Það er ekkert launungarmál að Covid hafði gríðarmikil áhrif á okkur og lengst af árið 2020 voru ekki margir að velta mikið fyrir sér snjöllum gagnalausnum. Slíkar vangaveltur voru einfaldlega ekki efstar á blaði.
Continue reading
Datalab réði á dögunum til starfa tvo unga sérfræðinga, Bjarna Braga Jónsson (t.v.) og Ágúst Heiðar Gunnarsson (t.h.), en þeir hafa báðir nýverið lokið framhaldsmenntun erlendis með sérhæfingu í gagnavísindum.
Fersk sýn þeirra á möguleika Íslands í heimi stafvæðingar, þar sem fjórða iðnbyltingin er handan við hornið, er þeim hugleikin.
Gefum þeim orðið:
Byrjum á byrjuninni: Hver er ykkar bakgrunnur?
Bjarni: Ég er uppalinn í Vestmannaeyjum og fór svo í Verzlunarskólann á eðlisfræðibraut. Eftir Verzló fór ég í eðlisfræði í HÍ og tók hugbúnaðarverkfræði á sama tíma, sem sagt tvöfalt BS próf, sem ég lauk á fjórum árum. Meðfram náminu vann ég hjá Veðurstofunni og hjá Datamarket.
Þvi næst fór ég í meistaranám í ETH í Zurich í Sviss. Þar vann ég meðal annars að verkefni með Microsoft Research, sem snéri að því að herma skammtatölvur með vélnámi (e. machine learning).
Það var mikill spenningur í kringum þessi fræði og ég hálfpartinn sogaðist inn í þetta. Svo var ég að vinna í ráðgjafarfyrirtækjum Zurich þar sem ég vann ýmis gagnadrifin verkefni tengd fjármálageiranum, bæði í Zurich og á vegum þeirra í London.
Í þessum verkefnum var fókus á áhættustýringu. Þetta voru þung gagnamódel, miklar hermanir og svo framvegis. Þessi verkefni beindu mér líka inn á þessar brautir áfram. Svo kom ég heim núna í byrjun hausts og hóf störf hjá Datalab.
Varstu að leita færis á að komast heim?
Bjarni: Já, við kærasta mín vorum farin að huga að því að koma heim en covid gerði svo útslagið. En mér fannst líka svo margt spennandi að vera að gerast á Íslandi, ekki síst í frumkvöðlasenunni. Og mér finnst ég fá það allt staðfest hér í Grósku, í þessu húsi.
En þú, Ágúst? Hver er saga þín?
Ágúst: Já, ég ólst upp í Svíþjóð en fluttist 8 ára til Íslands, í Laugardalinn, og hef verið þar síðan. Ég fór í Verzló á viðskiptabraut, en fannst námið ekki nógu tölulegt fyrir mig, ef svo má segja, fann að ég vildi fara í aðra átt og endaði á því að fara í fjármálaverkfræði í HR.
Það nám snéri meira að tækni og forritun, sem höfðaði til mín. Svo útskrifaðist ég úr verkfræðinni 2017 og fór að vinna hjá Kviku eignastýringu. Ég starfaði þar sem sérfræðingur á rekstrar- og fjármálasviði fyrirtækisins. Þar fékk ég tækifæri til vera með nokkuð marga hatta og kynnast flestum hliðum félagsins. Mín helstu verkefni voru þó tengd viðhaldi og þróun á gagnainnviðum, auk þess sem ég var með nokkuð frjálsar hendur tengt verkefnum sem einfölduðu og sjálfvirknivæddu ýmsa handavinnu.
Það var einmitt þá sem ég fór að tengja meira við þessa gagnavísindanálgun, taka eftir gögnunum, þau voru úti um allt. En ég tók líka eftir hinu, þ.e. hversu margir voru ekki að nýta gögnin. Þau lágu bara þarna, risavaxnir netþjónar, fullir af gögnum og enginn var að nýta þau.
Ég fór að skoða meistaranám sem tengdist þessum heimi og valdi svo að lokum M.Sc. í Data Science í UCL í London. Ég kunni vel við mig þar, þetta var góð blanda af fræði og praktík. En svo kom covid og ég endaði að því að koma heim, eins og Bjarni.
Ert þú jafn upprifinn yfir stemningunni hér heima og Bjarni?
Ágúst: Já, ég held að það séu gríðarmörg tækifæri hérna. Það sem er þó mest spennandi ekki endilega að við séum komin svo langt, heldur að við getum átt þátt í að taka þessi fyrstu skref.
Sprotasenan er annars að springa út á Íslandi, finnst mér. Og það er eitthvað sem við eigum að sækjast eftir, Íslendingar; við erum vel menntuð þjóð, fámenn og hér er hár standard á hlutunum. Það á að vera frekar einfalt fyrir okkur að vera framarlega þegar kemur að frumkvöðlastarfi.
Hver eru ykkar áhugasvið eða sérhæfing í gagnavísindunum?
Ágúst: Sem stendur er ég meira í smíði lausna en ráðgjöf, og áhugasvið mitt liggur líka þar. Það sem mér finnst áhugaverðast í vinnunni er að skilja betur hvar íslenski markaðurinn stendur í gagnavæðingunni; hver er skilningurinn, hvaða möguleika sjá þau í þessari tækni?
