Stafræn umbylting kallar á snjallvæðingu

Datalab réði á dögunum til starfa tvo unga sérfræðinga, Bjarna Braga Jónsson (t.v.) og Ágúst Heiðar Gunnarsson (t.h.), en þeir hafa báðir nýverið lokið framhaldsmenntun erlendis með sérhæfingu í gagnavísindum. 

Fersk sýn þeirra á möguleika Íslands í heimi stafvæðingar, þar sem fjórða iðnbyltingin er handan við hornið, er þeim hugleikin. 

Gefum þeim orðið:

Byrjum á byrjuninni: Hver er ykkar bakgrunnur?

Bjarni: Ég er uppalinn í Vestmannaeyjum og fór svo í Verzlunarskólann á eðlisfræðibraut. Eftir Verzló fór ég í eðlisfræði í HÍ og tók hugbúnaðarverkfræði á sama tíma, sem sagt tvöfalt BS próf, sem ég lauk á fjórum árum. Meðfram náminu vann ég hjá Veðurstofunni og hjá Datamarket. 

Þvi næst fór ég í meistaranám í ETH í Zurich í Sviss. Þar vann ég meðal annars að verkefni með Microsoft Research, sem snéri að því að herma skammtatölvur með vélnámi (e. machine learning).  

Það var mikill spenningur í kringum þessi fræði og ég hálfpartinn sogaðist inn í þetta. Svo var ég að vinna í ráðgjafarfyrirtækjum Zurich þar sem ég vann ýmis gagnadrifin verkefni tengd fjármálageiranum, bæði í Zurich og á vegum þeirra í London. 

Í þessum verkefnum var fókus á áhættustýringu. Þetta voru þung gagnamódel, miklar hermanir og svo framvegis. Þessi verkefni beindu mér líka inn á þessar brautir áfram.  Svo kom ég heim núna í byrjun hausts og hóf störf hjá Datalab.

Varstu að leita færis á að komast heim?

Bjarni: Já, við kærasta mín vorum farin að huga að því að koma heim en covid gerði svo útslagið. En mér fannst líka svo margt spennandi að vera að gerast á Íslandi, ekki síst í frumkvöðlasenunni. Og mér finnst ég fá það allt staðfest hér í Grósku, í þessu húsi.

En þú, Ágúst? Hver er saga þín?

Ágúst: Já, ég ólst upp í Svíþjóð en fluttist 8 ára til Íslands, í Laugardalinn, og hef verið þar síðan. Ég fór í Verzló á viðskiptabraut, en fannst námið ekki nógu tölulegt fyrir mig, ef svo má segja, fann að ég vildi fara í aðra átt og endaði á því að fara í fjármálaverkfræði í HR. 

Það nám snéri meira að tækni og forritun, sem höfðaði til mín.  Svo útskrifaðist ég úr verkfræðinni 2017 og fór að vinna hjá Kviku eignastýringu. Ég starfaði þar sem sérfræðingur á rekstrar- og fjármálasviði fyrirtækisins.  Þar fékk ég tækifæri til vera með nokkuð marga hatta og kynnast flestum hliðum félagsins.  Mín helstu verkefni voru þó tengd viðhaldi og þróun á gagnainnviðum, auk þess sem ég var með nokkuð frjálsar hendur tengt verkefnum sem einfölduðu og sjálfvirknivæddu ýmsa handavinnu.

Það var einmitt þá sem ég fór að tengja meira við þessa gagnavísindanálgun, taka eftir gögnunum, þau voru úti um allt. En ég tók líka eftir hinu, þ.e. hversu margir voru ekki að nýta gögnin. Þau lágu bara þarna, risavaxnir netþjónar, fullir af gögnum og enginn var að nýta þau. 

Ég fór að skoða meistaranám sem tengdist þessum heimi og valdi svo að lokum M.Sc. í Data Science í UCL í London. Ég kunni vel við mig þar, þetta var góð blanda af fræði og praktík. En svo kom covid og ég endaði að því að koma heim, eins og Bjarni. 

Ert þú jafn upprifinn yfir stemningunni hér heima og Bjarni?

Ágúst: Já, ég held að það séu gríðarmörg tækifæri hérna. Það sem er þó mest spennandi ekki endilega að við séum komin svo langt, heldur að við getum átt þátt í að taka þessi fyrstu skref. 

Sprotasenan er annars að springa út á Íslandi, finnst mér. Og það er eitthvað sem við eigum að sækjast eftir, Íslendingar;  við erum vel menntuð þjóð, fámenn og hér er hár standard á hlutunum. Það á að vera frekar einfalt fyrir okkur að vera framarlega þegar kemur að frumkvöðlastarfi. 

Hver eru ykkar áhugasvið eða sérhæfing í gagnavísindunum?

Ágúst: Sem stendur er ég meira í smíði lausna en ráðgjöf, og áhugasvið mitt liggur líka þar. Það sem mér finnst áhugaverðast í vinnunni er að skilja betur hvar íslenski markaðurinn stendur í gagnavæðingunni; hver er skilningurinn, hvaða möguleika sjá þau í þessari tækni?

Bjarni: Já, ég er algjörlega sammála þessu.  Það er spennandi að fá innsýn í hvar fyrirtækin standa og hjálpa þeim að ýta þessum málum áfram og ná að skapa eitthvert virði úr gögnunum. Ef við náum því, þá er gaman. 

Ég hef sjálfur ákveðna sérhæfingu áhættustýringu, sem mér finnst áhugaverð og hef almennt áhuga á að nýta þessa tækni meira í fjármálageiranum. En svo eru augu mín að opnast mikið núna fyrir möguleikunum í smásölunni. 

Það eru alls konar spennandi tækifæri þar, bæði til að auka skilvirkni en líka til að sækja tekjur og styrkja viðskiptasambandið við kúnnann. Við erum að sjá aukna samkeppni frá útlöndum á öllum sviðum, sérstaklega í smásölunni. 

