Når Sparebank 1 Forsikring utforsker å ta i bruk KI, mener de tillit, kompetanse og veloverveide beslutninger er oppskriften for å lykkes.

– Når det kommer til kunstig intelligens er vi nok fortsatt på utforskerstadiet, ja. 

Det forteller Karolina Lindqvist og Hanne Beate Randgaard Broen fra Sparebank 1 Forsikring, i avdelingen for pensjon. Lindqvist er hovedtillitsvalgt og tidligere funksjonell arkitekt, mens Broen er HR-ansvarlig. 

– Rent konkret jobber vi blant annet for tiden sammen med en av Sparebank 1-bankene med å sertifisere en chatbot for kunderådgivning. En chatbot med elementer av kunstig intelligent teknologi som automatiserer henvendelser, legger Broen til. 

Sparebank 1 Forsikring er et pensjonsselskap og en del av Sparebank 1-alliansen, De påpeker at andre aktører i bransjen, og andre i alliansen nok har kommet lenger innen kunstig intelligens enn dem.

Men selv om deres eget selskap er helt i startgropa, har de gjort seg opp flere tanker om hvordan kunstig intelligente systemer kan innføres, og hva de ønsker å oppnå.

Det er heller ikke slik at de ukritisk hopper på nye teknologiske trender, bare fordi andre i bransjen utforsker muligheter med kunstig intelligens:

– Vi er i gang med å finne områder hvor kunstig intelligens passer for oss, og hvor vi kan bruke det på en hensiktsmessig, verdiskapende måte, forklarer Lindqvist. 

De peker på tre viktige forutsetninger for å lykkes med ny teknologi: Veloverveide beslutninger, tillit og bred kompetanse. 

Vesentlig med høy tillit

For nå er kunstig intelligens på full fart inn i næringslivet, og stadig flere snakker om mulighetene teknologien gir:

Kunstig intelligente systemer, og mer spesifikt maskinlæring, kan brukes til alt fra å automatisk sortere fakturaer til å forutse risiko eller å identifisere trender i aksjemarkedet.

Men dette er ikke teknologi som en bare kan ta i bruk uten videre.

For både Lindqvist og Broen er spørsmål knyttet til etisk og ansvarlig bruk av kunstig intelligens viktig. Lindqvist, som hovedtillitsvalgt, er tett på diskusjoner om reguleringer og tariffavtaler: Områder hvor kunstig intelligens fremover vil bli stadig mer relevant. 

Hvordan vil kunstig intelligens endre hvordan de jobber? Hvilke arbeidsoppgaver forandres når bedriftsprosesser automatiseres, og hvordan behandles brukerdata? 

For selv om teknologien er ny, vil jobben de gjør, og målene de jobber mot være de samme, forklarer Broen: 

– Det vi skal, er å utnytte teknologien til å støtte oss i prosesser og beslutninger – og bidra til å gjøre arbeidsoppgaver vi allerede har på en bedre, riktigere og mer effektiv måte.

Lindqvist er heller ikke nødvendigvis redd for at jobber skal forsvinne. 

– Undersøkelser viser at også våre medarbeidere er positive til ny teknologi. Jeg tror det er fordi vi har en høy grad av tillit internt i organisasjonen. Og tillit er helt grunnleggende i møte med endring og omstilling. 

– Dessuten er vi helt avhengig av at kundene har tillit til oss. Derfor er vi hele tiden nødt til å ta gode, velbegrunnede valg. Alt vi gjør, skal være av høy etisk standard. Vi stiller strenge krav til rapportering og regulering av alt som har med personvern, etikk og databehandling å gjøre. Det samme vil vi gjøre med innføring av kunstig intelligent teknologi, legger hun til. 

Blant nøklene til bruk av ny teknologi er bred kompetanse

Videre vektlegger de begge viktigheten av kunnskap og kompetanse. Jo mer man vet om hvordan kunstig intelligens faktisk fungerer – og hva det kan brukes til – jo bedre forutsetninger har man til å ta velbegrunnede og etiske valg. 

