Hefjumst handa við snjallvæðinguna

Sjálfvirknivæðing með gervigreind að vopni mun á þessum áratug búa til verðmæti í heimshagkerfinu sem svarar til um 15,7 þúsund milljörðum dollara. Það má sannarlega tala um nýtt gullæði í þessu samhengi fyrir þau fyrirtæki sem tekst að tileinka sér og aðlagast hinni nýju tækni. Þau hin sömu hafa möguleika á miklum vexti og nýjum tækifærum í næstu framtíð. 

Gervigreindin mun hafa álíka þýðingu fyrir líf okkar og hagkerfi heimsins og innreið internetsins á sínum tíma og rafmagnsins um 100 árum áður. 

En umskiptin verða erfið fyrir marga, einstaklinga jafnt sem fyrirtæki og stofnanir. Gervigreind og snjallar gagnalausnir krefjast fjárfestinga, bæði í innviðum og mannauði auk flókinnar samþættingar við heildarstefnu og menningu fyrirtækja.

Margt getur farið útskeiðis í slíkri vinnu.

Snjalllausnir fela einnig í sér vinnslu gríðarlegs magns gagna, sem er eldsneyti gervigreindarinnar, en vinnslan felur í sér alls kyns áskoranir og flækjur í sambandi við staðla, lög og reglugerðir, svo ekki sé minnst á fjölmörg siðferðisleg álitamál. 

Hindranir og flækjur eru margar í veginum og hver og ein þeirra getur dugað til að stoppa flesta í sporunum: Er gervigreindin eitthvað sem hentar okkur? Passar tæknin við okkar starfsemi eða rekstur? Er þetta ekki bara einhver furðuleg framtíðarmúsík sem borgar sig ekkert að pæla í?

Á sínum tíma voru þeir til sem hugsuðu á svipaðan hátt um rafmagnið, símann og internetið. Þau fyrirtæki sem hunsuðu kall tímans þá lögðu upp laupana skömmu síðar.

Á hvaða vegferð verður fyrirtæki þitt eftir nokkur ár?

HELSTU PUNKTAR TIL AÐ TAKA MEÐ:

  • Gervigreindin er að ryðja sér til rúms í öllum geirum og atvinnugreinum. 
  • Þeir sem ekki huga að möguleikum gagnalausna á næstunni verða undir í samkeppni – líkt og þeir sem hunsuðu rafmagnið og internetið á sínum tíma
  • Það eru margar áskoranir í veginum fyrir byrjendur í snjallverkefnum sem varða tækni, samskipti og menningu
  • Aldrei hefur þó verið eins auðvelt að hefja snjallvæðinguna, þökk sé gagnasmiðjum eins og Dataiku, sem Datalab starfar náið með

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: onurdongal, Getty Images via Canva Pro

ÓUMFLÝJANLEGT – EN EKKI ÓYFIRSTÍGANLEGT

Sannleikurinn er sá að fyrirtæki í öllum geirum og af öllum stærðum hafa innleitt gervigreindartækni með góðum árangri, þrátt fyrir áskoranir og snúinn lærdóm. Raunverulega áhættan felst nefnilega ekki í því að gefa nýrri tækni tækifæri heldur að koma ekki auga á þá umbyltingu sem er að eiga sér stað í öllum geirum – líka þínum – og verða eftir í kapphlaupinu.

Gervigreindin og tengd tæknikerfi, eins og Internet hlutanna (e. Internet of Things), gera fyrirtækjum kleift að vaxa og þróast í breyttu umhverfi með bættri ákvarðanatöku, straumlínulögun ferla, persónulegri þjónustu og nýju vöruframboði, svo eitthvað sé nefnt.

GERVIGREINDIN TIL AÐSTOÐAR Í COVID-19 BARÁTTUNNI

Gervigreindin snertir okkur á fleiri vegu en við gerum okkur oft grein fyrir. Háskólinn í Alabama notar reiknirit sem hann keyrir á ofurtölvum til að þróa ný lyf og meðferðir við sjúkdómum, meðal annars Covid-19. Það útheimtir gríðarlega reiknigetu að þróa próteinbyggingar sem þarf til að skilja áhrif bóluefna og lyfja á hegðun vírusa. 

Með því að beita gervigreind til að flýta fyrir ferlinu og stytta leið að framleiðslu bóluefna og lyfja getur skólinn framkvæmt rannsóknir sínar með litlu teymi, sem skilar áþekkum afköstum og tugþúsundir þjálfaðra sérfræðinga hefðu innt af hendi fyrir nokkrum árum. 

Hið hraða rannsóknarferli bólefna fyrir Covid-19, sem líkt hefur verið við kraftaverk, má hiklaust að einhverju leyti þakka gervigreindartækni og ofurtölvum samtímans.

ÍSLAND: SUM FYRIRTÆKI ERU SNJALLARI EN ÖNNUR

En snjallar ákvarðanir eru ekki bara teknar í útlöndum. Domino’s á Íslandi er dæmi um fyrirtæki sem áttaði sig á möguleikum og verðmæti sem liggja í gagnafjöllum sem verða til í rafrænum viðskiptum. Domino’s er leiðandi á íslenskum skyndibitamarkaði og hefur byggt velgengni sína undanfarin ár að miklu leyti á þróun stafrænnar tækni, ekki síst símaappi sínu þar sem stór hluti veltunnar fer í gegn.

Í samstarfi við Datalab hefur Domino’s þróað meðmælakerfi sem byggir á gervigreind og nýtir hið mikla magn gagna sem myndast í stafrænum viðskiptum fyrirtækisins. Kerfið hefur tekið töluverðum breytingum frá fyrstu útgáfu og hefur þróast eftir því sem lærdómur skapast, en reiknirit kerfisins eru hönnuð til að læra sjálf af niðurstöðum sínum til að ná betri árangri.

Og árangurinn? Á stuttum tíma hefur viðbótarsala í körfu vegna meðmæla hins snjalla kerfis tvöfaldast. Hér má lesa allt um vegferð Domino’s, sem þó er hvergi nærri lokið.

HVAR Á AÐ BYRJA?

Enda þótt fyrstu skrefin geti verið snúin er það á færi flestra að taka þátt í snjallvæðingunni. Sem neytendur notum við flest meðmælakerfi þegar við kaupum vörur á netinu -eða pizzur hjá Domino’s. Við notum gervigreindina þegar við tölum við Alexu eða Siri og tölvusjóntæknin hjálpar okkur að eiga samskipti við símaöpp sem nýta aukinn veruleika (e. augmented reality). 

Sömu grunntækni er hægt að nota í rekstri fyrirtækja og starfsemi stofnana. 

Það eru nokkur praktísk skref sem fyrirtæki geta tekið til að kanna möguleika gervigreindarinnar fyrir sig. Fyrsta skrefið er að koma auga á notkunarmöguleika í eigin umhverfi, það er, verkefni þar sem gögn og gervigreind eru nýtt saman til að taka upplýstari ákvarðanir, auka afköst eða minnka sóun. 

Á þessu fyrsta stigi er skynsamlegt að einblína á skjótfengna sigra; einföld, ódýr verkefni sem skila fljótt sannanlegum árangri, en renna stoðum undir fleiri, metnaðarfyllri verkefni í framtíðinni.

Lestu bloggið: STEFNA UM GERVIGREIND: 7 LYKILÞÆTTIR Í INNLEIÐINGU GAGNADRIFINNA SNJALLLAUSNA

Slík prufuverkefni geta verið gríðarlega þýðingarmikil til stuðnings snjallvæðingu fyrirtækisins og til að innleiða eiginlega gagnamenningu. Ein helsta ástæða þess að snjallvæðing fyrirtækja misheppnast er að stuðning skortir og menningin styður ekki við verkefnin. 

Andspyrna er algeng frá starfsmönnum sem eru vanir að vinna hlutina á sinn hátt og óttast að auki um stöðu sína og störf.

Mótspyrnan getur þó allt eins komið frá stjórnendum, þar sem viðhorfið er „ég komst hingað á mínu innsæi og ég ætla ekki að fara að breyta því núna”. Viðhorf sem þessi geta drepið snjallverkefni í sporunum áður en þau byrja. Það er því mikilvægt að ná fram smásigrum og sönnunum fyrir verðmæti gagna og nýtingu þeirra.

Lestu bloggið: INNLEIÐING SNJALLRA GAGNALAUSNA: 4 ÖNGSTRÆTI OG 4 LEIÐIR ÚT ÚR ÞEIM

GAGNASMIÐJUR EINS OG DATAIKU LÆKKA ÞRÖSKULDINN FYRIR ALLA

Það er skynsamlegt að fara af stað með lítil verkefni því þau krefjast ekki mikillar fjárfestingar í innviðum eða ráðningar sérfræðinga. Og það verður stöðugt einfaldara þökk sé tilkomu svokallaðra gagnasmiðja (e. DSML, Data Science and Machine Learning platforms) sem bjóða úrval snjalllausna í áskrift (e. AI-as-a-Service). 

Kostir þess að nýta slíka þjónustuaðila á þessu stigi eru fjölmargir, til dæmis aðgengi að nýjustu tækni og reikniritum, betri flokkun og hreinsun gagna, og hlítni við alþjóðlega staðla og reglur um upplýsingaöryggi og meðferð persónuupplýsinga.

Lestu bloggið: GAGNASMIÐJUR ERU SAMSETNINGARVERKSTÆÐI SNJALLRA LAUSNA

Dataiku, samstarfsaðili Datalab, er gott dæmi um slíka gagnasmiðju. Dataiku er leiðandi gagnasmiðja í heiminum og hefur tvisvar verið útnefnd “Gartner Leader” á sínum markaði í árlegri úttekt Gartner.

Gagnasmiðjur eins og Dataiku gera fyrirtækjum sem eru að taka fyrstu skref sín á gagnavegferðinni kleift að þróa fyrstu snjallverkefni sín í öruggi og notendavænu umhverfi.

Með lausnum sem þeim sem Datalab býður í samstarfi við Dataiku geta jafnvel smæstu fyrirtæki haft aðgang að tólum, vinnslugetu og tækniumhverfi á pari við þau fyrirtæki sem fremst eru komin.   

Og tækifærin eru ærin í öllum geirum. Fyrirtæki á neytendamarkaði geta lært að skilja viðskiptavini sína og þarfir þeirra betur og boðið þeim sérsniðið framboð af vörum og þjónustu.

Framleiðendur hafa kost á því að auka skilvirkni og minnka sóun, og þjónustustofnanir geta boðið notendum sínum snjallt, gagnadrifið þjónustuviðmót sem mætir betur þörfum þeirra og fyrirspurnum.

AÐ LOKUM

Þegar litið verður til baka er trúlegt að hetjur þessarar byltingar sem nú gengur yfir verði ekki sprenglærðir gagnavísindamenn eða snillingar innan raða Google og Facebook. Sögurnar munu miklu fremur fjalla um framtakssama starfsmenn fyrirtækja og stofnana; áhugafólk og eldhuga sem ruddu brautina og komu auga á verðmæti gagna og hagnýtingu þeirra.

Verður þú og fyrirtæki þitt skráð í tæknisögubækur Íslands?

Gagnasmiðjur eru samsetningarverkstæði snjallra lausna

Það er ekki heiglum hent að setja sig inn í hraða þróun og harða samkeppni á markaði með gagnalausnir. Tækninni fleygir hratt fram á sama tíma og stafræn umbreyting hefur víðast verið sett á dagskrá fyrr en ætlað var, þökk sé Covid-19.

Í dag eru því mörg fyrirtæki og stofnanir að taka fyrstu skrefin og fikra sig í átt að gagnadrifnum snjalllausnum. En tæknin er framandi, margvísleg og síbreytileg, hæfir gagnasérfræðingar og forritarar eru af skornum skammti og óvissuþættir margir, til dæmis hvað varðar regluverk, eftirlit og rekjanleika gagnalausna.

Til að koma til móts við þessar áskoranir og fleiri, hafa á undanförnum árum sprottið fram fyrirtæki sem bjóða lausnir til að einfalda þróun gagnalausna í öruggu og notendavænu umhverfi.

Þetta eru svokallaðar gagnasmiðjur (e. data science & machine learning platforms, DSMLs).

Við ætlum að fjalla um þær í þessum pistli.

HELSTU PUNKTAR TIL AÐ TAKA MEÐ:

  • Gagnasmiðjur samanstanda af kjarnahugbúnaði ásamt tengdum kóðasöfnum og tæknilausnum þriðju aðila sem hægt er að tengja inn í lausnina
  • Gagnasmiðjur auðvelda og flýta fyrir þróun gagnalausna með betri hreinsun gagna, aðgengi að nýjustu tækni og vinnusvæði sem eru hönnuð fyrir notendur með fjölbreyttan tæknigrunn
  • Dataiku, samstarfsaðili Datalab, er ein af fremstu gagnasmiðjum í heimi

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: onurdongal, Getty Images via Canva Pro

HVAÐ ERUM VIÐ AÐ TALA UM NÁKVÆMLEGA?

Gartner skilgreinir gagnasmiðjur (e. Data Science & Machine Learning platform, DSML) sem miðlæga hugbúnaðaralausn sem studd er af ýmsum tengdum lausnum, kóðasöfnum (e. libraries) og gagnarömmum (e. frameworks). 

Nánar tiltekið er um að ræða hugbúnað sem býður möguleika annars vegar á að smíða gagnalausnir úr ólíkum einingum eða lausnum og hins vegar að tengja slíkar lausnir við viðskiptaferla í innviðum og vöruþróun.

Þetta eru því eins konar samsetningar- eða smíðaverkstæði sem notast við efnivið (gögn) og tól og tæki (ýmist eigin, að láni eða leigð), til að sérsmíða lausnir fyrir tiltekin verkefni.

Dataiku hefur teiknað upp nokkurs konar landakort yfir ólíkar gagnalausnir (sjá Mynd 1: Teknóslavía). Eins og sjá má er mikil fjölbreytni á þessum ört vaxandi markaði.

Mynd 1: Teknóslavía.

Gagnasmiðjur virka líkt og samgöngukerfi sem tengja öll þessi svæði saman og auðveldar þannig flæði og samstarf milli þeirra. Í praxis gera gagnasmiðjur gagnateymum mögulegt vinna að misjöfnum gagnaverkefnum, með ólíkum verkfærum, í einu og sama vinnuumhverfinu.

Þetta einfaldar ekki aðeins starf gagnateyma heldur gerir þeim kleift að njóta örrar þróunar fjölmargra þjónustuaðila á markaði. Smiðjurnar eru fasti punkturinn, vettvangurinn þar sem unnið er með gögnin með þeim tólum sem best nýtast í hverju verkefni.

FYRIR HVERN?

Helstu notendur slíkra smiðja er ýmiss konar fagfólk í gagnavinnslu; gagnavísindamenn, gagnaverkfræðingar, forritarar og sérfræðingar í vélnámi, en einnig stækkandi hópur gagnaleikmanna (e. citizen data scientists) sem hafa ekki sérhæfðan bakgrunn í gagnavísindum, en smíða engu að síður og nota gagnalausnir til að leysa verkefni í rekstri.

Hinir síðastnefndu, þ.e. gagnaleikmenn, gegna sífellt stærra hlutverki í þróun snjallra gagnalausna og notkun þeirra í raunverulegum viðfangsefnum – einmitt fyrir tilstilli gagnasmiðjanna.