Smásalan keppir við allan heiminn

Það er gott að hafa í huga að þessi erlendu fyrirtæki sem hafa tileinkað sér snjalltæknina geta boðið persónulega upplifun, þannig að viðskiptavinurinn upplifir að fyrirtækið þekki sig. Kannski eru íslensk fyrirtæki ekki alveg komin þangað, en við erum komin af stað. Þarna eru mikil tækifæri – íslensk fyrirtæki verða bara að fara þangað. 

Ég er ekki viss um að komandi kynslóðir hengi sig endilega á það að versla við íslensk fyrirtæki af því þau eru íslensk.

Býður íslensk umhverfi upp á eitthvað forskot eða sérstöðu sem við getum nýtt okkur?

Bjarni: Já, ég held að það verði tækifæri til að þróa hluti hraðar hér en víða annars staðar. Erlendis eru skipuritin og valdastrúktúr miklu þyngri og flóknari. Við höfum til dæmis meiri aðgang að æðstu stjórnendum hér í okkar verkefnum heldur en væri mögulegt erlendis. Þetta flýtir fyrir þróuninni, keyrir verkefnin áfram.

En Íslendingar eiga líka möguleika í smásölunni, heimurinn er allur að minnka þar. Á næsta áratug mun bankageirinn til dæmis riðlast mikið, markaðir eru að opnast og renna saman. Bankarnir hér þurfa að gíra sig upp og undirbúa sig vel fyrir það.

Hvernig fer vinna ykkar fram? Hvaða aðferðir og tól eruð þið að nota?

Ágúst: Mesta forritunin hjá okkur fer fram í Python og R.  Fyrir þessi forritunarmál er til ógrynni af tólum sem hjálpa okkur að smíða lausnir.  Hvað varðar gagnainnviði fer það nokkuð eftir viðskiptavinum.  Skýjalausnir eru að verða nokkuð algengar hjá íslenskum fyrirtækjum og við smíðum þá lausnina með hliðsjón af því sem er búið að innleiða hjá hverjum og einum, hvort sem það er Azure, AWS eða önnur lausn.  Öll þessi tól sameinast svo í því sem við köllum gagnasmiðjur, sem á ensku er kallað Data Science and Machine Learning platforms

Smiðjan sem við notum kallast Dataiku sem er nokkurs konar platform sem sameinar alla þætti þess að vinna gagnaverkefni. Þar höfum við allt gagnastreymið og kóðana á einum stað, og alla vinnslu á gögnum. Þú færð ótrúlega þægileg myndræna yfirsýn yfir allt sem þú ert að gera, sem er mikilvægt þegar þú ert með risaverkefni og gagnastreymi úr mismunandi áttum. Þetta gerir allt utanumhald um verkefnið miklu auðveldara. 

Hvað er er á döfinni hjá Datalab þessa dagana?

Bjarni: Við erum núna í nokkrum Vegvísum [stefnumótunarvinna í snjallvæðingu, innskot höfundar] með fyrirtækjum og stofnunum, þar sem við erum að kortleggja tækifærin sem eru til staðar. 

Ég held að slík vinna sé mikils virði fyrir báða aðila.  Við fáum tækifæri til að tala við mjög marga innan fyrirtækjanna, sem er mjög mikilvægt því oft eru þessi tækifæri þvert á svið og deildir, og þú kemur ekki endilega auga á þau þegar þú ert í miðju fyrirtækinu. 

Í kjölfarið koma fram verkefni sem spretta upp úr þessari grunnvinnu. Þetta eru nokkurs konar prufuverkefni (e. proof of concepts) til að koma þeim inn á gagnabrautina og taka fyrstu skrefin. Við kortleggjum tækifærin í Vegvísinum og skilgreinum í framhaldi af því fyrstu verkefnin.

En svo erum við þegar í vinnu með nokkrum fyrirtækjum og höldum þeirri vinnu áfram. Ég var sjálfur að vinna fyrir ráðgjafarfyrirtæki úti í Sviss og nú erum við í samstarfi við það varðandi gagnaverkefni fyrir tryggingafélag. Einnig erum við í viðræðum við orkufyrirtæki þar úti, þannig að það er ýmislegt á prjónunum.

Mikil tækifæri í fjármálageiranum

Ágúst: Varðandi áframhaldið, hvar við sjáum tækifærin í gervigreindinni, þá held ég það það séu bankarnir. Það eru þeir sem ættu að stökkva á þetta, ef einhverjir. Á síðustu árum hafa orðið straumhvörf í því hvernig þjónusta frá banka er veitt. Útibú eru varla til lengur, þú ert ekki lengur með þinn þjónusturáðgjafa sem þú ferð til, það er allt búið. 

Ég held að bankarnir verði að átta sig á því að þegar þessi útibú eru að hverfa og persónulega þjónusta er að fara sömuleiðis, þá má það ekki verða þannig að fólki finnist þjónustan verða verri, að bankinn sé bara hættur að veita fólki þjónustu.  

Af hverju er ekki bara búið að sjálfvirknivæða þessa persónubundnu þjónustu? Það er óumflýjanlegt skref. Viðskiptavinum bankans þarf að finnast þeir ennþá vera viðskiptavinir bankans þó þeir séu ekkert að fara í útibúið. 

Bankarnir henta bara almennt svo augljóslega vel í svona verkefni. Þeir eru sennilega gagnadrifnasta tegund fyrirtækja sem til er.  Þetta er kjarninn í því sem bankinn gerir, sama hvaða deild þú ert að skoða, að taka ákvarðanir út frá gögnum –  hvort sem það er ákvörðun um að selja eða kaupa hlutabréf, veita lán eða ekki, eða hvað sem það er. Þetta eru allt ákvarðanir sem byggja á gögnum, þannig að þetta er rakið dæmi fyrir þá. 

