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

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

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

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

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

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

HELSTU PUNKTAR TIL AÐ TAKA MEÐ:

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

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

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

1. ÁFANGI: SKILGREINING OG AFMÖRKUN

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

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

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

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

Framvindan er í fjórum skrefum sem hér segir:

A. Fræðsla

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

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

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

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

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

B. Samtöl

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

Meðal umfjöllunarefna í viðtölunum má nefna:

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

C. Stöðumat og kortlagning

Ítarlegt stöðumat og vönduð greiningarvinna er forsenda markvissrar stefnu og aðgerðaáætlunar

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

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

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

D. Stefna og aðgerðaáætlun

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

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

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

Ávinningur og afurðir 1. áfanga

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

2. ÁFANGI: TVÖ TILRAUNAVERKEFNI

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

Gagnalausnir eru þróaðar í svokölluðum sprettum sem taka um 12 vikur

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

Framvindu tilraunverkefnanna með lýsa í sjö skrefum:

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

Ávinningur og afurðir

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

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

3. ÁFANGI: INNLEIÐING OG SKÖLUN

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

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

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

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

Ávinningur og afurðir

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

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

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

SAMANTEKT

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

LESTU MEIRA:

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

Hefjumst handa við snjallvæðinguna!

5 þroskastig snjallvæðingar – hvar er þitt fyrirtæki statt?

Stefna um gervigreind: 7 lykilþættir við innleiðingu gagnadrifinna snjalllausna

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

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

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

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

HELSTU PUNKTAR TIL AÐ TAKA MEÐ:

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

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

Mynd: Yuliia Chyzhevska í gegnum Canva Pro

HVAÐ ER ARÐSEMI FJÁRFESTINGAR?

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

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

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

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

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

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

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

Útreikningur á arðsemi gervigreindarlausna getur verið höfuðverkur

NOKKUR VANDKVÆÐI VIÐ ÚTREIKNING Á ARÐSEMI

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

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

Hér eru fleiri vandkvæði við arðsemisútreikninga:

Óvissa og erfiður samanburður

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

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

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

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

Ekki er allur ávinningur mælanlegur

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

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

Nánar um þetta neðar.

Ávinningur snjallvæðingar er til langs tíma

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

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

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

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

Engin algild aðferð er til sem mælir arðsemi gervigreindarverkefna

Snjallvæðing felur í sér almennt umbótastarf

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

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

NOKKRAR LEIÐIR TIL AÐ META ÁVINNING OG ARÐSEMI GAGNALAUSNA

Skilgreina vel hina viðskiptalegu áskorun

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

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

Gagnlegt er að svara spurningum eins og:

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

Óbein arðsemi gagnalausna skiptir máli

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

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

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

Þetta eru þættir eins og

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

Skilgreina mælikvarða strax í upphafi

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

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

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

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

Skilja hvar núll-punktur verkefnis liggur

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

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

AÐ LOKUM

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

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

LESTU MEIRA UM ARÐSEMI SNJALLVÆÐINGAR:

Measuring ROI for AI Efforts

4 Ways That You Can Prove ROI From AI

How to measure the ROI of AI

Defining and measuring return on investment for AI

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

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

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.