HELSTU VIÐFANGSEFNI GAGNASMIÐJA

Gagnasmiðjurnar hafa ólíka sérhæfingu og miða á mismunandi markaði, sérstaklega smærri aðilar. Flestar bjóða þær gagnahreinsun og -flokkun, sem er forsenda þess að hægt sé að byrja smíði á snjöllum lausnum. 

Þá hafa þær flestar úrval reiknirita í boði til að nota á gagnasöfnin. Margar bjóða þær einnig rekstur gagnasafna og vélnámslausna (e. DataOps/MLOps). 

Notendavænstu smiðjurnar hafa náð langt í þróun lesborða (e dash-boards) og appa, sem birta niðurstöður reikniritanna á myndrænan og skýran hátt.

“Ég held að á næsta ári og næstu ár muni gagnabyltingin keyra áfram stafræn umbreytingarferli […] eina leiðin til að aðlagast og breytast er að nýta gögn og rýna í framtíðarmöguleika með því að beita spálíkönunum og gervigreind. Þessir þættir munu skera úr um hverjir standa uppi sem sigurvegarar í hinum nýja stafræna heimi.”

Debanjan Saha, aðstoðarforstjóri gagnagreiningar hjá Google Cloud, í viðtali við TechRepublic.

AF HVERJU AÐ NOTA GAGNASMIÐJUR?

Mikill vöxtur hefur verið í starfsemi gagnasmiðja undanfarin ár, líkt í öðrum geirum sem tengjast stafrænni umbreytingu atvinnulífsins. Vöxturinn fylgir því markaðnum, en það eru einnig aðrar ástæður fyrir því að sífellt fleiri fyrirtæki sjá sér hag í því að nýta slíkar smiðjur.

Skortur á forriturum og gagnasérfræðingum

Allt útlit er fyrir mikinn skort á hæfum gagnavísindamönnum og sérfræðingum á sviði gervigreindar næstu árin, sé litið til umfangs hinar stafrænu umbyltingar sem framundan er.

Ein leið út úr þeim vanda er að gera lausnirnar aðgengilegri fyrir fleiri starfsmenn með annars konar tækniþekkingu. Þetta hefur verið kallað almannavæðing (e. democratization) gagnalausna. Gagnasmiðjurnar einfalda og auðvelda  til dæmis gagnahreinsun og -flokkun, sem og uppsetningu gagnarása (e. data pipelines).

Tengingar við fjölbreyttar lausnir og eigin gagnasöfn

Með því að nýta smiðjurnar geta fyrirtæki gengið að nýjustu og bestu tæknilausnum á hverjum tíma, sem bjóða tengingar þar inn. Á sama hátt er hægt að tengjast alls kyns SaaS þjónustum sem safna gögnum fyrir fyrirtækið, til dæmis CRM kerfi.

Samstarfsvettvangur og notendastýring

Bestu smiðjurnar eru hannaðar til að vera samstarfsvettvangur ólíkra sérfræðinga og hagsmunaaðila, ekki aðeins gagnavísindamanna og forritara, heldur einnig ýmiss konar notenda eins og markaðs- og fjármálagreinenda. Í gagnasmiðjum er einnig hægt að skilgreina réttindi notenda, til dæmis hvaða verkefni þeir hafi lesaðgang að og hvaða verkefnum þeir megi breyta. 

Síbreytilegt regluverk og rekjanleiki

Til að uppfylla ýmis lagaleg skilyrði og staðla þarf að vera hægt að taka út reiknirit og rekja hvernig snjalllausnir komast að sínum niðurstöðum. Gagnasmiðjur bjóða umhverfi og verkefnalýsingar sem er aðgengilegt fyrir úttektaraðila að rekja sig eftir, ef nauðsyn krefst.

HVAÐ BER AÐ HAFA Í HUGA VIÐ VAL Á GAGNASMIÐJU?

Það er ekki einfalt, ekki einu sinni fyrir innvígða, að átta sig á öllum valkostum þegar gagnasmiðjur eru annars vegar. Þeir sem ætla sér að velja sjálfir smiðju til að skipta við eiga ekki auðvelt verkefni fyrir höndum. 

Hvaða eiginleika þarf að taka til greina og hvaða eiginleikar eru mikilvægastir?

Val á gagnasmiðju veltur á forsendum hvers fyrirtækis, ekki síst á því hvaða þekking, innviðir og úrræði eru fyrir hendi, og hvernig gagnastrúktur fyrirtækisins er fyrirkomið. 

Samþættingargeta er einn þáttur til að skoða: Er hægt að smíða lausn frá upphafi til enda í smiðjunni með tengdum lausnum eða þarf að yfirgefa kerfið til að klára verkefnið?

Notendaviðmót skiptir líka máli. Hverjir munu nota kerfið? Eru það þaulreyndir gagnasérfræðingar eða fólk með annan bakgrunn? Þróuðustu smiðjurnar, að mati Gartner, eru hannaðar til að forritarar, gagnavísisindamenn og gagnaleikmenn geti átt samstarf um þróun lausna.  

Það er vegna þess háttar óvissu og áhættu sem úttektir hlutlausra greiningarfyrirtækja eins og Gartner hafa mikla þýðingu. Meðal árlegra úttekta Gartner er Töfraferningur ( eða „Magic Quadrant“) yfir gagnasmiðjur, sem mikið er vísað til.

HELSTU AÐILAR Á MARKAÐI

Helstu aðilar á gagnasmiðjumarkaði eru tæknirisar sem byggja á langri hefð, eins og SAS, Microsoft og IBM, aðrir risar með styttri sögu eins og Google og Amazon, og önnur smærri en öflug fyrirtæki eins og Alteryx, DataRobot, H2O.ai, Databricks og Dataiku (sjá Mynd 2 fyrir neðan)

Mynd 2: Keppinautar á markaði með gagnasmiðjur.

DATAIKU ER SAMSTARFSAÐILI DATALAB

Dataiku er leiðtogi á markaði gagnasmiðjanna annað árið í röð, samkvæmt Töfraferningi Gartner (sjá mynd fyrir ofan). Kjarnavara þeirra er „Data Science Studio“, DSS, sem er allsherjar samsetningarverkstæði fyrir hvers kyns gagnalausnir og íhluti.  Sérstaða Dataiku felst í áherslu á þverfagleg teymi, samvinnu og þægilegt notendaviðmót

Dataiku er með viðskiptavini úr mjög ólíkum geirum sem staðsettir eru vítt og breitt um heiminn, og hefur því reynslu af verkefnum þar sem eru mjög ólíkar þarfir og kröfur.

Gartner nefnir sérstaklega í úttekt sinni að framtíðarsýn og þróunaráætlun (e. product roadmap) Dataiku sé mjög metnaðarfull og skýr, ekki síst hvað varðar samfélagslega ábyrga notkun gervigreindar og samstarf ólíkra tæknisviða. Þessi niðurstaða Gartner er reyndar í takt við mat markaðarins enda hefur Dataiku vaxið hratt undanfarin ár og laðað að sér öfluga fjárfestingarsjóði sem veðja á framtíð fyrirtækisins.

FRAMTÍÐARMÚSÍKIN ER RÉTT HANDAN VIÐ HORNIÐ

Eins og Gartner bendir á í yfirferð sinni eru margar spennandi nýjungar á áætlun hjá helstu gagnasmiðjunum. Sumar eru á svipaðri vegferð og stefna á sambærilegar uppfærslur, en einnig má greina þróun í átt að meiri sérhæfingu eftir því sem markaðurinn þróast og þjónustuaðilum fjölgar.

Sú aðgreining felst meðal annars í misþróuðu notendaviðmóti, sjálfvirku vélanámi (e. AutoML), afkastagetu og skalanleika, stuðningi við blandað og fjölskýjaumhverfi og getu til að bjóða háþróuð djúptauganet.

Þær smiðjur sem ná forskoti á næstu árum verða trúlega þær sem bjóða upp á mikla aðlögunarhæfni og framúrskarandi notendaviðmót, þannig að gagnasérfræðingar í fremstu röð (sem mikill skortur er á) jafnt sem gagnaleikmenn geti nýtt sér þjónustu slíkra smiðja.

AÐ LOKUM

Framtíðin í þróun gagnalausna liggur tvímælalaust í gagnasmiðjum sem auðvelda mjög og flýta fyrir þróun slíkra lausna. Það gera þær með því að bjóða upp á háþróað, notendavænt vinnuumhverfi þar sem er aðgengi að bestu tæknilausnum sem í boði eru hverju sinni á markaðnum. 

Þær smiðjur sem skara fram úr í dag og næstu ár, að mati Gartner, eru fyrirtæki eins og Dataiku, sem leggja áherslu á umhverfi þar sem margs konar tæknifólk og greinendur geta unnið saman að þróun og framleiðslu lausna.

Heimildir og ítarefni:

Technoslavia: The (Fragmented) World of Data Infrastructure in 2020

6 modern data stack trends to look for in 2021

The Gartner 2021 Magic Quadrant for Data Science and ML Platforms

Data Science and Machine Learning (ML) Platforms Reviews 2021

Choosing a DSML platform

ZDNet McDonald’s wants to ‘democratise’ machine learning for all users across its operations

How AI Democratization Will Change the Way Analysts Work

The Dataiku Story

5 þroskastig snjallvæðingar – hvar er þitt fyrirtæki statt?

Gervigreindin er í dag á svipuðum stað og rafmagnið var um 1910 eða internetið 1990, en áhrif hennar verða ekki minni en tæknibyltinganna tveggja fyrri. Eins og áður mun taka einhvern tíma fyrir frumkvöðla og atvinnulíf að hagnýta tæknina til fulls, enda er framgangur hennar háður ýmsum öðrum þáttum en tæknilegum, bæði innan skipuheilda sem og í samfélaginu öllu.

Fæst fyrirtæki, nema ef til vill öflugustu tæknifyrirtæki heims, eins og Google og Amazon, hafa náð miklum þroska í nýtingu gervigreindar. 

Flest millistór og stærri fyrirtæki, hérlendis sem erlendis, eru þó á einhvers konar vegferð; sum eru að byrja að skoða og endurskipuleggja gagnasöfn sín, önnur hafa þegar sett af stað fyrstu snjallverkefnin og þau sem lengst eru komin hafa þegar náð markverðum árangri með gervigreindina að vopni. 

Gott dæmi um slíkt hérlendis er hið framsækna Domino’s á Íslandi sem hefur notað þróuð meðmælakerfi til að auka sölu og bæta þjónustu við viðskiptavini.

Í þessari grein er fjallað um leiðir til að meta ólík þroskastig snjallvæðingar í fyrirtækjum sem byggir á gervigreind. Tilgangurinn með slíkri greiningu er að hjálpa stjórnendum og öðrum sem koma að innleiðingu gagnalausna að skilja hvar á vegi fyrirtæki þeirra eru stödd. 

Með því móti má forgangsraða verkefnum og stuðla að hraðari þróun og þroska gervigreindarlausna.

HELSTU PUNKTAR TIL AÐ TAKA MEÐ:

  • Snjallvæðing fyrirtækja og stofnana gerist ekki í einu skrefi heldur ganga þau í gegnum fimm þroskastig; könnun, tilraunir, innleiðingu, skölun og umsköpun
  • Snjallvæðing felur einnig í sér fimm víddir; stefnu, gögn, tækni, mannauð og regluverk
  • Jafnvægi þarf að vera á milli þroska í víddum til að skipuheildir geti þroskast áfram á sinni snjallvegferð

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.

Photo by Tiero on Canva Pro

SNJALLÞROSKI

Snjallþroski (e. AI maturity) er mælikvarði á getu fyrirtækja og stofnana til að tileinka sér og nýta ávinning sem snjallvæðing felur í sér.

Reglulegt mat á þroska snjallvæðingar er mikilvægt fyrir fyrirtæki sem vilja hraða vegferð sinni í átt að að umbreytingu í sannkallað snjallfyrirtæki og gagnvart því ná fram meiri árangri úr fjárfestingum sínum í snjalltækni.

Lykillinn að heilbrigðu snjallþroskaferli, frá einhvers konar könnunarfasa yfir í allsherjar umsköpun fyrirtækisins, felst í því að sjá fyrir sér hvernig endanlegt markmið gæti litið út, og í því að móta skýra sýn á leiðina að því markmiði. Fæstir stjórnendur fyrirtækja og stofnana í dag hafa nægilegan skilning á eigin stöðu né hvert skuli stefna til framtíðar.

Besta leiðin fram á við, hver svo sem staðan er í dag, er að gera úttekt á stöðunni eins og hún er, til að greina á hvaða þroskastigi skipulagsheildin er stödd. 

Æfing sem þessi getur hjálpað með að setja markmið og vörður um snjallvæðinguna. Hún er forsenda þess að hægt sé að meta hvaða aðgerðir í innra skipulagi þarf að grípa til og hvernig megi miðla slíkri aðgerðaáætlun til hagsmunaaðila.

Mat eða líkan sem þetta varpar einnig ljósi á hvort núverandi snjallverkefni eru hugsuð sem tæki til hagræðingar, til að þróa nýjar vörur eða þjónustuleiðir, eða hvort snjallvæðingunni er ætlað að vera kjarninn í stefnu og framtíðarvexti fyrirtækisins.

MISMUNANDI LÍKÖN

Það eru ýmsar leiðir til að skilgreina þroskastig snjallvæðingar og til eru nokkur líkön sem lýsa slíkri vegferð. Enn sem komið er byggja þau ekki á fræðilega undirbyggðum grunni eða rannsóknum, enda oftast verkfæri þróuð af ráðgjafar- eða tæknifyrirtækjum til að draga að viðskipti. 

Gartner, IMB og Ovum hafa til dæmis gefið út líkön um snjallþroska og Stanford háskóli hefur gefið út gagnaþroskalíkan sem víða er vitnað til, en nær þó ekki nægilega yfir gervigreindina. Þessi líkön nota ekki sömu orð eða skilgreiningar en eru þó sammála í grundvallaratriðum.

Í umfjöllun hér verður byggt í meginatriðum á líkani frá Element AI (sem síðan hefur sameinast ServiceNow), enda mjög ítarlegt, aðgengilegt og vel unnið líkan, en það líkist í megindráttum öðrum útfærslum, sem fyrr segir.

FIMM ÞROSKASTIG SNJALLVÆÐINGAR

Greina má snjallþroska fyrirtækja gróflega í fimm stig; könnun, tilraunir, innleiðingu, skölun og umsköpun (sjá mynd fyrir neðan).

Stig 1: Könnun

Á þessu stigi eru skipuheildir að byrja að þreifa fyrir sér og kanna hvernig gervigreind og gagnalausnir geta skilað ávinningi í sinni starfsemi eða rekstri. Ekki er enn komin á nein stefna um snjallvæðingu né heldur hafa nokkur verkefni verið skilgreind.  Sum fyrirtæki hafa sett snjalllausnir á dagskrá, en ekki fylgt þeim eftir með fjármagni. 

Tækniteymi hafa tekið við að skoða gagnsemi snjalllausna fyrir sinn markað eða geira en eru óviss um hvernig eigi að taka næsta skref.

Könnunarstigið einkennist af frumkvæði áhugasamra einstaklinga sem hvetja samstarfsmenn og stjórnendur til frekari skoðunar. Einhverjar tilraunir eru ef til vill hafnar með vinnslu gagna, en fyrst og fremst til þess að læra um möguleika gervigreindar og til að kveikja áhuga annarra í fyrirtækinu.