En þessi stafræna umbylting virðist vera á öllum sviðum, eða hvað?

Ágúst: Já, það nefnilega málið, það er mjög víða vera að stafvæða þjónustu og afgreiðsluferla. Tökum sem dæmi smásöluna: Ef fatabúðin þín er bara netverslun þá er mér persónulega alveg sama hvort hún er íslensk eða bresk. Það er annað mál ef ég fer í verslunina og fæ þar persónulega þjónustu. 

Og það er það sama með bankana – ef ég er hættur að fara í útibúið og það kemur einhver spútnik netbanki þá hika ég ekki við að skipta ef hann býður mér eitthvað betra. Ég tala ekki um ef þú færð á tilfinninguna að bankinn þekki þig – og núverandi banki gerir ekki einu sinni tilraun til að þykjast þekkja þig. Hollustan minnkar hratt ef þér finnst þú ekki vera að fá þá þjónustu sem þú ætlast til. 

Ef við horfum aðeins lengra, kannski 5-10 ár fram í tímann, hvernig verður hið stafræna landslag á Íslandi?

Ágúst: Ég held að þau fyrirtæki á Íslandi sem eru í samkeppni við önnur sem nota gervigreind muni annað hvort taka skrefið líka eða lenda annars illa í því. Það verður hraðari þróun hjá þannig fyrirtækjum á meðan önnur eru ekkert að stressa sig á þessu. 

Bjarni: Ég held að þau fyrirtæki sem tileinka sér ekki þessa tækni muni lenda hratt í vandræðum gagnvart fyrirtækjum sem eru þegar búin innleiða hana og komin af stað. Ég hef pínu áhyggjur af þeim fyrirtækjum sem munu vakna upp við vondan draum þegar samkeppnisaðilinn er búinn að kveikja á gervigreindinni og kominn vel af stað – ætlarðu þá að byrja? 

Er ekki mikilvægt bara að byrja vegferðina, taka einhver fyrstu skref?

Bjarni: Algjörlega. Þau fyrirtæki hérlendis sem eru í samkeppni við erlend fyrirtæki sem eru nú þegar hér á markaðnum munu finna vel fyrir þessu. Hinir stóru, erlendu risar munu innleiða tæknina hratt á næstu árum – þá er eins gott fyrir íslensk fyrirtæki að hafa tekið fyrstu skrefin. Þetta á við um alla geira; fjármálafyrirtækin, smásöluna alla – því hún er að færast á netið – tryggingafyrirtækin, nefndu það.

Gögnin eru verðmæti sem liggja víðast ónýtt

Hið opinbera situr á miklum gagnaverðmætum

Hvað með opinbera geirann? Hvar eru tækifæri fyrir ríkið til þess að sjálfvirknivæða?

Bjarni: Ég held að það sé líka tækifæri þar úti um allt. Fyrsta skrefið þar er að koma skikki á gögnin. Það liggur gríðarlega mikið magn gagna hjá stofnunum ríkisins, en það þarf að samþætta kerfi, og nýta gögnin grimmt til að auka skilvirkni. 

Ágúst: Ég held að tækifærið í opinbera geiranum liggi í því að lágmarka sóun og fá betri yfirsýn yfir hvert skattpeningarnir fara, hverju eru þeir að skila okkur. 

Bjarni: Þetta snýr líka að upplýsingum til almennings, gera þær aðgengilegri.  Og þetta snýr líka að atvinnulífinu. Við getum tekið dæmi af fasteignamarkaðnum:  Þar er verið að henda skjölum á milli aðila og enginn hefur yfirsýn fyrr en allt birtist í einu, seint og um síðir, eins og til dæmis hvað varðar upplýsingar um byggingarmagn sem er að koma inn á markaðinn hverju sinni. 

Þú verður að hafa þessar upplýsingar aðgengilegar, því annars geta hagsmunaaðilar stjórnað umræðunni, sbr. þessar talningar hjá Samtökum iðnaðarins, sem eru í sjálfu sér góðra gjalda verðar.

Við ættum líka að stefna á persónulegri þjónustu og leiðsögn í gegnum kerfið. Stafræn umbylting er að eiga sér stað hjá hinu opinbera, en þá verður gervigreindin að koma á móti, líkt og hjá bönkunum.

Ágúst: Það er ótrúlegt hversu mikil pappírsvinna er enn í gangi í mörgum stofnunum. Það er makalaust að þú þurfir að ganga bókstaflega á milli húsa með einhver pappírsgögn. Það er jafnvel verið að faxa skjöl á milli stofnana. 

Ég hélt þetta væri búið fyrir 30 árum, en þetta er enn gert á mörgum stöðum. Annað hvort er ekki búið að uppfæra regluverkið eða tæknina sem er í kringum þetta. Hringlið með kjörseðlana í síðustu kosningum er annað dæmi. 

Bjarni: Ég held að það séu einmitt mikil tækifæri í kringum alla þessa pappírsvinnu, en við erum samt mörgum árum á undan þjóðum eins og Sviss. Það kom mér dálítið á óvart.  Þar er það bara pappírinn sem gildir, allt snýst um gamla, góða póstinn. Að mörgu leyti erum við því komin með mjög góðan grunn á Íslandi. 

Ágúst: Við erum kannski ekki á eftir en það munu fleiri tækifæri opnast núna þegar þessi tækni verður sjálfsagðari, þegar ferlin verða almennt orðin rafræn. Við höfum náttúrulega séð ótrúlega mikla þróun á síðustu árum, til dæmis hvað varðar rafrænar undirskriftir.

Bjarni: Nú þegar ákveðinn grunnur er kominn þá er hægt að halda hratt áfram inn í framtíðina.

Snjallvæðingunni fylgja félagslegar áskoranir

Sjáið þið einhverjar samfélagslegar hættur af snjallvæðingunni?