Lindqvist husker nemlig godt et tidlig møte med automatisert teknologi som tillitsvalgt: 

– For ganske mange år siden hadde vi et medlem i Finansforbundet som trengte råd, fordi vedkommende skulle starte i en jobb som robottrener. Da var det en ganske ny type sak som tillitsvalgt å ta tak i! For hvor starter man? Hvilke spørsmål stiller man? Hva er egentlig en robottrener?

– Der og da var det vanskelig å i det hele tatt komme frem til det punktet hvor man stilte de etiske spørsmålene, fordi det var såpass upløyd mark. 

I slike situasjoner holder det ikke nødvendigvis at de som jobber med IT og kunstig intelligens på arbeidsplassen utvikler dyp kunnskap på området. De mener nøkkelen til god implementering av ny teknologi ligger i bred kompetanse, på tvers av organisasjonen:

– Det handler også om tidlig involvering av ansatte. For kunstig intelligens i fremtiden vil ikke bare påvirke arbeidshverdagen til IT-avdelinger. Det vil være noe vi alle møter på, avslutter Broen. 

Kunstig intelligens (KI) er overalt. Vi snakket med forsker Inga Strümke for å forstå hva KI er – og hvordan teknologien vil påvirke hver og en av oss.

– Sjansen er stor for at du snart vil måtte forholde deg til kunstig intelligens på et eller annet vis, om du ikke gjør det allerede. Enten fordi du er daglig leder og velger at dere skal bruke maskinlæring, eller fordi du springer rundt i korridorene og er redd for å måtte dele oppgavene dine med en maskin en gang, sier Inga Strümke. 

Hun er forsker ved Norwegian Open AI Lab på NTNU og SimulaMet, med kunstig intelligens som fagfelt. 

– Derfor er det på tide å skjønne hva det er snakk om. Da henger du med og kan være kritisk og informert i samtalen om det, sier Strümke.

Men hva er egentlig kunstig intelligens? Og hvordan brukes det? Vi tok en prat med Strümke om hva KI er, hva KI kan gjøre … og hvorfor dette er noe alle – både som arbeidsgivere, arbeidstakere og privatpersoner – bør sette seg litt inn i. 

Du møter allerede KI hver dag

Arbeidslivet, hverdagen vår og hele samfunnet blir stadig mer digitalt og representert i data – som i neste omgang leder til økende bruk av dataanalyse og maskinlæring. Og hvis vi snakker om kunstig intelligens basert på data, er maskinlæring et mer presist begrep (se faktaboks). 

Du bruker teknologi som bruker maskinlæring hver eneste dag – i mailboksen din, kart-appen på mobilen, strømmetjenestene du bruker, nettavisene du leser, fakturaprogrammet og appen der du leverer reiseregninger, tekstbehandlere og bilderedigeringsprogrammer med smarte funksjoner, og ikke i minst sosiale medier. For å nevne bare noe. 

Fagfeltet KI har opplevd mye hype i flere omganger helt siden 1950-tallet, men maskinlæring har tatt av først etter årtusenskiftet, forklarer Strümke. Det er fordi tilgjengelig regnekraft har økt voldsomt – kombinert med den helt enorme tilgangen på data. 

Alt som er digitalt genererer data. I vår tilkoblede verden der alt og alle er på nett – fra mobiler til robotstøvsugere og sensorer i strømnettet – er data overalt. I svimlende mengder. 

Maskinlæring handler altså om å se etter mønstre i disse dataene, med den hensikt å oppnå et eller annet mål. Det brukes for eksempel for å oppdage mistenkelig aktivitet i et nettverk, sette sammen en personalisert forside på nettavisen, eller automatisk bremse en bil for å unngå en kollisjon. 