Bjarni: Já, ég er algjörlega sammála þessu. Það er spennandi að fá innsýn í hvar fyrirtækin standa og hjálpa þeim að ýta þessum málum áfram og ná að skapa eitthvert virði úr gögnunum. Ef við náum því, þá er gaman.
Ég hef sjálfur ákveðna sérhæfingu áhættustýringu, sem mér finnst áhugaverð og hef almennt áhuga á að nýta þessa tækni meira í fjármálageiranum. En svo eru augu mín að opnast mikið núna fyrir möguleikunum í smásölunni.
Það eru alls konar spennandi tækifæri þar, bæði til að auka skilvirkni en líka til að sækja tekjur og styrkja viðskiptasambandið við kúnnann. Við erum að sjá aukna samkeppni frá útlöndum á öllum sviðum, sérstaklega í smásölunni.
Það er gott að hafa í huga að þessi erlendu fyrirtæki sem hafa tileinkað sér snjalltæknina geta boðið persónulega upplifun, þannig að viðskiptavinurinn upplifir að fyrirtækið þekki sig. Kannski eru íslensk fyrirtæki ekki alveg komin þangað, en við erum komin af stað. Þarna eru mikil tækifæri – íslensk fyrirtæki verða bara að fara þangað.
Ég er ekki viss um að komandi kynslóðir hengi sig endilega á það að versla við íslensk fyrirtæki af því þau eru íslensk.
Býður íslensk umhverfi upp á eitthvað forskot eða sérstöðu sem við getum nýtt okkur?
Bjarni: Já, ég held að það verði tækifæri til að þróa hluti hraðar hér en víða annars staðar. Erlendis eru skipuritin og valdastrúktúr miklu þyngri og flóknari. Við höfum til dæmis meiri aðgang að æðstu stjórnendum hér í okkar verkefnum heldur en væri mögulegt erlendis. Þetta flýtir fyrir þróuninni, keyrir verkefnin áfram.
En Íslendingar eiga líka möguleika í smásölunni, heimurinn er allur að minnka þar. Á næsta áratug mun bankageirinn til dæmis riðlast mikið, markaðir eru að opnast og renna saman. Bankarnir hér þurfa að gíra sig upp og undirbúa sig vel fyrir það.
Hvernig fer vinna ykkar fram? Hvaða aðferðir og tól eruð þið að nota?
Ágúst: Mesta forritunin hjá okkur fer fram í Python og R. Fyrir þessi forritunarmál er til ógrynni af tólum sem hjálpa okkur að smíða lausnir. Hvað varðar gagnainnviði fer það nokkuð eftir viðskiptavinum. Skýjalausnir eru að verða nokkuð algengar hjá íslenskum fyrirtækjum og við smíðum þá lausnina með hliðsjón af því sem er búið að innleiða hjá hverjum og einum, hvort sem það er Azure, AWS eða önnur lausn. Öll þessi tól sameinast svo í því sem við köllum gagnasmiðjur, sem á ensku er kallað Data Science and Machine Learning platforms.
Smiðjan sem við notum kallast Dataiku sem er nokkurs konar platform sem sameinar alla þætti þess að vinna gagnaverkefni. Þar höfum við allt gagnastreymið og kóðana á einum stað, og alla vinnslu á gögnum. Þú færð ótrúlega þægileg myndræna yfirsýn yfir allt sem þú ert að gera, sem er mikilvægt þegar þú ert með risaverkefni og gagnastreymi úr mismunandi áttum. Þetta gerir allt utanumhald um verkefnið miklu auðveldara.
Hvað er er á döfinni hjá Datalab þessa dagana?
Bjarni: Við erum núna í nokkrum Vegvísum [stefnumótunarvinna í snjallvæðingu, innskot höfundar] með fyrirtækjum og stofnunum, þar sem við erum að kortleggja tækifærin sem eru til staðar.
Ég held að slík vinna sé mikils virði fyrir báða aðila. Við fáum tækifæri til að tala við mjög marga innan fyrirtækjanna, sem er mjög mikilvægt því oft eru þessi tækifæri þvert á svið og deildir, og þú kemur ekki endilega auga á þau þegar þú ert í miðju fyrirtækinu.
Í kjölfarið koma fram verkefni sem spretta upp úr þessari grunnvinnu. Þetta eru nokkurs konar prufuverkefni (e. proof of concepts) til að koma þeim inn á gagnabrautina og taka fyrstu skrefin. Við kortleggjum tækifærin í Vegvísinum og skilgreinum í framhaldi af því fyrstu verkefnin.
En svo erum við þegar í vinnu með nokkrum fyrirtækjum og höldum þeirri vinnu áfram. Ég var sjálfur að vinna fyrir ráðgjafarfyrirtæki úti í Sviss og nú erum við í samstarfi við það varðandi gagnaverkefni fyrir tryggingafélag. Einnig erum við í viðræðum við orkufyrirtæki þar úti, þannig að það er ýmislegt á prjónunum.
Ágúst: Varðandi áframhaldið, hvar við sjáum tækifærin í gervigreindinni, þá held ég það það séu bankarnir. Það eru þeir sem ættu að stökkva á þetta, ef einhverjir. Á síðustu árum hafa orðið straumhvörf í því hvernig þjónusta frá banka er veitt. Útibú eru varla til lengur, þú ert ekki lengur með þinn þjónusturáðgjafa sem þú ferð til, það er allt búið.