Stig 2: Tilraunir

Á tilraunastiginu byrja fyrirtæki að prófa sig áfram með fyrstu snjallverkefnin, sem eru yfirleitt afmörkuð tilraunaverkefni. Hér er ekki um ómarkvisst fikt að ræða heldur skilgreind prufuverkefni (e. Proof of Concept projects) sem talin eru líkleg til að skila ávinningi fyrir skipuheildina. Oft eru slík verkefni unnin með utanaðkomandi söluaðila gagnalausna eða unnin af teymi innanhúss sem hefur getu og færni til þess.

Verkefni á tilraunastiginu eiga að leiða í ljós möguleika snjallalausna fyrir skipuheildina en einnig hvaða þættir aðrir þurfa að koma til stuðnings lausnunum til að þau skili árangri. 

Teymi sem ná mestum árangri á þessu stigi eru vakandi fyrir hindrunum í veginum jafnt sem atriðum sem stuðla að árangri, ekki síst umgjörð og regluverki sem lúta að áreiðanleika, öryggi, trausti og ábyrgð.

Undir lok þessa stigs er farið að innleiða snjalllausnir sem eiga að hafa raunveruleg áhrif á reksturinn, en aðalmarkmiðið er þó að skilgreina hvers kyns verkefni borgar sig mest að setja í framkvæmd og hvernig árangur verði mældur.

Verkefni sem heppnast vel gefa gagnateymum sjálfsöryggi og vekja áhuga stjórnenda og annarra hagsmunaaðila á möguleikum tækninnar.

Stig 3: Innleiðing

Á þessu stigi hefur verið ákveðið hvers kyns verkefni skuli innleiða fyrst og hvernig árangur af þeim verði mældur. Nú er ekki lengur verið að rannsaka hvort gervigreindin sé málið, heldur að ná raunverulegum og mælanlegum ávinningi. Lærdómur tilraunastigsins er nýttur til að setja í gang og innleiða raunhæf verkefni.

Það reynir töluvert á skipuheildir á þessu stigi og því vissara að verkefnin hafi skýran fókus á  rekstrarávinning og að sameiginlegur skilningur hagsmunaaðila ríki um hvernig árangur verði mældur og metinn.

Fyrstu verkefnin á þessu stigi eru oft afmörkuð og eru fjármögnuð sérstaklega, en eftir því sem fram vindur eru gerðar áætlanir um almennari innleiðingu og skölun, og ferli um framkvæmd frekari verkefna eru skilgreind.

Til að ná frekari árangri, með flóknari snjalllausnum, sem jafnvel snerta ný og fleiri svið starfseminnar, þarf stuðning æðstu stjórnenda til að sækja fjármagn og koma þeim í verkefna- og fjárhagsáætlanir. Hér er mikilvægt að hafa í huga að verkefnin séu örugg, ábyrg og sjálfbær til lengri tíma.

Stig 4: Skölun 

Þegar skipuheildir komast á þetta stig er það til merkis um að þeim hafi tekist hvoru tveggja; að snjallvæða innri verkferla og að nýta gagnalausnir í vöru- og þjónustuframboði sínu. Ýmiss konar snjalllausnir eru nýttar til að bæta reksturinn sem skila skýrum og mælanlegum ávinningi. 

Skipuheildir á þessu stigi eru fljótar að greina nýja möguleika til snjallvæðingar og innleiða samsvarandi lausnir. Nýjar áskoranir fylgja þessu stigi sem snerta flækjustig og samræmingu gagna sem kalla á fjárfestingu í innviðum, þjálfun notenda og eftirlit með virkni snjallkerfa. 

Þetta stig kallar líka á vandaðan regluramma og leiðarvísa sem snúa að ábyrgri notkun tækninnar fyrir starfsmenn, viðskiptavini og samfélagið í heild sinni.

Stig 5: Umsköpun

Þetta er efsta stig snjallvæðingar, lengra verður ekki komist. Fyrirtæki og stofnanir á þessu stigi hafa gengið í gegnum nokkurs konar umsköpun þar sem gervigreindin gegnir lykilhlutverki í allri starfseminni, hvort sem það snýr að sjálfvirkni ferla eða háþróuðum vörum og þjónustulausnum til viðskiptavina.

Skipuheildir hafa brotið niður skipulagslegar girðingar til að samræma gögn og endurskilgreint heilt yfir hvernig þær skapa verðmæti. Gervigreindin er leiðandi í öllum ákvörðunum sem stutt er kerfum sem læra sjálf og aðlagast breyttum forsendum.

FIMM VÍDDIR SNJALLÞROSKA

Skipuheildir verða að breyta hvernig þær hugsa, haga sér og læra til að gera sér mat úr möguleikum gervigreindar. Snjallvæðing snýr að mörgum þáttum, þar sem tæknin er aðeins óverulegur hluti jöfnunnar.

Hér er fjallað um fimm víddir snjallvæðingar sem vísa til þeirra meginsviða sem skipuheildir þurfa að huga að til að halda áfram að þroskast og ganga þvert yfir þroskastigin fimm.

Þessar víddir eru stefna, gögn, tækni, mannauður og regluverk.

Vídd 1: Stefna

Stefna um snjallþroska snýr að aðgerðaáætlun sem hefur það að markmiði að færa skipuheildina áfram á sinni þroskabraut. 

Stefnan þarf að vera skýr um hvað þurfi að gerast til að innleiðing snjalllausna verði að veruleika. Hafa þarf í huga bæði skammtíma- og langtímamarkmið sem byggja á núverandi stöðu, samkeppnisumhverfi, heildarstefnu fyrirtækisins, og metnaði stjórnenda og/eða eigenda til að ná árangri fljótt.

Þegar ekki er hugað að stefnuvíddinni skortir snjallverkefni oft tengingu við reksturinn og stuðning sem er nauðsynlegur til að vinna á hindrunum sem upp koma.

Vídd 2: Gögn

Gögn í samhengi við snjallþroska vísar til þess hversu vel gögn eru nýtileg til að þjálfa snjallreiknirit. Engin gögn – engar snjalllausnir. 

Tækifæri til snjallvæðingar felast í þeim gögnum sem skipuheildin býr yfir, sem ætti að vísa veginn áfram. En ekki ætti þó að þróa snjalllausnir bara af því gögnin eru til. 

Gæði gagna snýr að því að þau séu hrein, af nægu magni, rétt flokkuð, geymd með tryggum hætti og leiðrétt fyrir hugsanlegum skekkjum.

Áskorun flestra fyrirtækja í dag er yfirleitt ekki skortur á gögnum heldur skortur á aðgengilegum og nothæfum gögnum sem snjallkerfi þurfa til að læra af. 

Vídd 3: Tækni

Snjallar lausnir verða ekki innleiddar án tækni. Tækni í snjallþroska lýtur að ýmsum tólum, innviðum og vinnuferlum sem nauðsynlegir eru til að keyra snjalllausnir, allt frá þjálfun lausnanna og prófun til uppsetningar og eftirlits, allt lífsskeið þeirra til enda.

Stjórnendur þurfa að skilja hvernig tæknin styður við hvert þroskastig snjallvæðingarinnar. Það sem virkar vel á einu stigi dugar ekki endilega þegar lengra er komið. 

Mikilvægustu liðirnir hér eru þróunarumhverfi og -tól, og tækniinnviðir til hýsingar og vinnslu gagnanna.

Vídd 4: Mannauður

Mannauðsvíddin er einna mikilvægust á snjallvegferð hverrar skipuheildar. Til að tryggja að starfsmenn séu undirbúnir og samþykki að taka þátt í snjallvæðingunni er lykilatriði að stjórnendur leiði starfsmenn af öryggi og í gegnum breytingarnar.

Hinar háþróuðustu snjalllausnir gera ekkert gagn ef starfsfólkið er ekki sannfært um gagnsemi þeirra eða upplifir þær jafnvel sem ógn við sig.

Það er sömuleiðis á ábyrgð stjórnenda að styðja við þróunarteymi og aðrar einingar til að lausnirnar verði að veruleika og nýtist eins og til var ætlast.

Þetta felur meðal annars í sér þjálfun og endurmenntun, stuðning í starfi og möguleika almennra starfsmanna á þátttöku í ferlinu frá upphafi.  

Vídd 5: Regluverk

Skýr rammi og regluverk er skilyrði þess að skapa traust um beitingu gervigreindar í skipuheildinni. Regluverk um snjallvæðingu snýr að reglum, ferlum og viðeigandi tækni til að tryggja öruggar, áreiðanlegar og ábyrgar snjalllausnir.

Þegar lausnir eru þróaðar þarf að eiga sér samsvarandi vinna við hanna regluramma sem lausnirnar þurfa að hlýta. Til dæmis þarf að tryggja að hægt sé að rekja niðurstöður reiknirita aftur til gagna og líkananna sem framleiddu þær, til að hægt sé að lagfæra villur, tryggja hlítingu við lög og stöðugar endurbætur.

Almennt eru skipuheildir aftar á merinni í þessari vídd en nokkurri annarri. Eftir því sem skipuheildir þroskast í snjallvæðingunni verður mikilvægara að huga að þessum þáttum, enda rekast þær fyrr en seinna á ýmis álitamál, siðferðisleg sem önnur, þar sem reynir á að reglur hafi verið vel hugsaðar í tíma.

AÐ LOKUM

Það er snúið að innleiða snjallar lausnir og að mörgu að hyggja. Það er þó mikilvægt að skilja að þroski þarf að eiga sér jöfnum skrefum eftir öllum víddum, að minnsta kosti þannig að ekki sé verulegt misvægi á.

Fyrirtæki sem hefur ráðist í mikla gagnaflokkun og -vinnslu, fjárfest í tækniinnviðum og háþróuðum reikniritum, en vanrækt stefnumótun eða hunsað mannauðsvíddina er dæmt til að stranda í sinni vegferð.

Hið sama má segja um stofnunina sem hefur hannað ítarlegt regluverk um notkun gagnadrifinna lausna og mótað vandað stefnu um snjallvæðingu ferla til næstu 10 ára – ef gögnin eru óklár og tækniinnviðir ófullnægjandi munu snjallverkefnin ekki ná nokkru flugi.

Heimildir og ítarefni:

Are You Overestimating Your Responsible AI Maturity?

AI Maturity Framework

The CIO’s Guide to Artificial Intelligence – Smarter With Gartner

AI Maturity Assessment

Getting to the Next Phase of AI Maturity (While Reducing Costs and Driving Value)

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

Það er að mörgu að huga þegar innleidd er framandi tækni sem hefur bein áhrif á störf fólks, ferla og skipulag. Tilgangurinn kann að vera óljós, markmiðin óskýr og ávinningurinn illmælanlegur.

Því þarf ekki að koma á óvart að innleiðing snjallra lausna gengur ekki alltaf áfallalaust fyrir sig, jafnvel ógjarnan svo.

Hér verður fjallað um helstu öngstræti sem snjallverkefni geta ratað í og hvernig megi finna leiðina út úr þeim – og jafnvel fram hjá þeim

MEGINPUNKTAR Í GREININNI:

  • Mikilvægt er að velja fyrstu snjallverkefnin út frá vandaðri stefnumótun og tengingu við kjarnastarfsemi og heildarstefnu fyrirtækisins
  • Andstaða starfsmanna og skilningsleysi æðstu stjórnenda er algeng hindrun í vegi gagnalausna, sem best er leyst með fræðslu og þjálfun
  • Óskipulag á gögnum og gagnafjöll geta virkað lamandi á fyrstu stigum – það þarf að stíga ákveðið fram og af hugrekki, koma skikk á gögnin með ráðgjöf og markvissri vinnu
  • Skortur á hæfu fólki getur verið þrándur í götu metnaðarfullra verkefna, en leiðin áfram felst meðal annars í þjálfun fólks sem fyrir er og „almannavæðingar gagnavísinda“.

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.

Photo by Tiero on Canva Pro

1# VITLAUST VERKEFNI VALIÐ

Ef fyrstu verkefnin eru ekki hönnuð til að styrkja innri ferla eða bæta þjónustu við viðskiptavini verður ef til vill lítið þol fyrir dýrum gæluverkefnum ef þau skila ekki sannfærandi árangri. Fyrsta verkefnið mun nefnilega ekki endilega gera stormandi lukku eða hafa mikla umbyltingu í för með sér.

Mesti ávinningurinn liggur einmitt í lærdómsferlinu. Það þarf heilmikið að læra; lærdómurinn kemur í áföngum en styrkist með veldisvexti eftir því sem áfram er haldið. Því fyrr sem vegferðin hefst, því fyrr má greina þann ávinning sem gagnalausnir geta fært.

LEIÐIN ÚT:

Oft er frumkvæði að snjallvæðingu sprottið úr grasrótinni; hugmyndirnar koma frá áhugasömum einstaklingum, tæknilega þenkjandi fólki sem skilur verðmætin sem felast í gögnunum. En ef vaðið er af stað án skýrrar stefnu og stuðnings æðstu stjórnenda er hætt við að kraftinn vanti til að verkefnin nái flugi.

Mikilvægt er því að byggja fyrstu verkefnin á traustri stefnumótun. Snjallvæðing sem styður við kjarnastarfsemina og fellur saman við heildarstefnu fyrirtækisins er líklegri til að njóta stuðnings, jafnvel þótt fyrsta verkefnið heppnist ekki 100 prósent. 

2# ANDSTAÐA Í MENNINGU OG LÍTILL SKILNINGUR Á ÁVINNINGI​ TÆKNINNAR

Fyrstu verkefni snjallra lausna munu lúta að því að tækla reglubundin verkefni sem tiltölulega einfalt er að þjálfa vélar til að gera betur og hraðar en menn geta gert. Hér er um að ræða alls kyns flokkun og greining á samningum og þjónustufyrirspurnum, sjálfvirkar uppfærslur talnagagna í excelskjölum og fleira í þeim dúr. 

Snjallar gagnalausnir munu því leysa mannshöndina af hólmi í mörgum verkefnum, sem mun ugglaust vekja ótta og andúð víða á vinnustöðum. 

Vegna þess að ávinningur af innleiðingu gagnalausna er oft illmælanlegur eða mælanleg markmið eru hreinlega ekki skilgreind í upphafi, kann að vera lítill skilningur meðal starfsmanna á tilgangi og markmiðum með vegferðinni. Valdajafnvægi riðlast, alls kyns skipulag og ferli breytast.

„Eru vélarnar að taka allt yfir? Eru það nördarnir í gagnadeildinni sem stjórna ferðinni núna?“

En mótspyrnan getur líka komið að ofan; frá æðstu stjórnendum eða stjórnarmönnum, sem hafa takmarkaðan skilning á möguleikum tækninnar – og eftir höfðinu dansa oft limirnir

Þegar stemningin er svona er hætta á verkefnin fæðist andvana eða, í versta falli, að þau mæti fjandskap og tortryggni. Það er ekki snjöll niðurstaða.

LEIÐIN ÚT:

Það hefur sýnt sig að árangursrík innleiðing snjallra gagnalausna getur vissulega létt undir með vinnslu einfaldra, endurtekinna ferla. En oft er niðurstaðan einnig að svigrúm skapast til að sinna annars konar virðisaukandi verkefnum sem byggja á niðurstöðum lausnanna.