Bjarni: Jú, við þurfum til dæmis að passa okkur á að kóða ekki inn kerfisbundnu skekkjurnar sem þegar eru inni í módelunum okkar án þess að við gerum okkur grein fyrir því. Dæmi um það væri að einhver fengi ekki lánað af því hann ætti heima á einhverju ákveðnu svæði eða væri af ákveðnum kynþætti. 

Ég vann verkefni fyrir banka í Sviss þar sem við vorum að meta líkur á vanskilum og þá sáum við að það voru ákveðin svæði sem voru varasöm. Þá er það orðin siðferðisleg spurning hvort þú ætlar að kóða slíkar upplýsingar inn í módelið þitt.  

Við þurfum að vera vakandi fyrir alls kyns svona atriðum. Þú getur ekki bara verið að kafa í gögn og kóða og gleymt félagslega þættinum.  

Ágúst: Einmitt. Önnur siðferðileg spurning snýr að umbyltingu vinnumarkaðarins á næstu árum. Hvaða félagslegu afleiðingar hefur það að sjálfvirknivæða verkefni sem áður voru hluti af starfi einhverrar manneskju? Hvað verður um fólkið sem er sinna handavinnunni sem verður kannski ekki handvirk lengur? 

En ég held að þetta verði ekki svo mikið spurning um að fólk missi vinnuna heldur að við getum þá beint kröftum fólks í verðmætari vinnu, frekar en að eyða tímanum í leiðinleg rútínuhandtök.

Það hlýtur að þurfa að endurmennta stóran hluta vinnuaflsins?

Ágúst: Já, ég held að það sé óumflýjanlegt. Það er svo sem eðlilegt að einhverjir líti neikvæðum augum á þessa tækni ef þeir eru hræddir um að missa vinnuna, það þarf bara að taka þessa umræðu. 

Bjarni: Við höfum þó ekki orðið varir við neikvæðni starfsmanna í okkar verkefnum. Það er miklu frekar að fólk sé spennt fyrir þessum breytingum og fólkið á gólfinu er jafnvel er búið að kynna sér þetta mjög vel.

Íslenska smæðin er styrkleiki

Hvað hefur komið ykkur mest á óvart síðan þið komuð heim?

Bjarni: Það hefur komið mér mest á óvart að finna hvað markaðurinn er bara rosalega tilbúinn í þessa vegferð. Það eru einhver straumhvörf núna. Markaðurinn bara öskrar á þessar lausnir. 

Við erum á mjög áhugaverðum tímapunkti núna. Það er svo mikil orka í gangi og ég hef sjálfur ekki upplifað svona stemningu í þeim fyrirtækjum sem ég hef verið að vinna fyrir úti. Það eru allir að kveikja á þessu á sama tíma – kannski er það Covid sem er hefur hleypt þessu af stað. 

Ágúst: Ég er sammála með hraðann í þróuninni. Íslenska smæðin skiptir líka máli, þetta þétta samfélag okkar. Við fylgjumst vel með því sem næsti maður er að gera og það er mikil samanburður og samkeppni. Ísland er lítið samfélag og þegar umræðan fer af stað af einhverri alvöru, þá gerast hlutirnir hratt. 

Við megum ekki lenda á eftir núna, hugsa konur og menn, það eru allir í kringum okkur komnir af stað. 

Við verðum að stökkva með. 

HJÞ.

Aðferð DataLab: Þróun og innleiðing gagnadrifinna og snjallra lausna í þremur áföngum

Í dag eru flest fyrirtæki og stofnanir á einhvers konar stafrænni vegferð, sem snýr að því að nota stafræna tækni til að færa ferla, vörur og þjónustu nær kröfum nútímans.

Hið næsta, rökrétta skref, er að nýta hin miklu gagnasöfn sem stafræna tæknin framleiðir og aðferðir gagnavísinda og gervigreindar og taka stökkið á næsta stig, það er að nýta gervigreindartækni til að auka sjálfvirkni og bæta ákvarðanir í rekstrinum. En gervigreind og snjallar gagnalausnir eru framandi tækni og fá fyrirtæki hafa spreytt sig á slíkri vegferð.

Fyrirmyndir og fordæmi eru því fá – hvernig fer slík vinna fram? Hvernig er slík innleiðing framkvæmd, skref fyrir skref?

Sérfræðingar Datalab hafa öðlast mikla reynslu á undanförnum árum við að þróa og innleiða snjalllausnir í íslenskum fyrirtækjum. Þessi reynsla hefur gefið Datalab tækifæri til að slípa aðferðafræði sína til þannig að sem bestur árangur náist.

Í þessari grein verður gert nánari grein fyrir nálgun Datalab – skref fyrir skref.

HELSTU PUNKTAR TIL AÐ TAKA MEÐ:

  • Datalab hefur þróað aðferðafræði sem hentar vel til innleiðingar á snjöllum gagnalausnum í íslenskum fyrirtækjum
  • Aðferð Datalab skiptist í þrjá áfanga: 1. Skilgreiningu og afmörkun, 2. Tilraunaverkefni, og 3. Innleiðing og skölun
  • Fyrsti áfangi snýr að fræðslu til starfsmanna, viðtölum við hagsmunaaðila, stöðumati og stefnumörkun
  • Í öðrum áfanga eru skilgreind tvö tilraunaverkefni (e. Proof of Concept) og frumútgáfur lausna prófaðar og innleiddar í starfseminni
  • Þegar komið er í þriðja áfanga hefur mikill lærdómur safnast og tímabært að taka mikilvægar ákvarðanir um framtíðarfyrirkomulag við hagnýtingu tækninnar í starfseminni. Þróun lausna heldur áfram og eru innleiddar og hagnýttar þvert yfir til að leysa fjölbreytt verkefni í rekstrinum

Er fyrirtæki þitt tilbúið fyrir gervigreindarbyltinguna? Hjá DataLab starfa sérfræðingar á sviði hagnýtingar gagna í snjöllum lausnum sem m.a. aðstoða við stefnumótun, fræðslu og leiðsögn vegna hagnýtingar slíkra lausna. Hafðu samband og fáðu stutta kynningu á möguleikum gagnadrifinna og snjallra lausna þér að kostnaðarlausu.