Ég held að bankarnir verði að átta sig á því að þegar þessi útibú eru að hverfa og persónulega þjónusta er að fara sömuleiðis, þá má það ekki verða þannig að fólki finnist þjónustan verða verri, að bankinn sé bara hættur að veita fólki þjónustu.
Af hverju er ekki bara búið að sjálfvirknivæða þessa persónubundnu þjónustu? Það er óumflýjanlegt skref. Viðskiptavinum bankans þarf að finnast þeir ennþá vera viðskiptavinir bankans þó þeir séu ekkert að fara í útibúið.
Bankarnir henta bara almennt svo augljóslega vel í svona verkefni. Þeir eru sennilega gagnadrifnasta tegund fyrirtækja sem til er. Þetta er kjarninn í því sem bankinn gerir, sama hvaða deild þú ert að skoða, að taka ákvarðanir út frá gögnum – hvort sem það er ákvörðun um að selja eða kaupa hlutabréf, veita lán eða ekki, eða hvað sem það er. Þetta eru allt ákvarðanir sem byggja á gögnum, þannig að þetta er rakið dæmi fyrir þá.
En þessi stafræna umbylting virðist vera á öllum sviðum, eða hvað?
Ágúst: Já, það nefnilega málið, það er mjög víða vera að stafvæða þjónustu og afgreiðsluferla. Tökum sem dæmi smásöluna: Ef fatabúðin þín er bara netverslun þá er mér persónulega alveg sama hvort hún er íslensk eða bresk. Það er annað mál ef ég fer í verslunina og fæ þar persónulega þjónustu.
Og það er það sama með bankana – ef ég er hættur að fara í útibúið og það kemur einhver spútnik netbanki þá hika ég ekki við að skipta ef hann býður mér eitthvað betra. Ég tala ekki um ef þú færð á tilfinninguna að bankinn þekki þig – og núverandi banki gerir ekki einu sinni tilraun til að þykjast þekkja þig. Hollustan minnkar hratt ef þér finnst þú ekki vera að fá þá þjónustu sem þú ætlast til.
Ef við horfum aðeins lengra, kannski 5-10 ár fram í tímann, hvernig verður hið stafræna landslag á Íslandi?
Ágúst: Ég held að þau fyrirtæki á Íslandi sem eru í samkeppni við önnur sem nota gervigreind muni annað hvort taka skrefið líka eða lenda annars illa í því. Það verður hraðari þróun hjá þannig fyrirtækjum á meðan önnur eru ekkert að stressa sig á þessu.
Bjarni: Ég held að þau fyrirtæki sem tileinka sér ekki þessa tækni muni lenda hratt í vandræðum gagnvart fyrirtækjum sem eru þegar búin innleiða hana og komin af stað. Ég hef pínu áhyggjur af þeim fyrirtækjum sem munu vakna upp við vondan draum þegar samkeppnisaðilinn er búinn að kveikja á gervigreindinni og kominn vel af stað – ætlarðu þá að byrja?
Er ekki mikilvægt bara að byrja vegferðina, taka einhver fyrstu skref?
Bjarni: Algjörlega. Þau fyrirtæki hérlendis sem eru í samkeppni við erlend fyrirtæki sem eru nú þegar hér á markaðnum munu finna vel fyrir þessu. Hinir stóru, erlendu risar munu innleiða tæknina hratt á næstu árum – þá er eins gott fyrir íslensk fyrirtæki að hafa tekið fyrstu skrefin. Þetta á við um alla geira; fjármálafyrirtækin, smásöluna alla – því hún er að færast á netið – tryggingafyrirtækin, nefndu það.
Hvað með opinbera geirann? Hvar eru tækifæri fyrir ríkið til þess að sjálfvirknivæða?
Bjarni: Ég held að það sé líka tækifæri þar úti um allt. Fyrsta skrefið þar er að koma skikki á gögnin. Það liggur gríðarlega mikið magn gagna hjá stofnunum ríkisins, en það þarf að samþætta kerfi, og nýta gögnin grimmt til að auka skilvirkni.
Ágúst: Ég held að tækifærið í opinbera geiranum liggi í því að lágmarka sóun og fá betri yfirsýn yfir hvert skattpeningarnir fara, hverju eru þeir að skila okkur.
Bjarni: Þetta snýr líka að upplýsingum til almennings, gera þær aðgengilegri. Og þetta snýr líka að atvinnulífinu. Við getum tekið dæmi af fasteignamarkaðnum: Þar er verið að henda skjölum á milli aðila og enginn hefur yfirsýn fyrr en allt birtist í einu, seint og um síðir, eins og til dæmis hvað varðar upplýsingar um byggingarmagn sem er að koma inn á markaðinn hverju sinni.
Þú verður að hafa þessar upplýsingar aðgengilegar, því annars geta hagsmunaaðilar stjórnað umræðunni, sbr. þessar talningar hjá Samtökum iðnaðarins, sem eru í sjálfu sér góðra gjalda verðar.
Við ættum líka að stefna á persónulegri þjónustu og leiðsögn í gegnum kerfið. Stafræn umbylting er að eiga sér stað hjá hinu opinbera, en þá verður gervigreindin að koma á móti, líkt og hjá bönkunum.