Maskinen viser det vi oppfatter som intelligent oppførsel, gjennom å analysere omgivelsene sine – i form av strukturerte og ustrukturerte data – og iverksette handlinger. Maskinlæring er den i dag mest omtalte formen for kunstig intelligens, og er ofte et mer presist begrep for å omtale slike systemer: 

– Begrepet kunstig intelligens brukes ofte når det like godt kunne stått maskinlæring, sier Strümke. 

At du vil måtte forholde deg til maskinlæring på arbeidsplassen er én av grunnene til at det er viktig å sette seg inn i dette, mener Strümke. Den andre er det hun kaller «missed use»-aspektet – ikke «misuse», men «missed use». Altså en forspilt mulighet. 

– Det kan rett og slett hende at dere har en situasjon eller prosess som med fordel kunne vært optimalisert eller automatisert, som en ikke får øye på om en ikke vet hva en ser etter.

Derimot mener hun at et veldig dårlig svar på hvorfor å ta i bruk maskinlæring, er at du «bør».

– En ting jeg synes er viktig, er at en ikke skal sette seg inn i det fordi en har dårlig samvittighet for ikke å vite så mye som en «bør». At en tenker «alle bruker det, derfor burde bedriften min gjør det også». Det er helt feil utgangspunkt – da ender en med å gjøre dyre investeringer som en hadde klart seg fint uten.

Hva vil en datamaskin? 

Vi har nevnt at det er knyttet mange myter og misforståelser til KI, og disse er det verdt å nøste opp i før vi går videre. 

For eksempel: I populærkulturen er kunstig intelligens … vel, det vi mennesker anser som intelligent. Slik er det ikke i virkeligheten. Her ser vi at maskiner er dårlige på ting vi mennesker er gode på, men viser derimot overmenneskelig intelligent oppførsel på områder vi mennesker er dårligere på. 

Vil det i fremtiden komme KI som kan tenke som et menneske? Kanskje, kanskje ikke. Et mer interessant spørsmål, er hvilke konsekvenser bruk av KI-basert teknologi kan ha, og allerede har, for oss. 

– Det som er dumt med futurisme, er at vi ikke kan sjekke hva som er rett før det er der. Det er veldig mange som sparker inn åpne dører – som sier «Du trenger ikke være redd for en selvbevisst KI», når ingen faktisk går rundt og er redd for det, sier Strümke, og fortsetter: 

– Det mange er redde for, er ikke at det skal komme en maskin med superintelligens, men heller for at utdanningen en har tatt ikke skal være relevant om noen år fordi arbeidsoppgaver automatiseres. 

Det er ingen tvil om at teknologien både kan og vil påvirke hvordan vi jobber, og hva vi jobber med. Det skjer allerede. Bruk av KI både kan og vil påvirke samfunnet og arbeidslivet i stor grad. Men ingenting av dette er opp til maskinen, påpeker Strümke: 

– Vi kan avlive myten om at maskinen vil ta jobben din. Maskinen gjør ingenting, det er noen som setter den til å gjøre noe.

Det er til syvende og sist et verktøy, som det er opp til oss mennesker hvordan vi vil bruke. Men det er også et verktøy som potensielt er så komplisert og avansert at det i mange tilfeller brukes på måter som det er vanskelig for oss å forstå – eller se konsekvensene av. 

Derfor er det svært viktig at det brukes ansvarlig – og at både de som utvikler det, bruker det og berøres av denne bruken, har den riktige kompetansen til å forstå hva de har med å gjøre.

Hva kan en gjøre med kunstig intelligens?

De fleste virksomheter har tilgang på mye data, for eksempel om kunder, drift og økonomi. Maskinlæringsteknikker kan gjøre det mulig å utnytte disse dataene i form av automatisering, effektivisering, beslutningsstøtte, nye innsikter og smartere måter å jobbe på. 

– Du kan bruke det til å oppnå et mål, eller til å bli klokere på selve dataene, sier Strümke, som forteller at én av ti bedrifter i Norge allerede bruker kunstig intelligens på en eller annen måte. 