Þeir sem áður sinntu nauðsynlegum rútínuverkefnum, finna sig þá jafnvel frekar í hlutverki ráðgjafa. Geislafræðingur sem þarf ekki lengur að liggja yfir röntgenmyndum til að greina mein getur nýtt tíma sinn betur í ráðfæringar við aðra sérfræðinga um meðferðir eða í ráðgjöf til sjúklinga, svo dæmi sé tekið.

Í öllu falli er mikilvægt, þar sem það á við, að fræða starfsfólk um hvernig tæknin getur gert starfsumhverfi þess skemmtilegra og innihaldsríkara, en stuðla að öflugri starfsþróun þeirra sem tæknin hefur mest áhrif á.

Gagnvart stjórn eða æðstu stjórnendum nauðsynlegt að sýna fram á og fræða um væntan fjárhagslegan ávinning snjallra lausna og hvert stefnir í tækninni á næstu árum.

Photo by Andrea Piacquadio from Pexels

3# ALLT OF MIKIÐ AF GÖGNUM OG GAGNAÓREIÐA

Vandinn er oft sá að gögn sitja í sílóum hér og hvar, jafnvel á pappírsformi í möppum, og eru illa aðgengileg. Þegar aðgengið hefur verið bætt tekur við flokkun gagnanna sem getur verið mikil og snúin vinna. 

Annar vandi sem blasir við er einfaldlega magn gagnanna sem fyrirtæki hafa safnað upp á áratugum – hvar á eiginlega að byrja? Hvernig er best að geyma gögn á öruggan hátt og í samræmi við lög um persónuvernd?

Snjallar lausnir sem byggja á gervigreind vinna best þegar gögn eiga greiða leið frá öflun þeirra til greiningar, úrvinnslu og lokum endurgjafar. Ef þessi gagnarás er stífluð, til dæmis vegna óheppilegra gagnasílóa, vinnur það gegn virkni reikniritanna.

Ef gögnin eru léleg kemur ekkert gagnlegt úr reikniritunum. Gögnin eru fóður þeirra og án mikils magns vel flokkaðra gæðagagna fer vélin ekki af stað – að minnsta kosti verður afraksturinn ekki mikils virði.

LEIÐIN ÚT:

Galdurinn hér er að láta ekki yfirþyrmandi gagnafjöllin lemja úr sér alla framkvæmdagleði. Það má ekki gleyma að engin snjallræði verða til án allra þessarra gagna – það eru verðmæti þarna í gagnastaflanum.

Högun (e. architecture) gagnasafna, svo sem vistun gagna og traustar gagnarásir frá upptökum (til dæmis skynjurum) til vinnslu, þarf að vera í lagi, sem og tengingar gagnasafnanna við rétt tól til að vinna úr þeim.

Best er að geyma gögnin á einum, öruggum stað, til dæmis í skýjaþjónustu, í stað þess að hafa þau dreifð á mörgum netþjónum, hvað þá í eiginlegum skjalaskápum. Magnið er ekki vandi í sjálfu sér – því meiri gögn, þeim mun meira fóður fyrir reikniritin. 

Skýjaþjónustur bjóða einnig þann ávinning að einfalt er að skala geymslu- og vinnslugetu eftir þörfum. Azure þjónusta Microsoft og AWS frá Amazon bjóða þjónustuaðilum að tengjast sig inn á kerfi sín til að veita sérhæfða gagnavinnslu (AI as a Service) eftir óskum og þörfum.

Photo by www_slon_pics from Pixabay

4# SKORTUR Á FÆRNI OG ÞEKKINGU​

Það stefnir allt í mikinn skort á sérfræðingum í gagnavinnslu og gagnavísindum á næstu árum. Sum fyrirtæki og stofnanir eru hikandi við þróun gagnalausna af þessum sökum. 

Og sérsviðin eru mörg og verkefnin ólík, sem gerir leitina að rétta fólkinu ekki einfaldari. Þetta er óneitanlega áskorun fyrir gervigreindariðnaðinn í heild sinni, sem mikið kapp er lagt á að leysa.

En það skortir líka þekkingu á hagnýtingu snjallra lausna, þegar þær hafa verið smíðaðar. Gervigreindin breytir störfum, og kallar á nýja færni og tækniskilning til að lausnirnar skili sem mestum ávinningi. Þetta gap þarf að brúa, annað hvort með nýju fólki eða markvissri þjálfun þeirra sem fyrir eru.

LEIÐIN ÚT:

Gagnavísindi eru vissulega nauðsynleg til að greina hvernig nýta megi gögn til að ná fram rekstrarlegum ávinningi.  Flest fyrirtæki búa hins vegar þegar að hæfu fólki sem hægt er að þjálfa; annars vegar til að útbúa gögnin þannig að hægt sé að vinna úr þeim, hins vegar til að nýta niðurstöður reikniritanna. Fyrr verða þau ekki snjöll.

Innanbúðarfólk hefur gjarnan verðmæta sérþekkingu á sínum markaði og starfsumhverfi og er því hægara um vik að koma auga á tækifæri til snjallvæðingar gagna sem nýtist því í starfi – ef það fær rétta þjálfun og leiðsögn.

Greitt aðgengi að gögnum þvert yfir fyrirtækið er líka vel fallið til valdeflingar. Samanlagt stuðlar þetta að nokkurs konar almannavæðingu gagnavísinda sem verður ein af mikilvægum leiðum til að leysa fyrirsjáanlegan skort á gagnasérfræðingum. 

Skýjaþjónustur, eins og Azure og AWS, munu einnig ýta undir þessa þróun með alls kyns AIaaS lausnum. Utanaðkomandi ráðgjafarfyrirtæki geta svo veitt mikla hjálp auk þess sem útvistun stærri gagnaverkefna verður æ algengari.

Photo by vchal from Getty Images

SAMANTEKT

Það er auðvelt að rata í ógöngur við innleiðingu snjallra lausna, en leiðirnar út úr þeim eru líka þekktar. Mikilvægt er að byggja á vandaðri stefnumótun og fræðslu til starfsmanna og yfirmanna.  Þjálfa þarf þá sem koma að innleiðingunni sem og hina einnig sem þurfa að aðlagast breyttu hlutverki og nýjum verkefnum

Framtíðin er sérsniðin…að þínum þörfum

Það er staðreynd að sérsniðin meðmæli drífa þjónustu fremstu net- og tæknifyrirtækja heimsins. Efnisveitur og netverslanir koma fyrst upp í hugann. Þjónustan er þá aðlöguð að aðstæðum, þörfum og áhugasviði hvers og eins notanda og má segja að ‘more like this‘ hnappurinn á Netflix sé ágætis dæmi þetta og flestir kannast við. Niðurstaðan er yfirburðanotendaupplifun sem skilað hefur fyrirtækjunum sem hoppuðu snemma á vagninn góðu samkeppnisforskoti.

Á næstu árum munu sífellt fleiri fyrirtæki kjósa að fara þessa sömu leið. Frumkvöðlarnir hafa varðað veginn og nú er röðin komin að meginþorra fyrirtækja að innleiða gagnadrifnar og snjallar lausnir sem bæta notendaupplifun og drífa áfram vöxt.

Hér er þessi tækni kölluð “meðmælakerfi” en á ensku er talað um recommendation engines/systems eða personalisation engines.

Mikilvægt er að hugsa markmið slíkra kerfa til enda til að tryggja að þau þjóni hagsmunum viðskiptavina, fyrirtækjanna og samfélagsins sem þau eru hluti af. Undanfarin ár og áratugi hafa kerfi með vafasöm markmið vaðið uppi og afleiðingarnar eru að koma í ljós í formi samfélagsmiðlafíknar, falsfrétta og upplýsingaóreiðu.

Því má fullyrða að þótt tæknin hafi sannað gildi sitt að þá er fullum þroska ekki náð.

MEGINPUNKTAR Í GREININNI:

  • Meðmælakerfi hafa verið í hraðri þróun undanfarna 1-2 áratugi og eru að verða ómissandi þáttur í þjónustu á vefnum enda reynist okkur oft erfitt að velja þegar úrvalið er mikið – the burden of choice.
  • Allt frá einföldum kerfum til flókinna lausna hafa þau einfaldað líf notenda og malað eigendum sínum gull en neikvæð umræða hefur sprottið fram á undanförnum árum vegna ófyrirséðra hönnunargalla í þessum kerfum.
  • Á Íslandi hafa slík kerfi ekki náð útbreiðslu en nokkur dæmi hafa þó komið fram. Það mun breytast á allra næstu árum því tæknin verður sífellt aðgengilegri, áreiðanlegri og ódýrari. Íslensk máltækni mun þar gegna mikilvægu hlutverki.

Er fyrirtæki þitt tilbúið fyrir gervigreindarbyltinguna? Hjá DataLab starfa sérfræðingar á sviði hagnýtingar gagna í snjöllum lausnum. Meðal lausna sem fyrirtækið hefur þróað eru meðmælakerfi fyrir íslenskar netverslanir. Hafðu samband og fáðu stutta kynningu á möguleikum gagnadrifinna og snjallra lausna þér að kostnaðarlausu.

Spotify er sérsniðin þjónusta

Frumkvöðlarnir

Meðmælakerfi hafa verið í þróun hjá fremstu tæknifyrirtækjum heims undanfarna 1–2 áratugi. Meðal frumkvöðla í þróun og hagnýtingu slíkra kerfa eru fyrirtæki eins og Amazon, Youtube, Netflix og Spotify sem nýta tæknina til að bæta upplifun notenda sinna, auka virði þjónustunnar og auka sölu eða notkun. Segja má að meðmælakerfi þessara aðila drífi áfram þjónustuna og aðlagi hana að þörfum sérhvers notanda/viðskiptavinar — þau eru að mörgu leyti alltumlykjandi í þjónustunni. Einnig er talað um personalization í þessu sambandi. Þau hafa um leið varðað veginn og breytt væntingum neytenda. Sérhvert fyrirtæki sem hefur hug á að ná árangri í stafrænum heimi þarf nú að bjóða viðskiptavinum sínum sambærilega persónulega aðlögun á þjónustu sinni með því að hagnýta gögn og snjallar lausnir.

Kerfi þessara aðila hafa verið í þróun yfir langan tíma. Þau byrjuðu sem einfaldir lausnir til að benda notanda á efni eða vöru sem hann gæti haft áhuga á hverju sinni en hafa svo smám saman undið upp á sig og nánast tekið yfir þjónustuna. Nú er svo komið að stærsti hluti notkunar á veitum eins og SpotifyYoutubeNetflix eða Amazon Prime byggir á meðmælum.

Okkur finnst greinilega gott að láta mata okkur enda getur verið erfitt að velja þegar mörg þúsund möguleikar eru í boði. Hjá Netflix birtist ‘the burden of choice‘ í því að notendur eyða oft allt of löngum tíma í að velja sér efni á kostnað gæðatíma yfir góðri mynd eða seríu. Nýjasta útspil þeirrar þjónustu er að bjóða upp á einskonar línulega dagskrá sem meðmælakerfið pússlar saman fyrir sérhvern notanda sem þarf þá aðeins að smella á einn hnapp til að hefja hámhorfið.

Hér má heyra Lex Fridman ræða við Cristos Goodrow sem stýrir “search and discovery” hjá Youtube. Samtalið veitir afar góða innsýn í viðfangsefni þeirra sem er í fremstu röð á sviði sérsniðinna meðmæla.

Einföld og flóknari kerfi​

Hér er rétt að taka fram að meðmælakerfi eru allt frá því að vera mjög einfaldar lausnir sem tengja saman skyldar vörur upp í flókið samsafn reiknirita (algorithms) sem drífa áfram heilu vefþjónusturnar eins og t.d. Youtube. Þessi kerfi leita dýpra og hagnýta fjölbreyttari reiknirit til að aðlaga þjónustuna. Hér eftir verður talað um einföld meðmælakerfi og flóknari meðmælakerfi eftir því sem við á.

Neikvæð umræða

Umræða um ófyrirséð og jafnvel neikvæð áhrif meðmæla eða sérsniðinnar þjónustu hefur verið áberandi upp á síðkastið og hafa orð eins og bergmálsherbergi (eco-chamber), staðfestingarvilla (confirmation bias), síubóla (filter bubble), falsfréttir og lýðræðishalli verið áberandi í umræðunni og m.a. skaðað orðspor Youtube og Facebook sem notar slíka tækni til að aðlaga “news feedið” að hverju og einum notanda. Það sýnir að enn er svigrúm til að ná betri tökum á þessari tækni og að þeir aðilar sem hafa komið að þróun hennar hafi mögulega vanrækt þann hluta sem snýr að því að setja kerfunum markmið sem standast siðferðilega skoðun. Um þetta er m.a. fjallað í nýútkominni bók eftir þá Kearns og Roth (2020) sem ber heitið The Ethical Algorithm.

Meðmælakerfi á Íslandi​​

Á Íslandi hefur tæknin ekki enn sett mark sitt á efnisveitur en einstaka vefverslanir eru farnar að “mæla með” vörum sem hafa einhver tengsl við vöruna sem verið er að skoða. Snjallverslun Krónunnar er gott dæmi um slíkt. Þú skoðar vínarpyslur og samstundis er þér bent á sinnep, pulsubrauð, steiktan lauk og remúlaði. Það einfaldar notandans og er mun betra en að vera bent á t.d. medisterpulsu á þessum tímapunkti. Hér er um einföld meðmælakerfi að ræða sem hægt er að innleiða nánast plug and play í helstu vefverslunarkerfum (t.d. Shopify, WooCommerce, Magento).

Hagnýting fjölbreyttra gagna og reiknirita með ýmis markmið til að sérsníða þjónustu og upplifun að viðskiptavinum í flóknari meðmælakerfum er hins vegar ekki komin langt áleiðis hér á landi. Þetta rýrir stöðu innlendra aðila í samkeppni þeirra við sambærilegar erlendar þjónustur. Til dæmis má fullyrða að íslenskur notandi sem notar Netflix og skiptir svo yfir á íslenska efnisveitu finni strax fyrir miklum mun á erlendu þjónustunni og þeirri innlendu. Á Netflix eru flókin meðmælakerfi m.a. nýtt til að mæla með efni og aðlaga leitarniðurstöður að hverjum og einu notanda. Innlendu efnisveiturnar eru enn að birta öllum notendum sama efni þrátt fyrir að áhorfssaga þeirra bendi til þess að áhugasviðin séu ólík. Notendur íslenskra efnisveitna þurfa að finna efnið sjálfir, sem getur verið vandasamt þegar úrvalið er mikið og þekkingin á efninu lítil, en erlendu aðilarnir aðstoða notendur við leitina. Þessu má hæglega breyta því gögnin og tæknilegu innviðirnir eru til staðar hjá þeim innlendu.

Sömu sögu má svo segja af innlendum vefverslunum og öðrum aðilum sem bjóða þjónustu í gegnum netið. Á meðan sérsniðinnar þjónustu og upplifunar nýtur ekki við mun notendaupplifunin ávallt vera síðri en hjá erlendum aðilum sem hafa náð tökum á þeirri tækni að hagnýta gögn í snjöllum og sjálfvirkum lausnum.