Ágúst: Það er ótrúlegt hversu mikil pappírsvinna er enn í gangi í mörgum stofnunum. Það er makalaust að þú þurfir að ganga bókstaflega á milli húsa með einhver pappírsgögn. Það er jafnvel verið að faxa skjöl á milli stofnana.
Ég hélt þetta væri búið fyrir 30 árum, en þetta er enn gert á mörgum stöðum. Annað hvort er ekki búið að uppfæra regluverkið eða tæknina sem er í kringum þetta. Hringlið með kjörseðlana í síðustu kosningum er annað dæmi.
Bjarni: Ég held að það séu einmitt mikil tækifæri í kringum alla þessa pappírsvinnu, en við erum samt mörgum árum á undan þjóðum eins og Sviss. Það kom mér dálítið á óvart. Þar er það bara pappírinn sem gildir, allt snýst um gamla, góða póstinn. Að mörgu leyti erum við því komin með mjög góðan grunn á Íslandi.
Ágúst: Við erum kannski ekki á eftir en það munu fleiri tækifæri opnast núna þegar þessi tækni verður sjálfsagðari, þegar ferlin verða almennt orðin rafræn. Við höfum náttúrulega séð ótrúlega mikla þróun á síðustu árum, til dæmis hvað varðar rafrænar undirskriftir.
Bjarni: Nú þegar ákveðinn grunnur er kominn þá er hægt að halda hratt áfram inn í framtíðina.
Sjáið þið einhverjar samfélagslegar hættur af snjallvæðingunni?
Bjarni: Jú, við þurfum til dæmis að passa okkur á að kóða ekki inn kerfisbundnu skekkjurnar sem þegar eru inni í módelunum okkar án þess að við gerum okkur grein fyrir því. Dæmi um það væri að einhver fengi ekki lánað af því hann ætti heima á einhverju ákveðnu svæði eða væri af ákveðnum kynþætti.
Ég vann verkefni fyrir banka í Sviss þar sem við vorum að meta líkur á vanskilum og þá sáum við að það voru ákveðin svæði sem voru varasöm. Þá er það orðin siðferðisleg spurning hvort þú ætlar að kóða slíkar upplýsingar inn í módelið þitt.
Við þurfum að vera vakandi fyrir alls kyns svona atriðum. Þú getur ekki bara verið að kafa í gögn og kóða og gleymt félagslega þættinum.
Ágúst: Einmitt. Önnur siðferðileg spurning snýr að umbyltingu vinnumarkaðarins á næstu árum. Hvaða félagslegu afleiðingar hefur það að sjálfvirknivæða verkefni sem áður voru hluti af starfi einhverrar manneskju? Hvað verður um fólkið sem er sinna handavinnunni sem verður kannski ekki handvirk lengur?
En ég held að þetta verði ekki svo mikið spurning um að fólk missi vinnuna heldur að við getum þá beint kröftum fólks í verðmætari vinnu, frekar en að eyða tímanum í leiðinleg rútínuhandtök.
Það hlýtur að þurfa að endurmennta stóran hluta vinnuaflsins?
Ágúst: Já, ég held að það sé óumflýjanlegt. Það er svo sem eðlilegt að einhverjir líti neikvæðum augum á þessa tækni ef þeir eru hræddir um að missa vinnuna, það þarf bara að taka þessa umræðu.
Bjarni: Við höfum þó ekki orðið varir við neikvæðni starfsmanna í okkar verkefnum. Það er miklu frekar að fólk sé spennt fyrir þessum breytingum og fólkið á gólfinu er jafnvel er búið að kynna sér þetta mjög vel.
Hvað hefur komið ykkur mest á óvart síðan þið komuð heim?
Bjarni: Það hefur komið mér mest á óvart að finna hvað markaðurinn er bara rosalega tilbúinn í þessa vegferð. Það eru einhver straumhvörf núna. Markaðurinn bara öskrar á þessar lausnir.
Við erum á mjög áhugaverðum tímapunkti núna. Það er svo mikil orka í gangi og ég hef sjálfur ekki upplifað svona stemningu í þeim fyrirtækjum sem ég hef verið að vinna fyrir úti. Það eru allir að kveikja á þessu á sama tíma – kannski er það Covid sem er hefur hleypt þessu af stað.
Ágúst: Ég er sammála með hraðann í þróuninni. Íslenska smæðin skiptir líka máli, þetta þétta samfélag okkar. Við fylgjumst vel með því sem næsti maður er að gera og það er mikil samanburður og samkeppni. Ísland er lítið samfélag og þegar umræðan fer af stað af einhverri alvöru, þá gerast hlutirnir hratt.
Við megum ekki lenda á eftir núna, hugsa konur og menn, það eru allir í kringum okkur komnir af stað.
Við verðum að stökkva með.
HJÞ.
Í dag eru flest fyrirtæki og stofnanir á einhvers konar stafrænni vegferð, sem snýr að því að nota stafræna tækni til að færa ferla, vörur og þjónustu nær kröfum nútímans.
Hið næsta, rökrétta skref, er að nýta hin miklu gagnasöfn sem stafræna tæknin framleiðir og aðferðir gagnavísinda og gervigreindar og taka stökkið á næsta stig, það er að nýta gervigreindartækni til að auka sjálfvirkni og bæta ákvarðanir í rekstrinum. En gervigreind og snjallar gagnalausnir eru framandi tækni og fá fyrirtæki hafa spreytt sig á slíkri vegferð.