Aðferðarfræði Datalab má setja fram sem vegferð í þremur áföngum. Fyrsti áfanginn felst í skilgreiningu og afmörkun verkefnis ásamt vali á tilraunaverkefnum; í öðrum áfanga eru 2 tilraunaverkefni keyrð af stað og í síðasta áfanga eru snjalllausnir innleiddar og skalaðar heilt yfir rekstur fyrirtækisins og framtíðarfyrirkomulag útfært. Til grundvallar á vegferðinni eru þrjú leiðarljós; tæknileg geta, almennur skilningur og stefna sem styður.

1. ÁFANGI: SKILGREINING OG AFMÖRKUN

Fyrsta skrefið á vegferðinni er að hefja markvisst samtal um hvernig gagnadrifnar og snjallar lausnir geti komið að gagni í starfseminni. 

Aðferðin felst í ítarlegu stöðumati og úttekt á umhverfi, markaði og skipuheildinni sjálfri. 

Markmið er að komast að kjarna málsins; að sérfræðingar Datalab öðlist djúpan skilning á aðstæðum og markmiðum og hvaða þættir skipta mestu máli – og á hinn bóginn, að fulltrúar viðskiptavinarins öðlist góðan skilning á möguleikum gervigreindar og við hverju megi búast á vegferðinni framundan.

Kjarni málsins er settur fram í stefnu og aðgerðaráætlun um hagnýtingu gagnalausna.

Framvindan er í fjórum skrefum sem hér segir:

A. Fræðsla

Fyrsti áfanginn hefst á fræðslufyrirlestri um gagnadrifnar lausnir og gervigreind fyrir þátttakendur í verkefninu og aðra sem boðið er til fræðslunnar. 

Fjallað er almennt um hvernig megi hagnýta gögn með gervigreindina að vopni, hvaða möguleikar eru fyrir hendi og dæmi tekin úr íslenskum sem erlendum veruleika. 

Þá er verkefnið framundan kynnt rækilega, næstu áfangar og við hverju megi búast.

Tilgangurinn er að tryggja að allir þátttakendur hafi góðan skilning á viðfangsefninu, draga hugmyndir þeirra og sjónarmið fram og að veita þeim tækifæri til að hafa áhrif á næstu skref. 

Lögð er áhersla á að tengja efnistök við innra og ytra umhverfi fyrirtækisins og íslenskan veruleika. Fyrirlesturinn höfðar til fólks með fjölbreyttan bakgrunn og reynslu svo hægt sé að sækja hugmyndir og tillögur sem víðast.

B. Samtöl

Næsta skref er að taka viðtöl við 1-2 starfsmenn á hverju sviði. Miðað er við að heildarfjöldi viðmælenda sé um 10 manns með fjölbreyttan bakgrunn. 

Meðal umfjöllunarefna í viðtölunum má nefna:

  1. Þróun umhverfis og markaðar, áherslur og lykilverkefni.   
  2. Gögn, tæknileg geta og þekking. Tæknilegir innviðir.
  3. Hvað læra megi af fyrri innleiðingum tækninýjunga og einnig rætt um þætti í menningu og hugarfari starfsmanna sem ýmist styðja við eða hamla slíku ferli.   
  4. Hagnýting gagnadrifinna lausna í starfseminni – í fortíð og framtíð.
  5. Möguleg áhrif innleiðingar snjalltækni á fólk og ferla, vöru- og þjónustuframboð, skipulag og innviði.  
  6. Lagaleg og siðferðileg álitamál.  
  7. Önnur viðfangsefni sem óskað er eftir umræðu um.

C. Stöðumat og kortlagning

Ítarlegt stöðumat og vönduð greiningarvinna er forsenda markvissrar stefnu og aðgerðaáætlunar

Þegar viðtöl hafa farið fram er unnið úr þeim og niðurstöður teknar saman þar sem dreginn er fram kjarninn sem í þeim birtist. Niðurstöðurnar, auk annarra mikilvægra upplýsinga, eru nýttar til að leggja fram stöðumat, og greina helstu tækifæri og áskoranir.

Út frá þessari vinnu eru svo úrbótaverkefni kortlögð í samstarfi við stýrihóp viðskiptavinar og mat lagt á mögulegan ávinning og kostnað. Að lokum eru 2 þróunarverkefni (Proof of Concept) valin og útfærð.

Að þessum hluta loknum hefur mótast skýr mynd af þeim tækifærum og áskorunum sem framundan eru, og fyrstu úrbótaverkefnin hafa verið valin og skilgreind.

D. Stefna og aðgerðaáætlun

Áfram er unnið með niðurstöður úr fyrri verklotum og þær tengdar við strauma og stefnur á sviði gagnavísinda og gervigreindar.  Nú er orðið tímabært að setja niður stefnu um hagnýtingu gagna og gervigreindar, sem er gert í nánu samráði við stýrihóp.  

Stefnan varðar veginn áfram og er leiðarljós við val á næstu snjallverkefnum og öðrum umbótaverkefnum sem þarf að ráðast í samhliða.

Stefna og aðgerðaáætlun til næstu 1-2 ára er að lokum kynnt fyrir stjórnendum og öðrum sem málið varðar. Þau verða veginn áfram.

Ávinningur og afurðir 1. áfanga

Helsti ávinningur þessa fyrsta áfanga er vandaður undirbúningur fyrir næstu skref á vegferðinni, sem styðjast við markmið og áherslur fyrirtækisins.  Án vandaðrar grunnvinnu er hætt við að verkefnin nái ekki árangri, enda margt sem getur farið úrskeiðis á vegferðinni.