Å bruke dashbord og business analytics til å forstå seg på dataene sine er ikke noe nytt, påpeker Strümke, men kan gjøres mer avansert og nyttig ved hjelp av maskinlæring. Samtidig kan teknologien også brukes til mer praktiske ting, som å automatisere ulike prosesser. 

– For eksempel automatisk behandling av lånesøknader – det gjøres allerede. Hvis vi har data som beskriver gode og dårlige lånesøknader, eller vi klarer å beskrive det, er det mye som kan gjøres automatisk – som gjør at mennesker slipper å bruke seg opp på den kjedelige jobben. Så kan de steppe inn når systemet melder at det ikke er helt sikker på noe. Du kan få en liten KI-sekretær, sier Strümke.

Lånesøknader er bare ett eksempel, det er mye som kan behandles automatisk.

– Et annet eksempel er at krav til antihvitvasking blir strengere og strengere. Veldig mye av det handler om å detektere når det er noe rart som skjer. Maskiner vil ha mye større kapasitet til å følge med på store mengder aktivitet enn det mennesker har. Mennesker er veldig dårlige til å følge med på kjedelige ting. Det er en typisk oppgave som maskiner kan ta over, og er bedre rustet til å gjøre. De er ikke uoppmerksomme eller har dårlig tålmodighet. Det kan spare oss for jobber vi ikke liker og ikke er gode til, sier hun, og fortsetter:

– Poenget er ikke å gå inn i en hvilken som helst bransje og ta ut menneskene og putte inn roboter i stedet. Det handler mer om å se på hvilke prosesser som foregår, og så prøve å gjøre dem bedre eller mer automatiske, mer informerte, mer sømløse og så videre.

Samtidig er det mange problemstillinger å være obs på når en tar i bruk KI på disse måtene. Hvis det for eksempel er feil og mangler i dataene når algoritmen skal behandle en lånesøknad, eller instruksjonene ikke er tilstrekkelig presise, kan utfallet bli helt feil – og få store konsekvenser for dem det angår. Skal en få fordelene av KI, må det derfor brukes ansvarlig, med en utredning av konsekvensene, og under oppsyn av mennesker som er kritiske til de forslagene og resultatene systemet kommer med. 

Kom i gang: Disse spørsmålene bør du stille

Det er lett å tenke at maskinlæring er noe som er forbeholdt kun de største virksomhetene med flest ressurser. Det er ikke nødvendigvis sant. 

Samtidig understreker Strümke at selv om maskinlæring kan bidra til å løse mange problemer, er det ikke alltid den mest hensiktsmessige løsningen. Ikke alle trenger å bli et IT-selskap. Hun råder til å starte med å oppsøke konsulenter, undersøke mulighetene og se etter tilgjengelig hyllevare. Hvis dette ikke finnes, eller det blir alt for komplisert å få det til å passe med systemene deres, må dere enten droppe det eller virkelig gjøre investeringer i både kompetanse og infrastruktur. 

– Det viktigste er at man vet hva man vil gjøre, og får det til å passe inn i de systemene man har fra før. Så kan en se om det fungerer, og eventuelt skalere opp. En trenger ikke endre forretningsmodellen bare fordi en vil gjøre litt databasert modellering. 

Finner du ut at dette er noe dere skal prøve på, råder hun til ikke å være redd for å stille spørsmål. 

– Jeg tror at mange går rundt med følelsen av at «dette burde jeg vite mer om». Når du da står overfor å faktisk ta i bruk maskinlæring på en eller annen måte, tør du ikke stille spørsmål – fordi du tenker at du burde visst mer, sier Strümke, og fortsetter: 

– Jeg forsker på dette, men hvis du kommer til meg med en maskinlæringsmodell vil ikke det si at jeg nødvendigvis forstår den. Du bør alltid be om mer info – det er ikke flaut. Hvis du kommer på en seilbåt og begynner å trekke i tauene, viser det bare at du har peiling, og vil finne ut hvordan ting henger sammen. Det er ikke sånn at en bare går rundt og vet hvordan alle verdens modeller fungerer.