Fyrirmyndir og fordæmi eru því fá – hvernig fer slík vinna fram? Hvernig er slík innleiðing framkvæmd, skref fyrir skref?
Sérfræðingar Datalab hafa öðlast mikla reynslu á undanförnum árum við að þróa og innleiða snjalllausnir í íslenskum fyrirtækjum. Þessi reynsla hefur gefið Datalab tækifæri til að slípa aðferðafræði sína til þannig að sem bestur árangur náist.
Í þessari grein verður gert nánari grein fyrir nálgun Datalab – skref fyrir skref.
Er fyrirtæki þitt tilbúið fyrir gervigreindarbyltinguna? Hjá DataLab starfa sérfræðingar á sviði hagnýtingar gagna í snjöllum lausnum sem m.a. aðstoða við stefnumótun, fræðslu og leiðsögn vegna hagnýtingar slíkra lausna. Hafðu samband og fáðu stutta kynningu á möguleikum gagnadrifinna og snjallra lausna þér að kostnaðarlausu.
Aðferðarfræði Datalab má setja fram sem vegferð í þremur áföngum. Fyrsti áfanginn felst í skilgreiningu og afmörkun verkefnis ásamt vali á tilraunaverkefnum; í öðrum áfanga eru 2 tilraunaverkefni keyrð af stað og í síðasta áfanga eru snjalllausnir innleiddar og skalaðar heilt yfir rekstur fyrirtækisins og framtíðarfyrirkomulag útfært. Til grundvallar á vegferðinni eru þrjú leiðarljós; tæknileg geta, almennur skilningur og stefna sem styður.
Fyrsta skrefið á vegferðinni er að hefja markvisst samtal um hvernig gagnadrifnar og snjallar lausnir geti komið að gagni í starfseminni.
Aðferðin felst í ítarlegu stöðumati og úttekt á umhverfi, markaði og skipuheildinni sjálfri.
Markmið er að komast að kjarna málsins; að sérfræðingar Datalab öðlist djúpan skilning á aðstæðum og markmiðum og hvaða þættir skipta mestu máli – og á hinn bóginn, að fulltrúar viðskiptavinarins öðlist góðan skilning á möguleikum gervigreindar og við hverju megi búast á vegferðinni framundan.
Kjarni málsins er settur fram í stefnu og aðgerðaráætlun um hagnýtingu gagnalausna.
Framvindan er í fjórum skrefum sem hér segir:
A. Fræðsla
Fyrsti áfanginn hefst á fræðslufyrirlestri um gagnadrifnar lausnir og gervigreind fyrir þátttakendur í verkefninu og aðra sem boðið er til fræðslunnar.
Fjallað er almennt um hvernig megi hagnýta gögn með gervigreindina að vopni, hvaða möguleikar eru fyrir hendi og dæmi tekin úr íslenskum sem erlendum veruleika.
Þá er verkefnið framundan kynnt rækilega, næstu áfangar og við hverju megi búast.
Tilgangurinn er að tryggja að allir þátttakendur hafi góðan skilning á viðfangsefninu, draga hugmyndir þeirra og sjónarmið fram og að veita þeim tækifæri til að hafa áhrif á næstu skref.
Lögð er áhersla á að tengja efnistök við innra og ytra umhverfi fyrirtækisins og íslenskan veruleika. Fyrirlesturinn höfðar til fólks með fjölbreyttan bakgrunn og reynslu svo hægt sé að sækja hugmyndir og tillögur sem víðast.
B. Samtöl
Næsta skref er að taka viðtöl við 1-2 starfsmenn á hverju sviði. Miðað er við að heildarfjöldi viðmælenda sé um 10 manns með fjölbreyttan bakgrunn.
Meðal umfjöllunarefna í viðtölunum má nefna:
C. Stöðumat og kortlagning
Þegar viðtöl hafa farið fram er unnið úr þeim og niðurstöður teknar saman þar sem dreginn er fram kjarninn sem í þeim birtist. Niðurstöðurnar, auk annarra mikilvægra upplýsinga, eru nýttar til að leggja fram stöðumat, og greina helstu tækifæri og áskoranir.
Út frá þessari vinnu eru svo úrbótaverkefni kortlögð í samstarfi við stýrihóp viðskiptavinar og mat lagt á mögulegan ávinning og kostnað. Að lokum eru 2 þróunarverkefni (Proof of Concept) valin og útfærð.
Að þessum hluta loknum hefur mótast skýr mynd af þeim tækifærum og áskorunum sem framundan eru, og fyrstu úrbótaverkefnin hafa verið valin og skilgreind.
D. Stefna og aðgerðaáætlun
Áfram er unnið með niðurstöður úr fyrri verklotum og þær tengdar við strauma og stefnur á sviði gagnavísinda og gervigreindar. Nú er orðið tímabært að setja niður stefnu um hagnýtingu gagna og gervigreindar, sem er gert í nánu samráði við stýrihóp.
Stefnan varðar veginn áfram og er leiðarljós við val á næstu snjallverkefnum og öðrum umbótaverkefnum sem þarf að ráðast í samhliða.
