Hvad betyder Kunstig intelligens?
Kunstig intelligens er en samlebetegnelse for teknikker og systemer, der løser opgaver som sprogbehandling, mønstergenkendelse, planlægning og billedanalyse. Begrebet fortæller ikke i sig selv, hvor dygtigt et system er, hvilke data det bruger, eller hvor selvstændigt det må handle.
En AI-løsning består normalt af mere end en model. Den kan omfatte datakilder, almindelig software, en brugerflade, adgangskontrol og en proces for faglig vurdering. Et godt svar fra en model er derfor kun én del af en velfungerende løsning.
Der er væsentlig forskel på at klassificere en indkommende besked, generere et udkast og ændre en kundes ordre. De tre opgaver kan alle bruge AI, men de kræver forskellige tests og beslutninger om ansvar. Start med den handling eller det resultat, virksomheden har brug for, frem for en bred ambition om at anvende AI.
De vigtigste former for AI i en virksomhed
Maskinlæring finder mønstre i eksempler og bruger dem på nye data. Generativ AI skaber eksempelvis tekst eller billeder. Computer vision arbejder med visuel information. Agenter kombinerer en model med værktøjer og en proces, der kan udføre flere skridt.
Grænserne overlapper: En dokumentløsning kan bruge billedanalyse til at læse et bilag, en sprogmodel til at fortolke indholdet og faste regler til at kontrollere, om summen stemmer. Det er sammensætningen, der skal vurderes.
Beskriv opgaven, før I vælger teknikken
Skriv en konkret situation: Hvem har problemet, hvilket input findes, og hvordan ser et brugbart resultat ud? Vurder derefter, om AI er nødvendigt. En simpel formular, en bedre søgning eller en stabil integration kan være et bedre første skridt.
Hvis AI indgår, skal det være tydeligt, hvad systemet må beslutte, og hvad der kræver en person. Et mål som kortere behandlingstid skal følges af et kvalitetsmål, så hurtige, forkerte svar ikke bliver regnet som en gevinst.
Et eksempel fra praksis
En mindre servicevirksomhed modtager henvendelser via mail. Et afgrænset AI-forsøg kan sortere dem efter emne og foreslå et svar ud fra godkendte vejledninger. En medarbejder læser forslaget og sender det selv.
Virksomheden kan registrere tidsforbrug, behov for rettelser og tilfælde, hvor systemet mangler oplysninger. Hvis forslagene ofte er forkerte ved reklamationer, kan netop den kategori holdes udenfor. Der behøver ikke være en plan om fuld automatisering: Bedre kladder og tydeligere prioritering kan i sig selv være et meningsfuldt resultat.
Typiske faldgruber
- At beskrive et produkt som intelligent siger intet om, hvilke opgaver det faktisk er testet til.
- Et flydende svar kan skjule manglende kilder eller misforståelser af situationen.
- En demonstration uden rigtige arbejdsbetingelser viser ikke nødvendigvis, hvordan løsningen fungerer i drift.
Det skal I afklare
- Definér én brugeropgave og et observerbart resultat.
- Afklar nødvendige data, tilladte handlinger og ansvarlig medarbejder.
- Sammenlign kvalitet og tidsforbrug med den nuværende løsning.
Spørgsmål og svar
Er alle automatiseringer kunstig intelligens?
Nej. Mange automatiseringer følger faste regler uden at udlede et resultat med en AI-model. De kan være meget værdifulde og indgå sammen med AI i samme arbejdsgang.
Kan AI erstatte en faglig vurdering?
Det afhænger af opgaven og kravene til den. Et system kan understøtte en vurdering, men en generel modelbetegnelse er ikke dokumentation for, at en konkret beslutning bør overlades til systemet.
Kilder og videre læsning
De tekniske begreber bygger på nedenstående kilder. Eksemplerne er illustrative og viser, hvordan I kan arbejde med emnet.
- OECD: Explanatory memorandum on the updated definition of an AI system ↗Afgrænsning af AI-systemer og deres output.
- NIST: AI Risk Management Framework ↗Vurdering af AI i dens konkrete anvendelseskontekst.