2. ÁFANGI: TVÖ TILRAUNAVERKEFNI

Í öðrum áfanga fer vinna við fyrstu verkefnin af stað. Tvö vel valin tilraunaverkefni eru keyrð í gegn, og sérfræðingar Datalab þróa og innleiða frumútgáfur lausna á 12 vikum (sjá mynd fyrir neðan).

Gagnalausnir eru þróaðar í svokölluðum sprettum sem taka um 12 vikur

Á þessu stigi er grunnur lagður að tæknilegum innviðum og dýrmætri reynslu safnað sem mun nýtast í næsta áfanga. Hér skapast einnig góðar forsendur til að kynnast tækninni vel og sýna fram á mögulegan ávinning af hagnýtingu hennar.

Framvindu tilraunverkefnanna með lýsa í sjö skrefum:

  1. Gagnasöfnun
  2. Gagnastreymi
  3. Gagnaundirbúningur
  4. Útreikningar
  5. Prófanir, bestun og ákvarðanir
  6. Lærdómur
  7. Árangursmat

Ávinningur og afurðir

Mikill lærdómur hefur safnast eftir þennan áfanga og er það helsta niðurstaða og ávinningur hans. Hann nýtist vel í næsta áfanga og er reyndar forsenda þess að framhaldið verði farsælt.

Afurðirnar sem áfanginn skilar eru frumgerðir tveggja (að öllu jöfnu) gagnadrifinna og snjallra lausna. Nú hefur skipuheildin fengið smjörþefinn af því hvernig snjallar gagnalausnir eru innleiddar, hvaða hindranir kunna að vera í veginum og hvaða möguleikar fleiri eru fyrir hendi til nýtingar tækninnar.

3. ÁFANGI: INNLEIÐING OG SKÖLUN

Í þriðja áfanga er svo komið að innleiðingu lausnanna og skölun þeirra. Þá eru teknar ákvarðanir um framtíðarfyrirkomulag snjallverkefna.

Lagt er mat á reynslu undanfarinna mánaða sem verður grundvöllur áframhaldandi aðgerða. Unnið er samkvæmt stefnu og aðgerðáætlun en hún uppfærð með hliðsjón af þeim lærdómi sem hefur safnast og árangri úrbótaverkefna.

Tilraunafasinn er að baki og fókusinn færist yfir á raunverulega hagnýtingu lausnanna í rekstrinum og frekari þróun þeirra.

Á þessu stigi einnig tímabært að huga að framtíðarfyrirkomulagi snjallvæðingar og veita sérfræðingar DataLab leiðsögn þar um.

Ávinningur og afurðir

Í þessum áfanga hafa gagnadrifnar snjalllausnir, sem styðja við stefnu fyrirtækisins, verið innleiddar og hagnýttar í starfseminni.

Fyrirkomulag þróunar og reksturs gagnalausna er nú í föstum farvegi og fyrirtækið hagnýtir lausnir sem bæta upplifun viðskiptavina, auka sölu, sjálfvirknivæða ferla eða draga úr áhættu, óvissu og sóun.

Stöðug framvinda yfir tímabil sem spannar nokkra mánuði og byggir á vönduðum undirbúningi.

SAMANTEKT

Sérfræðingar Datalab hafa öðlast mikla og dýrmæta reynslu í innleiðingu snjallra gagnalausna í íslenskum fyrirtækjum og stofnunum. Reynsluna hefur Datalab nýtt til að þróa og slípa verklag í þremur áföngum sem að ofan er lýst. Ýmislegt getur farið úrskeiðis þegar innleidd er ný tækni sem hefur áhrif á vinnuferla og menningu, og því mikilvægt að vanda til allrar grunnvinnu, og byggja næstu skref ávallt á þeim lærdómi sem hefur skapast í fyrri skrefum.

LESTU MEIRA:

Innleiðing snjallra gagnalausna: 4 öngstræti og 4 leiðir út úr þeim

Hefjumst handa við snjallvæðinguna!

5 þroskastig snjallvæðingar – hvar er þitt fyrirtæki statt?

Stefna um gervigreind: 7 lykilþættir við innleiðingu gagnadrifinna snjalllausna

Er hægt að meta arðsemi fjárfestingar (e. ROI) í gervigreind?

Það er eðlilegt að gera kröfur um sannanlegan ávinning, fjárhagslegan eða annars konar, þegar fjárfest er í nýrri tækni, tækjum og þekkingu. Þegar hefðbundnar hugbúnaðarlausnir eru annars vegar er þetta oft fremur einfalt reikningsdæmi. Útreikningur á arðsemi fjárfestinga í gervigreindar- og gagnalausnum er yfirleitt töluvert snúnari. 

Samkvæmt könnun MIT og Boston Consulting Group frá 2020 sögðust aðeins 10% fyrirtækja hafa uppskorið umtalsverðan fjárhagslegan ávinning af snjallverkefnum sínum. Önnur könnun leiddi í ljós að 79% fyrirtækja sem sjá enga arðsemi eða jafnvel tap af sínum verkefnum eru ekki með kerfi eða ferla til að mæla árangur af slíkum verkefnum.

Spurningin vaknar því: Er vandinn fólginn í flókinni tækni í þróun eða kunnáttuleysi við að skilgreina mælikvarða?

HELSTU PUNKTAR TIL AÐ TAKA MEÐ:

  • Erfitt getur verið að mæla arðsemi fjárfestinga í gervigreind
  • Þau fyrirtæki sem náð hafa mestum árangri í gervigreind standa sig einnig best við að skilgreina mælikvarða
  • Helstu vandkvæði við skilgreiningu mælikvarða snúa að rekjanleika afraksturs, fáum fyrirmyndum og ólíkum áskorunum fyrirtækja, sem ekki eru samanburðarhæfar
  • Leiðir til að tækla mælingar á ávinningi felast meðal annars að því að skilgreina vel hina viðskiptalegu áskorun, líta til óbeins ávinnings og skilgreina strax í upphafi viðeigandi mælikvarða

Er fyrirtæki þitt tilbúið fyrir gervigreindarbyltinguna? Hjá DataLab starfa sérfræðingar á sviði hagnýtingar gagna í snjöllum lausnum sem m.a. aðstoða við stefnumótun, fræðslu og leiðsögn vegna hagnýtingar slíkra lausna. Hafðu samband og fáðu stutta kynningu á möguleikum gagnadrifinna og snjallra lausna þér að kostnaðarlausu.