Stefna og aðgerðaáætlun til næstu 1-2 ára er að lokum kynnt fyrir stjórnendum og öðrum sem málið varðar. Þau verða veginn áfram.
Ávinningur og afurðir 1. áfanga
Helsti ávinningur þessa fyrsta áfanga er vandaður undirbúningur fyrir næstu skref á vegferðinni, sem styðjast við markmið og áherslur fyrirtækisins. Án vandaðrar grunnvinnu er hætt við að verkefnin nái ekki árangri, enda margt sem getur farið úrskeiðis á vegferðinni.
Í öðrum áfanga fer vinna við fyrstu verkefnin af stað. Tvö vel valin tilraunaverkefni eru keyrð í gegn, og sérfræðingar Datalab þróa og innleiða frumútgáfur lausna á 12 vikum (sjá mynd fyrir neðan).
Á þessu stigi er grunnur lagður að tæknilegum innviðum og dýrmætri reynslu safnað sem mun nýtast í næsta áfanga. Hér skapast einnig góðar forsendur til að kynnast tækninni vel og sýna fram á mögulegan ávinning af hagnýtingu hennar.
Framvindu tilraunverkefnanna með lýsa í sjö skrefum:
Ávinningur og afurðir
Mikill lærdómur hefur safnast eftir þennan áfanga og er það helsta niðurstaða og ávinningur hans. Hann nýtist vel í næsta áfanga og er reyndar forsenda þess að framhaldið verði farsælt.
Afurðirnar sem áfanginn skilar eru frumgerðir tveggja (að öllu jöfnu) gagnadrifinna og snjallra lausna. Nú hefur skipuheildin fengið smjörþefinn af því hvernig snjallar gagnalausnir eru innleiddar, hvaða hindranir kunna að vera í veginum og hvaða möguleikar fleiri eru fyrir hendi til nýtingar tækninnar.
Í þriðja áfanga er svo komið að innleiðingu lausnanna og skölun þeirra. Þá eru teknar ákvarðanir um framtíðarfyrirkomulag snjallverkefna.
Lagt er mat á reynslu undanfarinna mánaða sem verður grundvöllur áframhaldandi aðgerða. Unnið er samkvæmt stefnu og aðgerðáætlun en hún uppfærð með hliðsjón af þeim lærdómi sem hefur safnast og árangri úrbótaverkefna.
Tilraunafasinn er að baki og fókusinn færist yfir á raunverulega hagnýtingu lausnanna í rekstrinum og frekari þróun þeirra.
Á þessu stigi einnig tímabært að huga að framtíðarfyrirkomulagi snjallvæðingar og veita sérfræðingar DataLab leiðsögn þar um.
Ávinningur og afurðir
Í þessum áfanga hafa gagnadrifnar snjalllausnir, sem styðja við stefnu fyrirtækisins, verið innleiddar og hagnýttar í starfseminni.
Fyrirkomulag þróunar og reksturs gagnalausna er nú í föstum farvegi og fyrirtækið hagnýtir lausnir sem bæta upplifun viðskiptavina, auka sölu, sjálfvirknivæða ferla eða draga úr áhættu, óvissu og sóun.
Sérfræðingar Datalab hafa öðlast mikla og dýrmæta reynslu í innleiðingu snjallra gagnalausna í íslenskum fyrirtækjum og stofnunum. Reynsluna hefur Datalab nýtt til að þróa og slípa verklag í þremur áföngum sem að ofan er lýst. Ýmislegt getur farið úrskeiðis þegar innleidd er ný tækni sem hefur áhrif á vinnuferla og menningu, og því mikilvægt að vanda til allrar grunnvinnu, og byggja næstu skref ávallt á þeim lærdómi sem hefur skapast í fyrri skrefum.
Innleiðing snjallra gagnalausna: 4 öngstræti og 4 leiðir út úr þeim
Hefjumst handa við snjallvæðinguna!
5 þroskastig snjallvæðingar – hvar er þitt fyrirtæki statt?
Stefna um gervigreind: 7 lykilþættir við innleiðingu gagnadrifinna snjalllausna
Það er eðlilegt að gera kröfur um sannanlegan ávinning, fjárhagslegan eða annars konar, þegar fjárfest er í nýrri tækni, tækjum og þekkingu. Þegar hefðbundnar hugbúnaðarlausnir eru annars vegar er þetta oft fremur einfalt reikningsdæmi. Útreikningur á arðsemi fjárfestinga í gervigreindar- og gagnalausnum er yfirleitt töluvert snúnari.
Samkvæmt könnun MIT og Boston Consulting Group frá 2020 sögðust aðeins 10% fyrirtækja hafa uppskorið umtalsverðan fjárhagslegan ávinning af snjallverkefnum sínum. Önnur könnun leiddi í ljós að 79% fyrirtækja sem sjá enga arðsemi eða jafnvel tap af sínum verkefnum eru ekki með kerfi eða ferla til að mæla árangur af slíkum verkefnum.
Spurningin vaknar því: Er vandinn fólginn í flókinni tækni í þróun eða kunnáttuleysi við að skilgreina mælikvarða?
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.
Í sínu einfaldasta formi er arðsemi fjárfestingar (e. return on investment, ROI) hlutfall þar sem ágóði er veginn á móti upphaflegri fjárfestingu [ágóði/fjárfesting].
