra jeres udgangspunkt og med jeres egne ord, så er der langt større sandsynlighed for, at I lykkes med det, vi kalder kunstig intelligens!

Oprindeligt udgivet på AI Denmark.

Prøv DataTech gratis

DataTech giver dig ny viden, cases og erfaringer med at lykkes med AI og data science i praksis. Klik på knappen og få 3 ugers gratis og uforpligtende prøveabonnement.

IDA-medlemmer og PLUS-abonnenter kan gratis låse 6 artikler op om måneden på vores PRO-medier. Log ind for at låse artikler op.

IDA-medlemmer kan desuden vælge mellem fri adgang til DataTech eller Tech Management. Læs mere her.

Klik her