Mynd: Yuliia Chyzhevska í gegnum Canva Pro

HVAÐ ER ARÐSEMI FJÁRFESTINGAR?

Í sínu einfaldasta formi er arðsemi fjárfestingar (e. return on investment, ROI) hlutfall þar sem ágóði er veginn á móti upphaflegri fjárfestingu [ágóði/fjárfesting].

Yfirleitt fellur kostnaður til við upphaf verkefnis en arðsemin eða afraksturinn kemur fram í ótilgreindri framtíð. Í öllu falli er mun meiri óvissa um hvenær ágóði fellur til en kostnaðurinn. Hugsunin er því einföld, en útfærslan er það ekki alltaf.

Beina arðsemi (e. „hard“ ROI) má rekja til þessara helstu þátta:

Meiri framleiðni: Snjalllausnir geta bætt og flýtt ákvarðanatöku sem eykur framleiðni starfsmanna. Þessi framleiðniaukning getur ýmist orðið til vegna meiri skilvirkni (verkum lýkur hraðar) eða með betri ákvörðunum.

Sparnaður: Tímasparnaður og meiri framleiðni getur í sumum tilfellum þýtt að færra fólk þarf til að vinna verk af sama magni, sem felur í sér sparnað. 

Þetta er þó alls ekki gefið: Ef tími sem tekur að vinna tiltekið verk er styttur um 20% á starfsmaður oft auðvelt með að finna önnur verkefni til að fylla upp í gatið – ef sparnaðurinn er 80% eða meira er hins vegar auðveldara að ráðast í hagræðingaraðgerðir.

Tekjuaukning: Snjallar lausnir eins og meðmælakerfi geta sannarlega aukið tekjur, eins og Domino’s á Íslandi, viðskiptavinur Datalab, hefur sannarlega sýnt.

Útreikningur á arðsemi gervigreindarlausna getur verið höfuðverkur

NOKKUR VANDKVÆÐI VIÐ ÚTREIKNING Á ARÐSEMI

Sem fyrr segir reynist mörgum fyrirtækjum erfitt að sýna fram á hreina arðsemi af fjárfestingum sínum í snjöllum gagnlalausnum. 

Það er ekki til að einfalda myndina að þegar fyrirtæki raunverulega uppskera af snjallverkefnum sínum eru þau hikandi við að opinbera sínar tölur, sérstaklega ef verkefnin gætu skilað forskoti á markaði.

Hér eru fleiri vandkvæði við arðsemisútreikninga:

Óvissa og erfiður samanburður

Það er ekki til nein ein algild regla til að reikna út arðsemi fjárfestingar gervigreindar. Oft er  verið að leysa vandamál sem ekki hafa verið leyst áður, þannig að enginn samanburður er fyrir hendi.Mörg fyrirtæki eru með slíka útreikninga í stöðugri þróun. 

Annars staðar er slíkum útreikningum ýtt til hliðar eða beinlínis sleppt vegna óvissunnar. Stundum liggur ekki fyrir hverju verkefnið skilar verður og hvernig eða hvort það muni hafa áhrif á tekjur eða kostnað.

Þá getur verið snúið að greina nákvæmlega hvað má rekja til hvers. Þetta á sérstaklega við um stærri mælikvarða eins og hagnað fyrirtækisins eða heildarkostnað.  

En auðvitað er þetta ekkert sérvandamál í gervigreindartækni: Disney+ opnaði í nóvember 2019 og safnaði fljótt 95 milljónum áskrifenda – var það vegna snjallrar markaðssetningar eða eitthvað sem Covid-19 færði fyrirtækinu upp í fangið? Markaðsfólk á einmitt mjög oft erfitt með að sýna fram á arðsemi sinna aðgerða, ekki síst dýrra vörumerkjaherferða.

Ekki er allur ávinningur mælanlegur

Gervigreind getur bætt ákvarðantöku, þannig að færri mistök séu gerð, straumlínulagað ferla og laðað að hæft starfsfólk. Þetta eru eru allt dæmi um ávinning sem er mikils virði en oft erfitt að reikna til tekna eða minni kostnaðar. 

Snjallverkefni geta líka leitt af sér fleiri snjöll umbótaverkefni eða nýjar vörur, sem engum hafði hugkvæmst áður.

Nánar um þetta neðar.

Ávinningur snjallvæðingar er til langs tíma

Til að ná til baka kostnaði við gagnaundirbúning, innleiðingu nýrra tæknilausna og þjálfun starfsmanna, og byrja að uppskera mælanlegan ávinning þarf skipuheildin að ná ákveðnum snjallþroska.

Það tekur tíma að stilla saman fólk, ferla og nýja tækni. Að sama skapi þarf að gefa snjöllum lausnum tíma til að sanna sig. Mikilvægast er að byrja rétt; finna hentug verkefni sem styðja við stefnu skipuheildarinnar, finna eða framleiða gögn sem nauðsynleg eru og gera þau tæk til úrvinnslu. 

Svo þarf að þróa og fínstilla reikniritin og bíða eftir að þau læri á gögnin og geri sér mat úr þeim. Þetta tekur allt tíma. Upphafsfjárfestingin getur verið töluverð en hún þarf tíma og skölun til að skila ágóða. 

Það getur tekið 1,5 – 2 ár fyrir meðalstórt fyrirtæki að ná núllpunkti fyrir fjárfestingar sínar, áður en arðsemi fer að mælast.