Sjálfvirk töggun efnis með máltækni​

Því meira sem meðmælakerfið veit um það sem það mælir með því betri verða meðmælin. Þekkt er að Spotify hefur látið þróa reiknirit sem “hlusta” á alla tónlist á efnisveitunni og draga fram megineinkenni hennar, t.d. langt gítarsóló, áberandi harmonikka eða kórsöngur. Þessi lýsandi einkenni eru svo nýtt til að bæta meðmæli til notenda. Sama gildir um Youtube sem nú eyðir miklu R&Þ púðri í að þróa reiknirit sem greina á milli gæðaefnis og efnis af minni gæðum. Þekkt er að Netflix notast við þúsundir lýsandi ‘tagga’ til að merkja efnið svo hægt sé að para betur saman áhugasvið notenda og efni.

Þar sem titlar á efnisveitum skipta þúsundum og fer fjölgandi er tilvalið að innleiða sjálfvirkar flokkunaraðferðir efnis. Hjá DataLab höfum við verið að gera markvissar tilraunir með íslenska máltækni frá hugbúnaðarfyrirtækinu Miðeind. Þessa tækni má nýta til að flokka efni og vörur, draga fram lýsandi einkenni þess, með sjálfvirkum hætti byggt á textalýsingum. Hjá netverslun Forlagsins er t.d. komin fram einföld þjónusta frá DataLab sem mælir með titlum með svipað umfjöllunarefni og sá sem er verið að skoða hverju sinni. Þjónustan byggir á textalýsingum og íslenskri máltækni.

Bók Tobbu Marinós kallar á meðmæli…..
Og þau birtast jafnóðum og eru hreint ekki galin!

Þessa tækni má nýta til að „lesa“ og “hlusta” á efni á íslensku í þeim tilgangi að tagga það með sjálfvirkum hætti og þannig bæta gæði meðmæla. Hagnýtingin er því augljós hjá íslenskum netverslunum og efnisveitum.

Hvað er DataLab að gera í þessu speisi

DataLab hefur að sjálfsögðu áhuga á tækninni að baki snérsniðnum meðmælum og höfum við á undanförnum mánuðum þróað slíkar lausnir, m.a. fyrir Domino’s og Forlagið, og sett talsvert púður í rannsóknarvinnu.

Okkar niðurstaða er að skýrast…

Framtíðin er gagnadrifin og framtíðin er snjöll.

Og framtíðin er líka sérsniðin.

Og þangað stefna framsækin fyrirtæki um þessar mundir því tæknin er orðin aðgengileg, áreiðanleg og hagkvæm.

En þau láta sér jafnframt annt um að markmið þeirra tæknilausna sem þau hagnýta standist siðferðilega skoðun.

Þau vilja ná fram vexti á réttum forsendum.

Þannig verða þau aðlaðandi í augum neytenda og framúrskarandi starfsmanna.

Hin tæknilega útfærsla þarf því að byggja á vel ígrunduðum markmiðum sem endurspegla stefnu fyrirtækisins.

Ásamt því að stuðla að vexti.

Til þess er leikurinn gerður.

STEFNA UM GERVIGREIND: 7 LYKILÞÆTTIR Í INNLEIÐINGU GAGNADRIFINNA SNJALLLAUSNA

Það gera sér ekki allir grein fyrir því að gervigreindin er ekki einhver framtíðarmúsík sem við eftirlátum börnum okkar að fást við. Hún er þegar komin á fulla ferð á öllum stöðum þar sem tækni kemur við sögu og gagna er aflað – og þeir staðir eru fleiri en færri í nútímasamfélagi.

Það er kominn tími til að fyrirtæki og stofnanir setji niður stefnu og aðgerðaráætlun um hvernig þau hyggist nýta sér möguleika gagnalausna og gervigreindar. Án skýrrar stefnu verða allar tilraunir með tæknina ómarkvissar og fálmkenndar, og árangur eftir því.

Stefna um gervigreind eða snjallvæðingu gagna útlistar hvernig gervigreindin styður við heildarstefnu og markmið sem sett hafa verið í rekstrinum. Mikilvægur liður í þeirri vinnu er að skilgreina hvers kyns gagnaverðmæti og -lausnir skila mestu forskoti á markaði, sem erfitt er fyrir samkeppnisaðila að leika eftir.

Hér verður fjallað um 7 lykilþætti sem þarf að hafa sérstaklega í huga þegar stefna gagnvart gervigreind er mótuð.

MEGINPUNKTAR Í GREININNI:

  • Þau fyrirtæki sem hafa ekki þegar sett snjallar gagnalausnir á dagskrá þurfa að gera það strax til að verða ekki undir í samkeppni á næstu árum
  • Fyrirtæki þurfa að meta stöðu sína áður en haldið af stað; skoða þarf gæði gagna, þekkingu starfsmanna, tækniinnviði, menningu og skipulag
  • Velja þarf snjallverkefni sem byggja á heildarstefnu og markmiðum fyrirtækisins; ekki stofna til verkefna tækninnar vegna eða af því gögnin eru til
  • Skynsamlegt er að byrja smátt, læra af reynslunni og þróa lausnir samhliða breytingum á ferlum og menningu fyrirtækisins

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.

Photo by Paweł Czerwiński on Unsplash

1# KYNNTU ÞÉR MÖGULEIKA GERVIGREINDAR OG GAGNALAUSNA

Fyrsta skrefið í stefnumörkun á sviði gervigreindar ætti að vera að öðlast grundvallarskilning á tækninni og möguleikum hennar. Þeir stjórnendur fyrirtækja og stofnana sem hafa ekki þegar tekið þetta skref ættu að gera það sem allra fyrst. Gervigreindartækni fleygir stöðugt fram og þeir sem taka ekki þátt strax verða hratt undir í samkeppni á næstu árum.

Gríðarlegt magn gagnlegra upplýsingavefa og aðgengilegra námskeiða er að finna á netinu – og oft er þetta ókeypis efni. 

Bernard Marr, einn helsti fyrirlesari og bloggari á sviði gervigreindar, heldur utan um og vísar á námskeið sem hægt er að sækja endurgjaldslaust. Meðal þeirra er „Elements of AI“ frá Háskólanum í Helsinki (á ensku) og „Learn with Google AI“, sem er stórt og hratt stækkandi safn leiðbeininga og upplýsinga um gervigreind. 

Almennt má mæla með vef Bernard Marr fyrir stjórnendur og aðra sem ekki hafa tæknigrunn, til að kynna sér nýja strauma í gervigreindartækni.

Einnig má benda á inngangskúrsinn „AI for everyone”, á Coursera í umsjá Andrew Ng, sem er einn helsti gervigreindarsérfræðingur heimsins um þessar mundir.

2# SKILGREINDU MARKMIÐ OG VERKEFNI Í SAMRÆMI VIÐ HEILDARSTEFNU​

Mikilvægt er að hlaupa ekki af stað í þróun snjalllausna sem hafa ekki skýran rekstrarlegan ávinning í för með sér. Tæknin á að styðja við markmið í rekstrinum en ekki að vera markmið í sjálfu sér. 

Gervigreindin býður fjölmarga möguleika til nýtingar á gögnum, en við val á verkefnum verður að taka mið af því sem skilar mestum ávinningi fyrir reksturinn, ekki því hvað hægt er að gera – bara af því gögnin eru til. 

Hér, eins og annars staðar, er gott að hafa 80/20 regluna í huga og forgangsraða verkefnum eftir því hver þeirra skila mestum ávinningi á sem skemmstum tíma, miðað við setta stefnu.

Það liggur til dæmis beint við fyrir þjónustustofnun, þar sem regluleg afgreiðsla og upplýsingagjöf til skjólstæðinga er kjarnastarfsemi, að nýta gögn sín til að bæta þjónustu og flýta afgreiðslu, en fyrir framleiðslufyrirtæki er kannski skynsamlegra að fókusa á snjallvæðingu ferla til að lágmarka sóun og hámörkun á nýtingu aðfanga, eða nýta reiknirit sem spá fyrir um viðhaldsþörf.

3# STÖÐUMAT

Áður en ráðist er í ný verkefni sem byggja á nýrri hugsun, færni og tækni er mikilvægt að greina hvort fyrirtækið er tilbúið í slaginn. Það þarf að meta bilið milli nauðsynlegrar getu og raunverulegrar stöðu í dag. Þetta getugap snýr að ýmsum þáttum, en þeir mikilvægustu eru gæði gagnamannauður og tækniinnviðir

Aðrir tengdir þættir eru skipulag, ferlar og forysta. Helstu hindranir gagnvart snjallvæðingu fyrirtækja eru yfirleitt ekki tæknilegar heldur varða stjórnun og menningu fyrirtækisins.

Þessa þætti þarf að meta vel áður en ráðist er í umfangsmikil innleiðingarverkefni.

  • Allt stendur og fellur með magni og gæðum gagna. Vertu viss um að gögnin séu af nægilegu magni, hreinsuð og vistuð á fullnægjandi máta.
  • Það er óvíst að starfsmenn þínir búi þegar að þeirri þekkingu sem þarf til að innleiða lausnirnar sem stefnt er að. Því er mikilvægt strax í upphafi að gera sér grein fyrir því hvaða þekking og færni er fyrir hendi annars vegar og hins vegar á hvaða sviðum þarf að ráða inn fólk eða leita til sérhæfðra þjónustuaðila. Þarf að auka við þjálfun eða ráða nýja starfsmenn?
  • Gagnlausnir byggja á öflugum vél- og hugbúnaði. Þarf að fjárfesta í nýjum tæknibúnaði eða innviðum, og hvernig er best að forgangsraða slíkum fjárfestingum? Nánar er fjallað um þennan lið neðar.
  • Skipulag og ferlar þurfa að styðja við nýja tækni, sérstaklega þegar hún er innleidd heilt yfir fyrirtækið. En það er jafnvel mikilvægara að forysta og sýn stjórnenda sé skýr og leiðbeinandi. Er ábyrgðarsvið gagnalausna skilgreint í skipuriti? Á sviðið fulltrúa í framkvæmdastjórn? 
  • Opin menning, þar sem stutt er við frumkvöðlahugsun, tilraunir og samstarf þvert á deildir getur stuðlað mjög að árangurríkri innleiðingu gagnalausna. Hefð fyrir nýtingu gagna til að taka upplýstar ákvarðanir er einnig mikilvæg. Þá er mikilvægt að sem flestir hafi aðgang að gögnum þvert yfir deildir.

4# SETTU SAMAN STÝRIHÓP UM GAGNALAUSNIR​

Til að möguleikar gervigreindar nýtist sem best og víðast í fyrirtækinu er mikilvægt að fá fram ólík sjónarhorn og hagsmuni í fyrirtækinu. Þegar stýrihópur um gagnalausnir er settur saman er mikilvægt að þar séu fulltrúar úr flestum lykildeildum, til dæmis vöruþróun, sölusviði og framleiðslu, auk tæknifólks.

Þegar stýrihópur er settur saman af góðri blöndu af tæknifólki og rekstrarfólki er líklegra en ella að hópurinn komi auga á þær skipulags- og ferlabreytingar sem nauðsynlegt er að ráðast í til að árangur náist með nýrri tækni.

Slíkur hópur kæmi til dæmis auga á að nýju reikniriti sem spáir fyrir um viðhaldsþörf þarf að fylgja yfirhalning á verkferlum við viðhaldið. Og þegar þróunarteymi virkja notendurna sjálfa í hönnun lausnar aukast líkur verulega á að þeir nýti vel lausnina og leggi til mikilvægar breytingar til að þróa hana áfram.

Eitt af hlutverkum slíks teymis gæti til dæmis verið að hreinsa og samræma gögn til að bæta gæði þeirra og gera nýtileg til gagnalausna. Innri gögn fyrirtækja eru iðulega dreifð í margs konar gagnasílóum ólíkra kerfa og í höndum rekstrareininga með mjög mismunandi markmið og forgangsröð.

5# VELDU RÉTTU TÆKNINA​​

Öflugir tæknilegir innviðir þurfa að vera fyrir hendi til að takast á við stærri gagnalausnir. 

Fyrsti snertiflötur tækninnar er gagnaöflunin. Gögn eru margs konar og koma víða að en í öllu falli þarf gervigreindin hugbúnað sem tekur við og greinir upplýsingar (hljóð, myndir, stafræn gögn úr IoT nemum) og miðlar áfram til vistunar. 

Ef þessi hlekkur í tæknikeðjunni er ófullkominn, þá skiptir restin engu máli. Gnægð gæðagagna er fóður snjallra lausna.

Vistun gagna tekur svo við og er mjög mikilvægur liður í tæknihliðinni. Snjallar gagnalausnir þurfa mikið magn gagna til að vinna sína vinnu sem kallar á umtalsverða og örugga gagnavistun. Grundvallaratriði er líka að tenging við gagnageymsluna sé hröð.

Sum stærri fyrirtæki hafa getu til að vista gögnin sjálf, en mörg kjósa að nýta skýjalausnir sem hægt er að skala eftir þörfum, til dæmis Amazon Web Services, Azure frá Microsoft eða Snowflake. Slíkar lausnir bjóða einnig tengingar við fjölbreytt úrval af greiningartólum frá öðrum þjónustuaðilum.

Gagnavinnsla og -greining er svo næsta lag í tækninni. Það eru lausnir á þessu stigi sem koma upp í huga flestra sem hugsa um gervigreind – þetta er heimur reikniritanna. 

Mikil þróun hefur átt sér stað undanfarin misseri í AIaaS (e. AI as a Service), eða skýjalausnum fyrir gervigreind. Stór fyrirtæki eins og AmazonIBMGoogle og Microsoft hafa leitt vagninn, en fleiri smærri aðilar bjóðar aðgang að sértækari lausnum fyrir afmarkaðri verkefni. Dæmi um slíka sérhæfða þjónustu er myndgreiningarreiknirit sem greinir myndir af skemmdum bílum vegna bótakrafna.

Með slíkri tækni er hægt að auðvelda mjög aðgengi fleiri að möguleikum gervigreindar og tækla betur fyrirsjáanleg skort á gagnasérfræðingum í næstu framtíð.

6# MJÓR ER MARGS VÍSIR: BYRJAÐU SMÁTT – EN BYRJAÐU​

Þegar skilgreint hefur verið hvers kyns gagnalausnir styðja best við stefnu og kjarnastarfsemi fyrirtækisins er komið að því að setja fyrstu verkefnin í gang. Skynsamlegast er að byrja á smáum, afmörkuðum verkefnum sem hægt er að ljúka á nokkrum vikum og skila fljótt ávinningi fyrir starfsmenn og/eða viðskiptavini.

Þessi verkefni verða nokkurs konar vegvísar sem varða leiðina áfram, virka sem hvatning til frekari þróunar gagnalausna og fela í sér dýrmætan lærdóm fyrir fyrirtækið.

Þegar þessi fyrstu verkefni eru valin þarf að taka til greina mikilvægi þeirra fyrir kjarnastarfsemi fyrirtækisins, umfang þess, tímaramma og gæði gagna sem eru fyrir hendi.

Þessi litlu sigrar eru svo endurteknir til að sá enn frekar fræjum þeirrar umsköpunar sem fyrir fyrirtækinu liggur. Þróunarteymin vaxa að getu og sjálfsöryggi, og öðlast smám saman sjálfstæði til að drífa áfram ný og spennandi verkefni.

7# LÆRÐU AF REYNSLUNNI, ÞRÓAÐU ÁFRAM​

Innleiðing snjallra gagnalausna er leið vörðuð tilraunastarfsemi. Tilraunaverkefnin þurfa að standast prófið, stöðugt þarf að bæta við þekkingu starfsmanna og ferla þarf að straumlínulaga og aðlaga. Og sumt missir marks – gerð verða mistök, sem er nauðsynlegur hluti af þróunarferlinu.