Yfirleitt fellur kostnaður til við upphaf verkefnis en arðsemin eða afraksturinn kemur fram í ótilgreindri framtíð. Í öllu falli er mun meiri óvissa um hvenær ágóði fellur til en kostnaðurinn. Hugsunin er því einföld, en útfærslan er það ekki alltaf.
Beina arðsemi (e. „hard“ ROI) má rekja til þessara helstu þátta:
Meiri framleiðni: Snjalllausnir geta bætt og flýtt ákvarðanatöku sem eykur framleiðni starfsmanna. Þessi framleiðniaukning getur ýmist orðið til vegna meiri skilvirkni (verkum lýkur hraðar) eða með betri ákvörðunum.
Sparnaður: Tímasparnaður og meiri framleiðni getur í sumum tilfellum þýtt að færra fólk þarf til að vinna verk af sama magni, sem felur í sér sparnað.
Þetta er þó alls ekki gefið: Ef tími sem tekur að vinna tiltekið verk er styttur um 20% á starfsmaður oft auðvelt með að finna önnur verkefni til að fylla upp í gatið – ef sparnaðurinn er 80% eða meira er hins vegar auðveldara að ráðast í hagræðingaraðgerðir.
Tekjuaukning: Snjallar lausnir eins og meðmælakerfi geta sannarlega aukið tekjur, eins og Domino’s á Íslandi, viðskiptavinur Datalab, hefur sannarlega sýnt.
Sem fyrr segir reynist mörgum fyrirtækjum erfitt að sýna fram á hreina arðsemi af fjárfestingum sínum í snjöllum gagnlalausnum.
Það er ekki til að einfalda myndina að þegar fyrirtæki raunverulega uppskera af snjallverkefnum sínum eru þau hikandi við að opinbera sínar tölur, sérstaklega ef verkefnin gætu skilað forskoti á markaði.
Hér eru fleiri vandkvæði við arðsemisútreikninga:
Það er ekki til nein ein algild regla til að reikna út arðsemi fjárfestingar gervigreindar. Oft er verið að leysa vandamál sem ekki hafa verið leyst áður, þannig að enginn samanburður er fyrir hendi.Mörg fyrirtæki eru með slíka útreikninga í stöðugri þróun.
Annars staðar er slíkum útreikningum ýtt til hliðar eða beinlínis sleppt vegna óvissunnar. Stundum liggur ekki fyrir hverju verkefnið skilar verður og hvernig eða hvort það muni hafa áhrif á tekjur eða kostnað.
Þá getur verið snúið að greina nákvæmlega hvað má rekja til hvers. Þetta á sérstaklega við um stærri mælikvarða eins og hagnað fyrirtækisins eða heildarkostnað.
En auðvitað er þetta ekkert sérvandamál í gervigreindartækni: Disney+ opnaði í nóvember 2019 og safnaði fljótt 95 milljónum áskrifenda – var það vegna snjallrar markaðssetningar eða eitthvað sem Covid-19 færði fyrirtækinu upp í fangið? Markaðsfólk á einmitt mjög oft erfitt með að sýna fram á arðsemi sinna aðgerða, ekki síst dýrra vörumerkjaherferða.
Gervigreind getur bætt ákvarðantöku, þannig að færri mistök séu gerð, straumlínulagað ferla og laðað að hæft starfsfólk. Þetta eru eru allt dæmi um ávinning sem er mikils virði en oft erfitt að reikna til tekna eða minni kostnaðar.
Snjallverkefni geta líka leitt af sér fleiri snjöll umbótaverkefni eða nýjar vörur, sem engum hafði hugkvæmst áður.
Nánar um þetta neðar.
Til að ná til baka kostnaði við gagnaundirbúning, innleiðingu nýrra tæknilausna og þjálfun starfsmanna, og byrja að uppskera mælanlegan ávinning þarf skipuheildin að ná ákveðnum snjallþroska.
Það tekur tíma að stilla saman fólk, ferla og nýja tækni. Að sama skapi þarf að gefa snjöllum lausnum tíma til að sanna sig. Mikilvægast er að byrja rétt; finna hentug verkefni sem styðja við stefnu skipuheildarinnar, finna eða framleiða gögn sem nauðsynleg eru og gera þau tæk til úrvinnslu.
Svo þarf að þróa og fínstilla reikniritin og bíða eftir að þau læri á gögnin og geri sér mat úr þeim. Þetta tekur allt tíma. Upphafsfjárfestingin getur verið töluverð en hún þarf tíma og skölun til að skila ágóða.
Það getur tekið 1,5 – 2 ár fyrir meðalstórt fyrirtæki að ná núllpunkti fyrir fjárfestingar sínar, áður en arðsemi fer að mælast.
Það er erfitt að rekja stórar sveiflur í rekstrinum eins og meiri hagnað eða minni rekstrarkostnað beint til gagnalausna, sem fyrr segir. Til að fyrirtæki nái árangri með sinni snjallvæðingu þurfa þau að taka ýmsa ferla og samskiptaþætti í gegn.
Snjallverkefni krefjast oft samvinnu þvert á deildir. Þau hafa gjarnan í för með sér öflugt gæðastarf og nákvæmari vinnubrögð, sannkallaða gagnamenningu. Slíkar umbreytingar geta bætt reksturinn í sjálfu sér með hagræðingu, nákvæmari ferlum og betri menningu – og skilað hagnaði, sem verður ekki rakið til gervigreindar einnar saman.