Engin algild aðferð er til sem mælir arðsemi gervigreindarverkefna

Snjallvæðing felur í sér almennt umbótastarf

Það er erfitt að rekja stórar sveiflur í rekstrinum eins og meiri hagnað eða minni rekstrarkostnað beint til gagnalausna, sem fyrr segir. Til að fyrirtæki nái árangri með sinni snjallvæðingu þurfa þau að taka ýmsa ferla og samskiptaþætti í gegn. 

Snjallverkefni krefjast oft samvinnu þvert á deildir. Þau hafa gjarnan í för með sér öflugt gæðastarf og nákvæmari vinnubrögð, sannkallaða gagnamenningu. Slíkar umbreytingar geta bætt reksturinn í sjálfu sér með hagræðingu, nákvæmari ferlum og betri menningu – og skilað hagnaði, sem verður ekki rakið til gervigreindar einnar saman.

NOKKRAR LEIÐIR TIL AÐ META ÁVINNING OG ARÐSEMI GAGNALAUSNA

Skilgreina vel hina viðskiptalegu áskorun

Ein leið til að tryggja að snjallverkefnið hafi mælanleg viðmið um árangur er að velja viðfangsefni eða vandamál þar sem í gangi er lausn sem nýtir ekki gervigreind og þegar er verið að mæla og rekja árangur hennar.

Það þarf að líta á þessar lausnir eins og hvaða tækni sem er: Það þarf að vera skýr tilgangur og markmið með innleiðingunni. Þá fyrst er hægt að setja niður mælikvarða til að fylgjast með árangri.

Gagnlegt er að svara spurningum eins og:

  • Hvaða vandamál eða áskorun í rekstrinum á verkefnið að leysa? 
  • Er hið viðskiptalega markmið skýrt? 
  • Snýr áskorunin að vexti, eða skilvirkni eða betri upplifun eða þjónustu?

Óbein arðsemi gagnalausna skiptir máli

Það er mikilvægt að hafa í huga að þótt að snjallverkefni geti sparað tíma og peninga krefjast þau oft töluverðrar fjárfestingar. Það er því ekki gefið að það leiði endilega til sparnaðar. 

Líklegra er að árangurinn mælist til dæmis fremur í bættri þjónustu, nýju vöruframboði eða aðgreiningu á markaði. Þetta þarf að vega og meta saman.

Óbein arðsemi (e. „soft„ ROI) lítur til þátta sem ekki er hægt að meta til fjár með beinum hætti, en skapar virði fyrir fyrirtækið engu að síður.

Þetta eru þættir eins og

  • Færri mistök, meiri ánægja starfsmanna og minni starfsmannavelta, 
  • Betra aðgengi að upplýsingum og samvinna þvert yfir deildir
  • Minni hætta á brotum á lögum og vanhlítni við staðla (e. non-compliance), t.d. GDPR. Slík hætta við meðferð gagna getur skapast ef ekki er fjárfest í öruggu gagnaumhverfi
  • Áhætta gagnvart því að vera skilinn eftir á markaði (e. opportunity cost). Þeir sem ekki taka þátt í gervigreindinni verða skildir eftir. Það er líka hætta á atgervisflótta metnaðarfulls fólks sem vill starfa hjá fyrirtækjum í fremstu röð.
  • Betri þjónustuupplifun og hollusta viðskiptavina
Hugvitsemi er mikilvæg þegar nýir mælikvarðar eru skilgreindir

Skilgreina mælikvarða strax í upphafi

Vænlegt til árangurs er að skilgreina strax í upphafi, áður en ráðist er í verkefnið, hvaða mælikvarðar verða notaðir til að meta árangur.  Skilgreinið markmið og takið gögn um grunnstöðu áður en hafist er handa. Takið svo stöðuna reglulega. 

Ef góðar mælingar og gögn eru fyrir hendi er oft hægt að meta þær til fjárhagslegs ávinnings, þótt síðar verði.

Það er skynsamlegt fyrir stærri fyrirtæki að gera einn aðila ábyrgan fyrir árangursmælikvörðum. Sá hinn sami heldur þá utan um allar mælingar og kynnir fyrir framkvæmdastjórn reglulega.

Þetta tryggir að önnur svið sjái mælanlegan árangur og áhugi á tækninni kvikni víðar í fyrirtækinu.

Skilja hvar núll-punktur verkefnis liggur

Núll-punktur verkefnis liggur þar sem afrakstur þess jafngildir fjárfestingunni.  Þegar fyrir liggur hversu mikið fyrirtækið vonast til að spara með verkefninu er fyrst hægt að ákveða hversu miklu má verja í verkefnið.

Með því að láta sparnað í rekstri stjórna upphaflegri fjárfestingu er hægt að byrja að áætla hvenær núll-punktinum er náð.

AÐ LOKUM

Það er ýmsum vandkvæðum bundið að leggja mat á arðsemi fjárfestinga í gervigreind og snjöllum gagnalausnum. Til þess eru ýmsar ástæður, meðal annars að tæknin er enn í þróun og erfitt getur verið að rekja árangur beint til snjallvæðingar fremur en almenns gæðastarfs sem fylgir slíkum verkefnum.

Eitt er ljóst: Enda þótt erfitt sé að sýna fram á eða mæla arðsemi af snjöllum gagnalausnum er það ekki góð ástæða til að fjárfesta ekki í þeim. Það felst þvert á móti mikil áhætta í því að standa á hliðarlínunni og taka ekki þátt í byltingunni sem fram undan er.

LESTU MEIRA UM ARÐSEMI SNJALLVÆÐINGAR:

Measuring ROI for AI Efforts

4 Ways That You Can Prove ROI From AI

How to measure the ROI of AI

Defining and measuring return on investment for AI

You’ve Invested In AI, But Are You Getting ROI From It?