Stefna um innleiðingu snjalllausna verður líka í stöðugri þróun og endurskoðun. Umhverfi fyrirtækja breytist stöðugt og tækninni fleygir fram. Stefnan þarf að bera í sér langtímahugsun og staðfestu, en framkvæmdin þarf að vera sveigjanleg. 

Hér hæfir best svokölluð „agile“ nálgun, þar sem þróunaráfangar eru stuttir og reynsla metin eftir hvern áfanga.

Stefna um gervigreind er vegvísir sem er í stöðugri þróun þvert yfir öll svið og víddir fyrirtækisins, hvort sem það er mannauður, ferli eða tækni.

Mikilvægast er að innleiða menningu sem fagnar tilraunastarfsemi og samstarfi þvert á deildir. Þannig menning er best til þess fallin að aðlagast hratt óhjákvæmilegum og stöðugum tæknibreytingum.

Photo by Solen Feyissa on Unsplash

SAMANTEKT

Í upphafi skyldi endinn skoða: Áður en ráðist er í snjallvæðingu fyrirtækja er mikilvægt að setja niður stefnu og aðgerðaáætlun. Nokkur atriði er mikilvægt að hafa í huga í slíkri vinnu. Efst þar á blaði er að skilgreina hvernig og hvers kyns gagnalausnir styðja við heildarstefnu fyrirtækisins. 

Þá þarf að greina hvar fyrirtækið er á vegi statt til að hefja sína snjallvegferð: Eru gögnin nægilega góð? Er nægileg þekking til staðar? Styður menning og skipulag við umbreytinguna? 

Til að hámarka líkur á árangursríkri snjallvegferð er skynsamlegt að byrja á smáum, vel afmörkuðum verkefnum sem skila fljótt árangri og ávinningi fyrir hagsmunaaðila. Þau verða svo leiðarljós fyrir áframhaldandi snjallvæðingu í fyrirtækinu.

Verslanir hagnýta gagnadrifnar og snjallar lausnir

Með hverju árinu sem líður verður tæknin hagkvæmari, aðgengilegri, og áreiðanlegri. Gagnadrifnar lausnir sem hagnýta gervigreind ryðja sér til rúms í verslun og smásölu á ógnarhraða.

Nú er að hrökkva eða stökkva.

Netverslun sækir í sig veðrið

Netverslun nýtur sívaxandi vinsælda á kostnað hefðbundinnar verslunar. Þar hafa atriði eins og vöruúrval, auðveldur verðsamanburður, aðgengi að upplýsingum um vörur, sérsniðin upplifun og þægindi skipt miklu máli.

Covid-19 faraldurinn hefur virkað eins og sterasprauta á þessa þróun eins og við þekkjum flest á eigin skinni. Nú er meginþorri landsmanna farinn að nota netverslanir að staðaldri, m.a. til að kaupa í matinn, og við munum aldrei líta til baka.

Eftirspurnin hefur aldrei verið meiri og hafa íslenskar verslanir brugðist við með aukinni fjárfestingu í tækni og ferlum sem styðja við netverslanir.

Vegferðin hefst á smíði og innleiðingu stafrænna innviða og samþættingu kerfa. Gagnasöfnun er hafin og þá er tímabært að þróa og innleiða gagnadrifinnar og snjallar lausnir sem m.a. hagnýta gervigreind. Þessar lausnir styðja sjálfvirkni, t.d. í verðlagningu, birgðastjórnun og stjórnun viðskiptatengsla, og sérsníða upplifun að hverjum og einum notanda.

Stafrænir innviðir…Gagnasöfnun …Gervigreind og snjallar lausnir… Sjálfvirkni…Sérsniðin upplifun

Boltinn er farinn að rúlla í íslenskri netverslun og á næstu misserum mun samkeppnisforskotið í meira mæli byggja á hagnýtingu gagna í snjöllum lausnum.

Hefðbundnar verslanir bregðast við

Neytendur munu að sjálfsögðu áfram að nota hefðbundnar verslanir í miklum mæli en gera auknar kröfur um persónusniðna þjónustu eins og þeir eiga að venjast úr netviðskiptum. Og þeir ætlast líka til að fá heildræna upplifun frá fyrirtækjum sem selja bæði í gegnum vefi sína og í verslunum.

Gervigreindin hefur áhrif í gegnum alla virðiskeðju smásölu og mun skera úr um hvaða fyrirtæki koma á báðum fótum niður út úr hvirfilbyl kórónukófsins. Og það er einmitt með gervigreindinni sem hefðbundin verslun á möguleika á að verja sína stöðu og jafnvel styrkja.

Hér eru nokkur dæmi um notkunarmöguleika gervigreindar í smásölu og hvernig leiðandi fyrirtæki eru að nýta sér hana.

Dýnamísk verðlagning

Gervigreindarlíkön eru mjög hentug til dýnamískrar verðlagningar í rauntíma. Slík verðbestun, þar sem verð er stillt af sem nákvæmast eftir framboði og eftirspurn á hverjum tíma, er bæði seljanda og kaupanda í hag.

Allir vilja kaupa — og selja — á besta verðinu. Þegar lítil eftirspurn er eða umframframboð á markaði er skynsamlegt að lækka verð til að hreyfa vöruna, og öfugt.

Til viðbótar við sveiflur í framboði og eftirspurn getur gervigreindin notað breytur eins og veðurfar, verðbreytingar samkeppnisaðila, umfjöllun um vöruna í fjölmiðlum, og tímasetningu innan dags, viku, mánaðar eða árs til að stilla af verð með sjálfvirkum hætti og í rauntíma. Jafnframt er skynsamlegt að hreyfa við verðinu þegar styttast fer í síðasta söludag til að koma í veg fyrir sóun. Þar dugar ekkert annað en sjálfvirkni.

Veðurfar hefur áhrif á eftirspurn eftir matvælum

Heildarupplifun viðskiptavina og einstaklingsmiðuð þjónusta

McKinsey spáir því að 85% af allri sölu fari enn fram í hefðbundnum verslunum 2025. Kaup Amazon á Whole Foods sýnir að netrisar veðja á vöxt og þróun í hefðbundinni dagvörusölu. Margir neytendur kjósa að leita upplýsinga um vörur á netinu en ganga frá viðskiptum í verslununum sjálfum.

Aðrir kaupa vörurnar í netsölu en sækja þær í verslanirnar eða aðra afhendingarstaði. Þar eru tækifæri til kross- og viðbótarsölu, enda geta gervigreindarlausnir mælt með vörum sem byggja á samskiptagögnum viðskiptavinarins í gegnum stafræna miðla; netviðskipti, samfélagsmiðla, snjallmenni eða tölvupóst.

Svokölluð „omni channel“ nálgun er lykilatriði í þessu samhengi. „Omni channel“ nálgun eða heildarupplifun viðskiptavinar af tilteknu fyrirtæki eða vörumerki byggir á því að gögn um samskipti og viðskipti viðskiptavina séu samhæfð og uppfærð í rauntíma á milli kerfa. Þannig er haldið utan um öll gögn á einum stað sem verða til um hvern viðskiptavin.

Samkvæmt könnun McKinsey kjósa 83% neytenda persónulega upplifun í verslunarferðum sínum og rannsóknir fyrirtækisins benda til að árangursrík innleiðing slíkra lausna gæti aukið sölu verslana um 20–30%. Það er til mikils að vinna á markaði þar sem bitist er um hvert brot úr prósenti í markaðshlutdeild.

Tryggðakerfi er önnur leið til að halda viðskiptavinum og bjóða þeim persónuleg kjör og þjónustu sem byggja á sögulegum viðskiptum þeirra. Gervigreindin hefur sömuleiðis mikla möguleika á að hámarka not af slíkum kerfum og má gera ráð fyrir að t.d. íslenskar matvöruverslanir séu nú þegar með áætlanir um að kynna tryggðarkerfi til sögunnar nú þegar netverslun hefur rutt sér til rúms á þeim markaði með tilheyrandi gagnasöfnun, auðkenningu og sjálfvirkni. Aðrir geirar gætu fylgt í kjölfarið.

Snjallmenni og sjálfvirkni

Flestar íslenskar matvörukeðjur hafa á skömmum tíma innleitt sjálfsafgreiðslustöðvar í verslanir sínar, sem styttir biðraðir og sparar launakostnað. En leiðandi smásölukeðjur í heiminum, til dæmis Tesco, Walmart og Carrefour hafa tekið slíka tækni til þjónustu við viðskiptavini á allt annað stig.

Snjallmenni gera sig ekki aðeins heimakomin á vefsíðum netverslana; þau eru nú farin að sjást rúllandi um í hefðbundnum verslunum þar sem þau geta til dæmis tekið við pöntunum eða veitt upplýsingar. Þetta er sérstaklega gagnlegt utan venjulegs opnunartíma og sparar fyrirtækjum launakostnað á yfirvinnutíma.

Hvar finn ég lífrænan kúskús?

Íslensk máltækni tekur nú miklum framförum en slík tækni er forsenda þess að við getum átt eðlileg samskipti við snjallmennin. Ekki er erfitt að sjá fyrir sér þessa tækni birtast einn góðan verðurdag á göngum stórra íslenskra sérverslana þar sem starfsfólk er sífellt á þönum daginn inn og út að svara fyrirspurnum ráðvilltra og óþolinmóðra viðskiptavina. Byggingavöruverslanir koma upp í hugann.

Snjalltækni er einnig nýtt til að skynja birgðastöðu í hillum og til að stýra mátunarklefum í fataverslunum. Walmart hefur sett upp um vélmenni í um 1000 verslunum sínum sem keyra um ganga og skanna hillur til að skrá vöruvöntun og panta áfyllingu.

Þá hafa keðjur eins og Kroger í Bandaríkjunum innleitt snjallskynjara til að fylgjast með réttu hitastigi matvæla og tilkynna um frávik. Það lágmarkar tjón vegna skemmda og eykur líftíma viðkvæmra vara (íslenska tæknifyrirtækið Controlant notar svipaða tækni til að fylgjast með hitastigi bóluefnis Pfizer vegna Covid-19).

Kroger hefur einnig innleitt stafræn verðskilti í verslanir sínar sem gerir þeim kleift að breyta verðum í rauntíma, samanber umfjöllun að ofan, en einnig að koma á framfæri upplýsingum um vöruna.

Stafræn verðskilti hjá Kroger

En skiltin eru líka notuð til að birta auglýsingar, sem eru sérsniðnar að þeim sem standa við hilluna. Hvernig er það gert? Jú, örsmáar myndavélar taka vídeó af viðskiptavinum og myndgreiningartækni greinir kyn og aldur þeirra.

Birgðastýring

Spálíkön sem byggja á gervigreind munu áfram setja mark sitt á þróun birgðastýringarkerfa smærri og stærri verslana. Líkönin taka með í útreikninga sína sögulegar sveiflur í eftirspurn og breytur eins og veður og annað sem hefur áhrif á eftirspurn. Innkaupakerfi Walmart hefur til dæmis uppgötvað að steikur seljast betur þegar veður er vindasamt og skýjað, en hamborgara rjúka út þegar heitt er úti og heiður himinn.

Þessi fann snakkið sitt og kemur pottþétt aftur

Það er fátt sem veldur viðskiptavinum meiri gremju en vöruvöntun sem kallar á enn eina heimsóknina eða bíltúr í aðra verslun í hinum enda bæjarins. Margir neytendur þekkja það vel á eigin raun að þurfa að heimsækja 2–3 matvöruverslanir til að fá allt sem þarf til heimilisins þá vikuna.

Verslanir sem leysa vandann selja meira.

IoT tækni og nemar

Tæknirisar eins og Amazon með Amazon Fresh og Amazon Go verslunum sínum og Walmart með tilraunaverslun sinni „Intelligent Retail Lab“ (IRL) eru að prófa sig áfram með fjölbreytta snjallnema og háþróuðum myndavélum hlaðnar myndgreiningartækni.

Amazon leggur áherslu á stílfærða, stafræna upplifun þar sem skráning inn í verslunina fer fram í símaappi og viðskiptavinurinn gengur út án þess að þurfa að ganga frá greiðslu sjálfur (sjá myndbrot hér að neðan), en Walmart vill nýta tæknina til hámarksnýtingar á plássi og fólki; hafa hillur fullar á réttum tíma, minnka sóun á matvælum og bregðast strax við eitthvað fer úrskeiðis.https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FmiCGDT8L17c%3Ffeature%3Doembed&display_name=YouTube&url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DmiCGDT8L17c&image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FmiCGDT8L17c%2Fhqdefault.jpg&key=a19fcc184b9711e1b4764040d3dc5c07&type=text%2Fhtml&schema=youtubeVerslunarferð í Amazon Fresh veitir jafnframt innsýn í framtíðina

Tækniverslun Walmart er ekki eins stílhrein og Amazon Go, en gríðarlega öflug tækni er í prófun þar, bæði í versluninni sjálfri og í öflugustu netþjónum í bakvinnsluherbergjum sem vinnur úr gögnunum.

Árangur Walmart áhugaverður. Til dæmis hefur tekist að auka kjötsölu um 30% með aðstoð myndgreiningartækni, og 90% árangur í áfyllingum hefur skilað sér í stórminnkaðri rýrnun og aukinni sölu, en fullar hillur á annatíma getur aukið sölu um 20%.

Fullar hillur, meiri sala

Báðar keðjurnar nota myndgreiningartækni til að teikna upp hitakort af umferð um verslanir sínar til að bæta skipulag, flæði og upplifun viðskiptavina. Þessa tækni er einnig verið að þróa til að greina grunsamlega hegðun viðskiptavina og koma í veg fyrir þjófnað.

Keðjur eins og Kroger eru einnig komnar vel á veg með alsjálfvirkni birgðastýringu, og franska keðjan Carrefour gerði samning við SAS Vija, og er fyrst franskra dagvörukeðja til að ráðast í snjallvæðingu á sinni starfsemi.

Samantekt og staðan hér heima

Tækni í smásölu er í mjög hraðri þróun, þar sem meðal annars er verið er að útfæra „omni channel“ upplifun fyrir viðskiptavini, samþætta upplýsingar úr mörgum kerfum í eitt í rauntíma, til að bæta þjónustu og upplifun viðskiptavina. Gervigreindartækni er nú víða í prófun eða þegar í notkun í verslunum, þar sem snjallmenni aðstoða við þjónustu, upplýsingar og afgreiðslu, skynja birgðastöðu í hillum og panta.

Gervigreindin er notuð til að draga úr rýrnun, koma í veg fyrir þjófnað og til að gera upplifun kaupandans persónulegri. Ein mikilvæg notkun tækninnar er að stýra verðlagningu dýnamískt eftir sveiflum í ytri breytum eins og verði samkeppnisaðila, tímabundnum framboðsskorti, tíma vikunnar o.s.frv.

Það er mikil hreyfing nú á dagvörumarkaðnum, bæði hér og erlendis, og miklar tæknibreytingar framundan sem íslenskir neytendur munu örugglega kynnast innan skamms. Keðjur eins og Samkaup hafa kynnt samninga við danska samstarfaðila um innleiðingu tæknilausna, Krónan er nútímaleg í hugsun og mjög meðvituð um þarfir viðskiptavina sinna.