Ein leið til að tryggja að snjallverkefnið hafi mælanleg viðmið um árangur er að velja viðfangsefni eða vandamál þar sem í gangi er lausn sem nýtir ekki gervigreind og þegar er verið að mæla og rekja árangur hennar.
Það þarf að líta á þessar lausnir eins og hvaða tækni sem er: Það þarf að vera skýr tilgangur og markmið með innleiðingunni. Þá fyrst er hægt að setja niður mælikvarða til að fylgjast með árangri.
Gagnlegt er að svara spurningum eins og:
Það er mikilvægt að hafa í huga að þótt að snjallverkefni geti sparað tíma og peninga krefjast þau oft töluverðrar fjárfestingar. Það er því ekki gefið að það leiði endilega til sparnaðar.
Líklegra er að árangurinn mælist til dæmis fremur í bættri þjónustu, nýju vöruframboði eða aðgreiningu á markaði. Þetta þarf að vega og meta saman.
Óbein arðsemi (e. „soft„ ROI) lítur til þátta sem ekki er hægt að meta til fjár með beinum hætti, en skapar virði fyrir fyrirtækið engu að síður.
Þetta eru þættir eins og
Vænlegt til árangurs er að skilgreina strax í upphafi, áður en ráðist er í verkefnið, hvaða mælikvarðar verða notaðir til að meta árangur. Skilgreinið markmið og takið gögn um grunnstöðu áður en hafist er handa. Takið svo stöðuna reglulega.
Ef góðar mælingar og gögn eru fyrir hendi er oft hægt að meta þær til fjárhagslegs ávinnings, þótt síðar verði.
Það er skynsamlegt fyrir stærri fyrirtæki að gera einn aðila ábyrgan fyrir árangursmælikvörðum. Sá hinn sami heldur þá utan um allar mælingar og kynnir fyrir framkvæmdastjórn reglulega.
Þetta tryggir að önnur svið sjái mælanlegan árangur og áhugi á tækninni kvikni víðar í fyrirtækinu.
Núll-punktur verkefnis liggur þar sem afrakstur þess jafngildir fjárfestingunni. Þegar fyrir liggur hversu mikið fyrirtækið vonast til að spara með verkefninu er fyrst hægt að ákveða hversu miklu má verja í verkefnið.
Með því að láta sparnað í rekstri stjórna upphaflegri fjárfestingu er hægt að byrja að áætla hvenær núll-punktinum er náð.
Það er ýmsum vandkvæðum bundið að leggja mat á arðsemi fjárfestinga í gervigreind og snjöllum gagnalausnum. Til þess eru ýmsar ástæður, meðal annars að tæknin er enn í þróun og erfitt getur verið að rekja árangur beint til snjallvæðingar fremur en almenns gæðastarfs sem fylgir slíkum verkefnum.
Eitt er ljóst: Enda þótt erfitt sé að sýna fram á eða mæla arðsemi af snjöllum gagnalausnum er það ekki góð ástæða til að fjárfesta ekki í þeim. Það felst þvert á móti mikil áhætta í því að standa á hliðarlínunni og taka ekki þátt í byltingunni sem fram undan er.
4 Ways That You Can Prove ROI From AI
Brynjólfur Borgar Jónsson, forsprakki DataLab, mætti hundblautur í Origo stúdióið eitt föstudagseftirmiðdegi snemma sumars. Hann kom þangað hjólandi frá höfuðstöðvum DataLab í miðbænum í einni mestu hellidembu ársins en lét það ekki á sig fá og settist niður með Svövu Kristinsdóttur umsjónarmanni ‘Tæknilega séð’ til að spjalla á léttu nótunum um þau gríðarmörgu tækifæri sem felast í gervigreind fyrir fyrirtæki og stofnanir.
Hægt er að hlusta á Origo hlaðvarpið á Spotify eða bara fara á heimasíðu hlaðvarpsins.
Þau fara vítt og breitt um sviðið og ræða m.a. stöðuna og tækifærin til að hagnýta gervigreind hér heima, þróun tækninnar almennt og velta upp ýmsum álitamálum sem tengjast hagnýtingu hennar. Bakgrunnur Brynjólfs í bransanum og sagan á bakvið DataLab koma líka til tals.
Rúmlega klukkutíma spjall og þegar út var komið var hætt að rigna og Brynjólfur gat hjólað þokkalega þurr inn í helgina.
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?
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.
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 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.
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.
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
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.
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?
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.
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.
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.
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.
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).
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.
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.
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.
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 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)
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.
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.
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
ZDNet McDonald’s wants to ‘democratise’ machine learning for all users across its operations
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.
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.
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.
Greina má snjallþroska fyrirtækja gróflega í fimm stig; könnun, tilraunir, innleiðingu, skölun og umsköpun (sjá mynd fyrir neðan).
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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?
The CIO’s Guide to Artificial Intelligence – Smarter With Gartner
Getting to the Next Phase of AI Maturity (While Reducing Costs and Driving Value)
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
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.
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.
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.
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.
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.
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
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:
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.
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 Spotify, Youtube, Netflix 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.
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.
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.
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.
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.
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.
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.