
Principer, inte verktyg
Det mesta som skrivs om AI handlar om verktyg: vilket som är bäst, vad det nya kan och vem som ligger först. Den kunskapen har kort hållbarhet. Det du lär dig om ett specifikt verktyg i dag kan vara inaktuellt om ett halvår.
Principerna åldras betydligt långsammare: var värdet uppstår, varför granskning alltid behövs och vilka risker tekniken för med sig. Det är där en ledares tid är bäst investerad. Med de principerna på plats kan du möta varje nytt verktyg med lugn, eftersom du redan vet vilka frågor du ska ställa.
Hur AI fungerar och var den brister
Du behöver inte förstå tekniken på djupet, men en grundbild gör stor skillnad. Generativ AI har lärt sig mönster ur enorma mängder text och bild, och skapar utifrån dem det svar som verkar mest sannolikt. Ofta blir resultatet imponerande. Ibland blir det fel, på sätt som är lätta att missa.
Exakt var bristerna sitter förändras med varje ny version. Vissa minskar, andra tillkommer. Därför är det mer hållbart att känna till fyra egenskaper som följer av hur tekniken är byggd:
- Övertygande är inte detsamma som korrekt. AI formulerar sig lika säkert när den har fel som när den har rätt. Den kan hitta på fakta, källor eller siffror som ser helt trovärdiga ut. Tonen säger ingenting om innehållet.
- Den speglar gärna dig. AI tenderar att bekräfta det du redan tror snarare än att utmana dig. Det känns bra, men vill du ha motstånd behöver du be om det.
- Samma fråga kan ge olika svar. Det är en del av hur tekniken fungerar, inte ett tecken på att något är trasigt. Men det betyder att AI passar sämre där samma underlag alltid måste ge samma bedömning.
- Den gör allt oftare mer än att svara. Fler och fler AI-verktyg kan utföra handlingar: skicka mejl, boka möten, ändra i system. Då handlar granskningen inte längre bara om vad AI skriver, utan om vad den gör.
Inget av detta är ett skäl att avstå. Men granskning av det som är viktigt behöver vara en vana, inte en reaktion på kända brister.
Var värdet finns
Riskerna får stort utrymme i samtalet om AI, men de är bara halva bilden. I Sluta klistra AI på gamla processer skrev vi om att börja med frågan varför ett arbete görs, innan man gör det snabbare. Här är tre principer till som håller:
- Leta efter upprepning. AI gör oftast mest nytta i arbete som återkommer, följer ett mönster och där en människa ändå granskar resultatet: utkast, sammanfattningar, sortering och första analys.
- Mät före och efter. Om ni inte vet hur lång tid något tog innan, vet ni inte heller om AI har gjort skillnad.
- Räkna med hela kostnaden. Licenserna är sällan den största posten. Tid för införande, utbildning och granskning hör också dit. En allt större del av kostnaden följer dessutom användningen, och växer därför med framgången, särskilt när AI arbetar i flera steg på egen hand. Frågan är inte bara vad det kostar i dag, utan vad det kostar om det blir en succé.
Var riskerna ligger
Riskerna med AI är sällan dramatiska. De är oftast vardagliga, och just därför lätta att förbise. Tre områden förtjänar din uppmärksamhet:
- Data som lämnar huset. Det som skrivs in i ett AI-verktyg kan lagras, användas eller hanteras på sätt ni inte har kontroll över. Var datan lagras och vilken lag leverantören lyder under är två olika frågor, och rätt svar beror på hur känslig datan är. Vi går igenom det på djupet i serien Digital suveränitet.
- Förtroende som sätts på spel. När AI används i kontakt med kunder, partners eller medarbetare står er trovärdighet på spel. Ett felaktigt svar som skickas vidare utan granskning är fortfarande ert svar.
- Beslut som påverkar människor. Ju mer ett beslut påverkar någons liv, desto högre krav på mänsklig kontroll. Flera sådana användningar, till exempel inom rekrytering och kreditbedömning, räknas som högrisk i EU:s AI-förordning och omfattas av särskilda krav.
Tänk dig en projektledare som har börjat använda en AI-assistent som spelar in möten och skickar ut en sammanfattning efteråt. Den sparar tid, och hen kopplar på den även för ett möte med en samarbetspartner där en känslig omorganisation diskuteras. Efter mötet går sammanfattningen automatiskt ut till alla deltagare, även partnern. Den tillskriver dessutom ett beslut till ekonomichefen som hen aldrig fattade, bara nämnde som ett alternativ.
Lägg märke till att ingen tog ett aktivt beslut att dela något. Verktyget gjorde det det var inställt att göra. När AI utför handlingar räcker det inte att granska det den skriver. Någon behöver också ha bestämt vad den får göra utan att fråga först.
Fem frågor att ställa i din organisation
Du behöver inte ha svaren själv. Men att ställa frågorna är ett bra sätt att börja, och de håller oavsett vilka verktyg som finns om ett år:
- Vilka AI-verktyg används redan hos oss, och vet vi om alla?
- Vilken information får aldrig hamna i ett AI-verktyg?
- Var gör AI i dag mest nytta för oss, och var gör det mest skada om det blir fel?
- Vem granskar det som AI tagit fram, eller gjort, innan det får effekt på riktigt?
- Känner sig våra medarbetare trygga att berätta hur de använder AI, och att säga till när något gått fel?
Om du kan svara på dessa, eller vet vem som kan, har du kommit längre än du kanske tror. Om ingen vet vem som ska svara, har du hittat nästa fråga.
Så hjälper vi på OMAI
Vi är inte knutna till någon leverantör, utan väljer alltid det som passar er data och era behov. Vill du gå igenom de fem frågorna med din ledningsgrupp? Hör av dig, så gör vi det tillsammans.
Ingen har facit fortsätter i del 3, Vem äger AI-frågan? Där tittar vi på varför AI så ofta hamnar mellan stolarna, och hur ni kan ge frågan ett hem.