Nýlega voru kynntir tveir nýir stjórnendur til Haga sem augljóslega eru ráðnir til að ráðast í það spennandi verkefni að draga Hagkaup og Bónus inn í nútímann.

Það eru spennandi tímar framundan.

Þegar gervigreind stuðlar að betri og sanngjarnari ákvörðunum

Gervigreind getur mögulega hjálpað mönnum að taka sanngjarnar ákvarðanir, en aðeins ef við byggjum sanngirni inn í gervigreindina sjálfa. Þetta er mikilvægt viðfangsefni í dag þar sem gervigreind er þegar orðin fyrirferðarmikil í útbreiddum tæknilausnum og framtíðaráformum fyrirtækja og opinberra aðila. Við erum rétt að byrja.

Möguleikar tækninnar aukast stöðugt með aukinni vinnslugetu og kapphlaupi samkeppnisaðila á markaði, en hún getur haft alvarlegar afleiðingar fyrir viðkvæma hópa í samfélaginu eins og Cathy O’Neil fjallar vandlega um í bók sinni ‘Weapons of Math Destruction’ og vakið hefur athygli. Hér má sjá hana fjalla nánar um málið.

Tvö viðfangsefni eru til umfjöllunar hér:

Hið fyrra er nýting gervigreindar til að greina og lágmarka skekkjur (e. bias) í mannlegri ákvarðanatöku.

Hið seinna varðar hvernig við bætum gervigreindina sjálfa; hvernig hún nýtir gögn, hvernig snjallar lausnir eru hannaðar, innleiddar og nýttar þannig að þær viðhaldi ekki eða magni upp ósanngjarna mismunun sem fyrir er í samfélaginu, eða skapi jafnvel nýtt óréttlæti.

Til að leysa þessi viðfangsefni þarf að stefna saman þekkingu og nálgunum úr ólíkum greinum til að þróa áfram tækni, ferla og siðareglur.

Gervigreind getur minnkað skekkju í mannlegri hugsun og ákvarðanatöku en hún getur líka formfest hana og magnað upp

Það er vel þekkt hvernig mannleg ákvarðanataka er viðkvæm fyrir fyrirfram gefnum hugmyndum, ómeðvituðum fordómum og rökvillum. Rannsóknir hafa t.d. sýnt hvernig úrskurðir dómara eru litaðir af persónuleika þeirra og ráðningarstjórar eru líklegri til að velja í viðtöl einstaklinga sem bera nöfn sem hafa tengingu við tiltekna þjóðfélagshópa.

Mannlegar ákvarðanir er einnig erfitt að rekja og yfirfara; fólk segir ósatt um forsendur sínar eða hefur ekki innsýn í það hvaða þættir höfðu áhrif á þær, sem býður hættu heim á ómeðvitaðri skekkju.

Í mörgum tilfellum getur gervigreindin minnkað tilhneigingu til hlutdrægrar túlkunar á gögnum af því reiknirit (e. algorithm) vélnáms (e. machine learning) nota aðeins breytur sem spá best fyrir um óskaniðurstöðu — t.d. að ráða hæfustu manneskjuna í starfið eða gæta sanngirni í dómsúrskurðum. Ef eitthvað er til sem heitir „kalt mat‟ er það í boði reikniritanna. Sýnt þykir einnig að reiknirit geti bætt ákvarðanatöku þannig að hún verði sanngjarnari gagnvart minnihlutahópum.

Aðrar rannsóknir sýna að sjálfvirk samþykktarferli um fyrirgreiðslu hjá fjármálastofnunum gagnist betur einstaklingum sem eiga viðkvæma sögu.

Ólíkt ákvörðunum manna er hægt að opna, yfirfara og greina forsendur ákvarðana gervigreindar. Ef talið er að ósanngirni birtist í niðurstöðum þá er hægt að laga reikniritið.

Á hinn bóginn benda rannsóknir til þess að gervigreindarlausnir geti kerfisvætt og magnað mannlega skekkju. Nýlega hætti Amazon notkun á ráðningarreikniriti þegar í ljós kom að reikniritið, sem byggði á umsóknargögnum fyrri ráðninga, hafnaði frekar konum en körlum.

Undirliggjandi gögn eru oft rót skekkjunnar

Iðulega eru það þó gögnin sem eru rót skekkjunnar fremur en reikniritin sjálf þar sem þau eru gjarnan mötuð af gögnum sem byggja á mannlegum ákvörðunum. Skekkja getur einnig borist með gögnum ef gagnaöflunin er skekkt.

Reiknirit sem áætlar þörf fyrir aukna löggæslu með að því að nota gögn svæða eða hverfa þar sem eftirlit er mikið, vegna fordóma lögreglumanna, er líklegt til að leggja til enn meiri löggæslu á slíkum svæðum, sem aftur leiðir til fleiri skráninga afbrota á viðkomandi svæði. Spennan vex fyrir vikið og neikvæður spírall fer af stað.

Fleiri lögreglumenn, fleiri lögbrjótar?

Hvernig skilgreinum við og mælum sanngirni til að lágmarka skekkjur?

Umræðan um sanngirni reiknirita hefur annars vegar snúið að einstaklingsbundnum réttindum, sem sagt að sambærilegir einstaklingar fái sömu meðhöndlun, t.d. í dómskerfinu; hins vegar lýtur umræðan að sanngirni gagnvart hópum; að niðurstöður og forspár reiknirita gæti jafnvægis milli þjóðfélagshópa, sérstaklega hópa í viðkvæmri stöðu.

En er hægt að forrita sanngirni í kóða? Myndaleit fyrir “CEO” í dag birtir niðurstöður sem sýna hlutfall þar sem 11% eru konur og 89% karlar. Ættu niðurstöðurnar fremur að sýna raunverulega stöðu, sem er 17% konur og 83% karlar — eða hlutfallið sem flestir vildu helst stefna að og væri eðlilegast; 50% af hvoru kyni?

Ætti Facebook að stilla reiknirit sín þannig að fólki birtist ekki aðeins fréttir og skoðanir annarra sem herðir þeirra eigin heimsýn — sem getur verið órafjarri raunveruleikanum — heldur jafnari útgáfu af heiminum? Hver skilgreinir þá útgáfu?

Eiga reiknirit að bæta fyrir samfélagsskekkju sem þegar er fyrir hendi eða eiga þau að leggja fram óhlutdrægar, kaldar spár sem geta hins vegar ýkt og haldið við mismunun sem þegar er fyrir hendi?

Sérfræðingar eru ekki sammála um hvernig beri að stefna fram á við. Líklega verður erfitt að semja eina skilgreiningu eða mælikvarða á sanngirni sem dugar fyrir allar aðstæður, sem þýðir að notast þarf við mismunandi staðla og viðmið eftir aðstæðum hverju sinni.

Í bók sinni ‘Human Compatible’ fjallar Stuart Russell um þann galla á fyrirkomulagi gervigreindarlausna sem náð hafa útbreiðslu að það erum við sem skilgreinum markmið þeirra og að það bjóði hættunni heim. Ef þau eru ekki ‘human compatible’ getur illa farið eins og t.d. er fjallað um í kvikmyndinni The Social Dilemma þar sem vanhugsuð markmið reikniritanna sem ákvarða hvað við sjáum á samfélagsmiðlum hefur dregið dilk á eftir sér…

The consequences include the resurgence of fascism, the dissolution of the social contract that underpins democracies around the world, and potentially the end of the European Union and NATO.

Not bad for a few lines of code, even it it had a helping hand from some humans. Now imagine what a really intelligent algorithm would be able to do.

Tækniframfarir eru í farvatninu en mikið verk er framundan

Nokkrar leiðir hafa verið þróaðar til að byggja sanngirni inn í reiknirit gervigreindar.

Ein þeirra byggir á því að forvinna gögn þannig að þau innihaldi sem nákvæmastar upplýsingar en lágmarki um leið tengsl milli niðurstöðu og viðkvæmra eiginleika, svo sem kynferði eða kynþátt, eða birti mynd af gögnunum sem innihaldi ekki upplýsingar um viðkvæma eiginleika.

Önnur leið sem farin hefur verið er að breyta niðurstöðum og spám reiknilíkans eftir á, til að fullnægja fyrirfram skilgreindum viðmiðum um sanngirni.

Tæknin þarf að vinna með okkur

Þá er verið að þróa aðferðir til að rekja betur forsendur niðurstaðna reiknirita. Slíkur rekjanleiki getur verið mikilvægur til að skilja og leiðrétta slíkar forsendur sem notaðar eru í vinnsluferli sem skilar ósanngjörnum niðurstöðum.

Önnur lausn er að fara nýjar leiðir í setja reikniritunum markmið og fer áðurnefndur Stuart Russell þar fremstur í flokki.

Mannleg dómgreind er enn nauðsynleg til að tryggja sanngirni gervigreindar

Hægt er að nálgast sanngirni í vélrænum ákvörðunum með vönduðum skilgreiningum og mælikvörðum, en slíkar aðferðir geta ekki tekið með í reikninginn fjölmargar flóknar og viðkvæmar samfélagsbreytur sem þarf að hafa í huga. Þær taka heldur ekki afstöðu til þess hvernig gagnanna var aflað, sem er siðferðislegt viðfangsefni og varðar til dæmis persónuvernd. Nýlega úrskurðaði hollenskur dómstóll að hinu opinbera væri óheimilt að nýta gervigreindarlausnir í baráttu gegn bótasvikum þar sem gagnasöfnin sem lágu að baki lausnunum samrýmdust ekki lögum um persónuvernd.

Það er því mikilvægt að skilja hvar mannleg dómgreind kemur til skjalanna: Hver ákveður hvenær tiltekið reiknirit hefur lágmarkað nægilega hættu á skekkju til að það sé öruggt fyrir almenning? Við hvaða aðstæður er hægt að réttlæta alsjálfvirkt og vélrænt ákvarðanaferli? Ekkert reiknirit getur svarað slíkum spurningum.

Til þess þarf mannlega dómgreind og samtal þvert á fræðasvið, til dæmis lögfræði, félagsvísindi og siðfræði. Þessi vinna er rétt að hefjast.

Ýmis verkefni í þessa veru hafa litið dagsins ljós. Árlegar skýrslur AI Now Institute fjalla um siðferðisleg álitamál frá ýmsum sjónarhornum og þróunarverkefni Harvard, “Embedded EthiCS” sem snýr að eflingu siðfræðiþátta í tölvunarfræðinámi, eru dæmi um það.

Getum við einnig bætt mannlega ákvarðanatöku með hjálp gervigreindar?

Framfarir í greiningu á mismunun í niðurstöðum reiknirita opnar aðra möguleika; nefnilega að endurhugsa hvernig við skerum úr um hvenær mannlegar ákvarðanir eru sanngjarnar eða ekki. Nákvæmt mat á þeim forsendum sem manneskjur nota (ekki sem þær segjast nota) til að taka ákvarðanir er þó mikið flóknara en greining á reikniriti.

Oft notum við nokkurs konar „sanngirnisígildi‟ til að komast að réttri niðurstöðu. Við teljum til dæmis niðurstöðu sanngjarna ef ákvarðanaferlið er metið sanngjarnt. En er sanngjarnt ferli hið sama og sanngjörn niðurstaða?

Önnur sanngirnisleið er að tryggja að ólík sjónarmið fái að heyrast í þeim hópi sem er falið að taka ákvörðun. Leiðir sem þessar eru trúlega þær skástu sem við höfum haft aðgang að hingað til, en kannski gætum við þróað mat á sanngirni mannlegra ákvarðana með hliðsjón af aðferðum sem verið er að þróa í gervigreind?

Betri gögn, greining og gervigreindartækni gætu nýst sem öflug verkfæri til að skoða skekkjur í mannlegum ákvörðunum. Ein leið væri að keyra reiknirit samhliða ákvarðanaferli manna, bera svo saman niðurstöður og greina ástæður fyrir mismuni, ef einhver er.

Með sama hætti mætti hugsa sér að fyrirtæki eða stofnun sem uppgötvar að reiknirit, sem byggir á fyrri ákvörðunum starfsmanna, skilar ósanngjörnum niðurstöðum endurskoðaði mannlega þáttinn í stað þess að leggja af reikniritið, samanber dæmið frá Amazon hér að ofan.

Sex mögulegar leiðir áfram fyrir hönnuði gervigreindar, og leiðtoga í viðskiptalífi og opinberum stofnunum

Það er mikilvæg forsenda fyrir trausti almennings á gervigreindarlausnum að fyrirbyggja mismunun og skekkjur. Eigi gervigreindin að uppfylla væntingar um stóraukið hagræði, framleiðniaukningu og brýnar samfélagslegar lausnir, til dæmis í umhverfismálum og úthlutun opinberra fjármuna, er nauðsynlegt að horfast í augu við þetta verkefni.

#1: Auka skilning á kringumstæðum þar sem gervigreind getur minnkað mismunun í ákvarðanatöku sem og hinum þar sem gervigreind getur aukið slíka mismunun

Þegar gervigreindarlausnir eru innleiddar er nauðsynlegt að hafa ávallt í huga aðstæður þar sem hætta er á félagslegri mismunun, til dæmis þar sem fyrir er saga um mismunun eða kerfisbundna skekkju í gögnum. Það þarf að rannsaka markvisst og dreifa þekkingu á því hvernig gervigreindin getur stuðlað að sanngirni og hvernig hún hefur fallið á prófinu.

#2: Skilgreina vinnuferla til að prófa og fyrirbyggja skekkjur í gervigreindarlausnum

Það þarf margs konar tól og aðferðir til að takast á við ósanngjarnar skekkjur. Að ofan var minnst á nokkrar slíkar. Vinnuferla má bæta með vandaðra vali á gögnum til vinnslu, með aðstoð umbótateyma sem storka viðtekinni menningu og hugsun (e. red teams), eða annarra utanaðkomandi ráðgjafa sem hafa fersk sjónarmið. Hér er ágæt samantekt um leiðir til að auka sanngirni gervigreindarlausna.

Aukið gegnsæi um ferla og mælikvarða er einnig mikilvægt til að hjálpa hagsmunaaðilum að sannreyna þau skref sem hafa verið tekin til að auka sanngirni í gagnavinnslunni.

#3: Hefja upplýsta umræðu um mögulegar skekkjur í mannlegum ákvörðunum

Eftir því sem gervigreindin afhjúpar meira um mannlega ákvarðunartöku er hægt að taka til endurskoðunar „sanngirnisígildin‟ sem rætt var að ofan. Getur gervigreindin aðstoðað við að draga fram skekkjur í mannlegri ákvarðanatöku sem enginn kom auga á áður? Þegar reiknirit sem hafa verið þjálfuð með ákvörðunum manna skila ósanngjarnri niðurstöðu og jafnvel magna hana upp, er tækifæri til að endurskoða hin mannlegu ferli.

#4: Rannsaka að fullu hvernig menn og vélar vinna best saman

Þetta felur meðal annars í sér að greina aðstæður og skilyrði þar sem sjálfvirk ákvarðanaferli eru ásættanleg og hvar mannleg dómgreind þarf hins vegar ávallt að vera á verði. Sum kerfi í þróun nota sambland af mannlegum og vélrænum ákvörðunum til að lágmarka skekkjur.

Þá leggur reikniritið til meðmæli eða lausnir sem menn yfirfara eða velja úr. Í slíkum kerfum er gagnsæi um áreiðanleika meðmælanna mikilvægt til að menn geti metið vægi þeirra.

#5: Fjárfesta meira í rannsóknum á skekkjum og opna aðgang að gögnum sem fleiri geta nýtt til þverfaglegra rannsókna

Þótt töluverður árangur hafi náðst á undanförnum árum í þverfaglegum rannsóknum þarf að opna fyrir aðgang að gögnum fyrir rannsakendur og fræðimenn á þessu sviði, þó þannig að persónuvernd sé virt sem og viðkvæmar viðskiptaupplýsingar. Árangur áfram veginn veltur á þverfaglegum rannsóknum, svo sem siðfræðilegum og félagsfræðilegum, sem áður er getið.

Lykilviðfang rannsókna er að meta hlutverk gervigreindar í ákvörðunarferlum eftir því sem sviðið þróast og meiri reynsla fæst.

#6: Fjárfesta í þátttöku alls samfélagsins

Margir hafa bent á þá staðreynd að lykilleikendur í þróun gervigreindar endurspegli ekki fjölbreytileika samfélagsins, til dæmis hvað varðar kyn, stétt, kynstofn eða fötlun. Fjölbreytt samsetning þróunaraðila gervigreindar er líklegri til að hafa skilning og næmi fyrir mismunun og skekkjum sem tæknin getur haft í för með sér. Cathy O’Neil leggur til að þróunaraðilar temji sér nýtt vinnulag til að lágmarka mögulegar neikvæðar afleiðingar lausnanna.

Þetta þýðir fjárfestingu á mörgum sviðum en sérstaklega í menntunartækifærum og aðgengi ólíkra samfélagshópa að tækninni.

Samantekt

Hér hefur verið stiklað á stóru um ýmis álitaefni sem snúa að félagslegri mismunun og skekkjum sem gervigreind getur nýst til að lágmarka. Komið hefur þó í ljós að tæknin getur formfest og dreift kerfisbundið mannlegri skekkju, ef forsendur reikniritanna eru skakkar.

Verkefnið framundan er að rannsaka markvisst hvernig gervigreindin getur best stuðlað að félagslegu réttlæti fremur en magna það upp. Ein leið er að nýta afl reikniritanna til að bæta og yfirfara mannlegar ákvarðanir, með því að bera saman niðurstöður reiknirita og manna, og skýra mismun þar á.

Mikið er í húfi því tæknin verður sífellt útbreiddari og áhrif hennar á daglegt líf okkar allra umfangsmeiri. Sú þróun verður ekki stöðvuð og því afar mikilvægt að tæknin vinni með okkur öllum.

Ný tækni, ófyrirséðar afleiðingar

Eru gagnadrifnar lausnir í þínum áætlunum fyrir 2021?

Gagnadrifnar og sjálfvirkar lausnir eru sannarlega komnar á dagskrá um allan heim, bæði í einkageiranum og hjá opinberum aðilum, stórum sem smáum. Þær eru ekki lengur einkamál alþjóðlegra tæknifyrirtækja og ná nú fótfestu í öllum geirum.

Faraldurinn sem nú gengur yfir hefur þar að auki knúið flest fyrirtæki og stofnanir til að endurskoða kerfi og ferla með hagræðingu og betri ákvarðanir að leiðarljósi.

Á Íslandi hefur hið opinbera stigið ákveðin skref í þessa átt með hundruð milljóna fjárfestingu í stafrænum innviðum undir hatti verkefnastofunnar Stafrænt Ísland. Fyrirtækin eru líka að taka við sér og jarðvegurinn fyrir slíkar lausnir er frjór. Það er ekki síst vegna aukinnar samkeppni við erlenda aðila sem hafa nú þegar tileinkað sér gervigreind og snjallar gagnadrifnar lausnir með góðum árangri. En einnig skiptir miklu máli að tæknin er orðin mun aðgengilegri, áreiðanlegri og ódýrari en fyrir örfáum árum.

Eitt er víst: Þær skipulagsheildir sem ekki eru markvisst að undirbúa hagnýtingu gagnadrifinna lausna nú lenda í vandræðum í nánustu framtíð.

Er gert ráð fyrir slíkri vinnu í þínum áætlunum fyrir 2021?

Covid-19 flýtir fyrir tækniþróun

Gervigreindin er komin á fleygiferð. Bandarísk yfirvöld hafa til dæmis ákveðið að tvöfalda útgjöld til rannsókna og innleiðingar á gervigreind árið 2021. Á þeim bæ er mikill árangur Kínverja á þessu sviði farinn að valda hugarangri en fjárfestingin þar er á skala sem venjulegur Íslendingur á bágt með að skilja.

Samkvæmt rannsóknum Harvard Business Review telja 3 af hverjum 4 forstjórum að ef þeir hafa ekki innleitt gervigreind gegnumsneitt í starfsemi sinni á næstu fimm árum verði þeir undir í samkeppninni. Fjármálastjórar hafa því fullt umboð til að stökkva á vagninn og samþykkja verkefni sem nýta tæknina til að lækka kostnað og hagræða í rekstri. Þetta er mjög í deiglunni einmitt nú þarf sem margir leita logandi ljósi að leiðum til að lifa af covid-kreppu með endurskipulagningu reksturs á nýjum grunni á næstu 3–5 árum.

Mörg fyrirtæki og stofnanir hafa þegar náð góðum árangri með því að sjálfvirknivæða tímafreka en nauðsynlega vinnslu eins og innslátt upplýsinga og úrvinnslu skjala, ýmis konar eftirlit, ráðgjöf og meðmæli á vef og í appi og þjónustusamtöl við viðskiptavini með innleiðingu spjallmenna.

Árangursrík verkefni sem þessi ryðja oft veginn fyrir fleiri og þróaðri lausnir á snjallvegferð fyrirtækja. Þetta er langhlaup en ekki sprettur.

Meðal verkefna sem umræddir fjármálastjórar eru að skoða í dag eru leiðir til að sjálfvirknivæða bæta uppgjör í lok mánaðar, innheimtu krafna og gerð fjárhagsáætlana.

Ástæða þess að slík verkefni verða oft fyrir valinu í fyrstu er einföld: Hér er yfirleitt um að ræða einskiptiskostnað sem mun skila sér í árlegum, varanlegum sparnaði í rekstri.

Stærsti hluti vinnunnar við innleiðingu gagnadrifinna lausna fer fram í upphafi verkefnis, þegar tæknilegir innviðir og gögn eru undirbúin, líkan eða lausn er smíðuð og prófanir fara fram. Þegar lausnin er farin að gera sitt gagn og vinna með sjálfvirkum hætti birtist ávinningurinn fljótt og einungis þarf að sinna reglubundnu viðhaldi til að tryggja áframhaldandi góða virkni.

Hvernig á að byrja?

Þessi spurning er algeng þegar vangaveltur um gervigreindarlausnir ber á góma. Hvar og hvernig er best að byrja að spreyta sig á framandi tækni?

Hvert og eitt fyrirtæki og stofnun þarf að skilgreina fyrir sig og sína starfsemi hvar slíkar lausnir myndu koma að mestum notum. Það er best að gera með markvissu og upplýstu samtali við starfsmenn, mati á stöðu, stefnu og tæknilegri getu.

Skynsamlegt getur verið að velja afmarkað, einfalt svið til að byrja á og nota sem prufuverkefni fyrir önnur stærri úrlausnarefni.

Nauðsynlegt er þó að byrja á byrjuninni: Taka stöðuna, gera úttekt á þörfinni, leggja mat á gæði gagna og leggja niður drög að stefnumótun og aðgerðaráætlun vegna hagnýtingar gagnadrifinna lausna í starfseminni.

Tíminn til að byrja er núna!

Þroskasaga nýrrar tækni

Myndin sem meðmælakerfi Netflix beinir ákaft til mín um þessar mundir heitir ‘The Social Dilemma’.

‘#2 in Iceland today’

…svo það eru greinilega fleiri sem hafa áhuga á þessu efni.

“This documentary-drama hybrid explores the dangerous human impact of social networking, with tech experts sounding the alarm on their own creations”

Samfélagsmiðlar eru ekki eingöngu jákvætt afl í tilverunni.

Það er á flestra vitorði nú til dags.

Falsfréttir, bergmálsherbergi, upplýsingaóreiða og samfélagsmiðlafíkn eru vel þekkt nýyrði í íslenskri tungu og lýsa því neikvæða sem m.a. fer fram á samfélagsmiðlum.

Viðskiptamódel á villigötum?

Það er viðskiptamódel samfélagsmiðla sem er einkum að flækjast fyrir okkur. Segja má að leikreglurnar hafi verið illa útfærðar eða vanhugsaðar í upphafi og nú 10–20 árum síðar þurfum við að fást við afleiðingarnar, t.d. upplýsingaóreiðu og falsfréttir sem valda sundrungu í samfélaginu og faraldur kvíða og þunglyndis meðal ungs fólks.

Viðskiptamódel og þar með markmið samfélagsmiðilsins er skýrt: að selja auglýsingar og kostað efni. Því meira því betra. Eðlilega.

Viðskiptavinir samfélagsmiðla eru því auglýsendur og framleiðendur efnis, t.d. fyrirtæki, stjórnmálaöfl, stjórnvöld og hagsmunasamtök.

Notendurnir eru söluvaran.

Söluvaran er athygli okkar og þær hegðunarbreytingar sem eiga sér stað í kjölfar þess að við upplifum eitthvað á samfélagsmiðlum. Eins og einn viðmælandinn í myndinni lýsti samfélagsmiðlum “…a marketplace for human futures”.

Samfélagsmiðill hefur milligöngu um að hafa áhrif á hegðun notenda í samræmi við markmið auglýsenda. Markmiðin auglýsenda eru alls konar og engin leið að stjórna þeim. Allt frá bónda í Biskupstungum sem selur hrossasperðla beint frá býli til herra Pútíns í Kreml sem á sér þann draum að sjá Vesturlönd hnigna.

Facebook er áhrifamesti miðillinn og breytir hegðun fleiri notenda en nokkur annar á hagkvæman hátt á grundvelli gagnasöfnunar á skala sem ekki hefur þekkst áður og hagnýtingu gervigreindar. Þar er kominn fram mergur málsins og grundvallarmunur á samfélagsmiðlum og hefðbundum fjölmiðlum sem hafa stundað þá iðju að selja auglýsendum aðgang að okkur í a.m.k. 100 til 150 ár flestum til gagns og þónokkurs gamans.

Gögn Facebook geyma vísbendingar um vonir okkar, væntingar og þrár og gervigreindarlausnar eru nýttar til að draga þær fram og í kjölfarið tengja okkur við auglýsingar og efni sem snerta streng í okkur og eru því líklegri en ella til að framkalla hegðunarbreytingar. Og rúsínan í pylsuendanum er snjöll hagnýting þekkingar í sálfræði til að brjóta mögulegar varnir okkar á bak aftur eða sveigja fram hjá þeim. Sé þetta látið malla um nokkurn tíma fara að koma fram ófyrirséðar afleiðingar eins og t.d. útbreiðsla öfgafullra skoðana og skoðana sem eiga sér ekki stoð í raunveruleikanum.

Eftir því hefur verið tekið. Og glundroðinn eykst.

Þess vegna tala ýmsir um “manipulation machines” í þessu sambandi. Samfélagsmiðlarnir eru í krafti gagna, gervigreindar og sálfræði farnir að handleika okkur eins og strengjabrúður. Og hver stjórnar? Jú auglýsendur með alls kyns markmið, t.d. hrossabóndi í Biskupstungum og herra Pútín í Kreml.

Í myndinni kemur fram sú skoðun að við, notendurnir, getum ekki unnið þennan leik. Við eigum við ofurefli að etja í formi gervigreindar sem þekkir okkur betur en við sjálf. Og markmið hennar er ekki að auka lífsfyllingu okkar, þvert á móti. Hún gerir allt sem hún getur til að skapa miðlinum tekjur.

Og afleiðingarnar blasa við okkur. Íslensku nýyrðin sem listuð voru hér að ofan koma fyrst upp í hugann. En einnig mikil vanlíðan meðal stórs hóps ungra notenda.

Myndin er áhugaverð og hvet ég sem flesta til að horfa á hana og mynda sér skoðun.

Við þurfum að endurhugsa markmiðin

Stuart Russell skrifaði bókina ‘Human Compatible — AI and the Problem of Control’.

Þar fjallar hann um þann vanda sem gervigreindarlausnir geta komið okkur í og hvað er til ráða.

Þetta kvót hér að neðan er fulllangt en mér fannst það fanga alvarleika málsins mjög vel. Ef jafnvel ‘einföld’ eða ‘veik’ gervigreind samfélagsmiðla getur valdið slíkum usla á heimsvísu hvað gerist þá þegar við hleypum enn greindari lausnum út í þennan heim með markmið sem ekki eru ‘human compatible’…

“To get just an inkling of the fire we’re playing with, consider how content-selection algorithms function on social media. They aren’t particularly intelligent, but they are in a position to affect the entire world because they directly influence billions of people.

Typically, such algorithms are designed to maximize click-through, that is, the probability that the user clicks on presented items. The solution is simply to present items that the user likes to click on, right? Wrong.

The solution is to change the user’s preferences so that they become more predictable. A more predictable user can be fed items that they are likely to click on, thereby generating more revenue. People with more extreme political views tend to be more predictable in which items they will click on.

Like any rational entity, the algorithm learns how to modify the state of its environment — in this case, the user’s mind — in order to maximize it own reward.

The consequences include the resurgence of fascism, the dissolution of the social contract that underpins democracies around the world, and potentially the end of the European Union and NATO.

Not bad for a few lines of code, even it it had a helping hand from some humans. Now imagine what a really intelligent algorithm would be able to do.”

Þroskasaga nýrrar tækni

Og hver er þá niðurstaðan? Er hægt að kenna gervigreindinni um þetta? Er hún vondi kallinn?

Eða eru það illa hugsuð viðskiptamódel og markmið?

Eins og svo oft áður þá er varla skynsamlegt að kenna tólinu sjálfu um. Og viðskiptamódelið má kalla barn síns tíma. Því þyrfti að breyta.

Það mætti líklega líta á þetta sem kafla í þoskasögu nýrrar tækni.

Kafla sem við ætlum okkur að læra af.

Heimurinn er smám saman að átta sig á því að gervigreindartæknin er öflug og verður sífellt öflugri. Hún er komin til að vera og hafa áhrif á okkur öll. Þá er eins gott að við tryggjum að markmið hennar séu okkur hagstæð — ‘human compatible’ eins og Russel orðar það.

Það er verkefni næstu ára og krefst alþjóðlegrar samvinnu og aðkomu fólks með fjölbreyttan bakgrunn og skoðanir.

Þetta blogg birtist upphaflega á Linkedin

https://www.linkedin.com/pulse/%25C3%25BEroskasaga-n%25C3%25BDrrar-t%25C3%25A6kni-brynj%25C3%25B3lfur-borgar-j%25C3%25B3nsson/?trackingId=sq12Sr6VQcWA7iDfVb05IA%3D%3D

https://www.linkedin.com/pulse/%25C3%25BEroskasaga-n%25C3%25BDrrar-t%25C3%25A6kni-brynj%25C3%25B3lfur-borgar-j%25C3%25B3nsson/?trackingId=sq12Sr6VQcWA7iDfVb05IA%3D%3D