Det er hovedsakelig tre spørsmål du bør stille i en slik situasjon, råder hun: 

– Alle kan stille disse spørsmålene, enten du står der og er redd for å bli erstattet med en robot, eller du sitter på styrerommet. Hvis du ikke vet svarene på dette, kan du ikke ta gode beslutninger eller oppføre deg på en informert måte.

Nullkoding, store språkmodeller og «kopiloter» er i ferd med å snu opp ned på kunnskapsindustrien, forteller Microsoft-topp Bjørn Olstad. Dette er hvorfor du bør bry deg og hvordan du kan forberede deg.

Hvis Microsoft-direktør Bjørn Olstad skulle solgt huset og investert alle pengene sine i et selskap, er det først ett spørsmål han hadde krevd et godt svar på fra ledelsen: 

«Forstår dere hva kunstig intelligens er, og har dere en operativ plan for hvordan dere skal bruke denne teknologien?» 

– Å ikke kunne gi et gjennomtenkt svar på dette i dag, er like dumt som det var å ignorere internett i 1995. Du putter ikke penger i et slikt selskap, sier han.  

Det høres kanskje ut som litt vel store ord.  

Men Olstad vet mer enn de fleste her til lands om hvordan teknologiske paradigmeskifter kan snu opp ned på det etablerte.  

Fra spådom til virkelighet  

Som 29-åring ble Olstad tidenes yngste professor i datateknologi ved NTNU. På midten av 2000-tallet ledet han FAST, et norsk søkemotorselskap som lenge konkurrerte side om side med Google.  

I dag er Olstad Corporate Vice President i Microsoft, og leder en avdeling drevet fra Norge med 650 utviklere som bygger funksjonalitet, skyinfrastruktur – og ja, kunstig intelligens – i flere av Microsoft 365 sine programmer.  

Dette er systemkritisk teknologi i blant annet Teams, Outlook og Word som tas i bruk av mange hundre millioner brukere i hele verden hver eneste dag.  

Fra innsiden har Olstad, som også sitter i Digital Norways advisory board, sett hvordan Microsoft er blitt en ledende aktør i det som av flere har blitt beskrevet som et «KI-kappløp» i teknologiverdenen.  

– Microsoft har både lykkes og slitt i tidligere paradigmeskift som web, mobil og sky. For snart ti år siden staket Satya Nadella (CEO i Microsoft) ut en kurs for Microsoft for å sikre at selskapet skulle lede an i det neste store paradigmeskiftet. Og svaret på det neste store mente han ville bli avansert kunstig intelligens med potensial for generell kunstig intelligens, drevet av store KI-modeller.  

Det siste halvåret har spådommen blitt til virkelighet. Og spørsmålet er ikke lenger om kunstig intelligens er teknologi næringslivet og virksomheter kan dra nytte av. Spørsmålet er hvordan.  

– Konsekvensene av kunstig intelligens vil bli større enn den industrielle revolusjonen, slår Olstad fast.  

Annenhver kodelinje skrives av kunstig intelligens  

Olstad er ikke alene om å påstå at automatisering og intelligente systemer har – og vil ha – en enorm innvirkning på ditt liv og din arbeidsplass.  

Ifølge Goldman Sachs kan kunstig intelligens erstatte 300 millioner stillinger, og automatisere 44 prosent av alle administrative arbeidsoppgaver. 

Dette er ikke fjerne fremtidsvisjoner og spekulering, men en utvikling vi allerede står midt i.  

Med den intelligente «assistenten» Github Copilot har utviklere i snitt automatisert halvparten av arbeidsoppgavene sine. Det skjer i en tid hvor det er enorm mangel på IT-kompetanse i hele verden.  

– I dag skrives annenhver koderemse av kunstig intelligens. Og allerede ser vi at utviklere med en kopilot er over 50 prosent mer effektive enn de som ikke har tatt i bruk kopiloter. Vi har bare sett begynnelsen av hvordan kopiloter vil revolusjonere kunnskapsarbeid og skape en menge nye roller som ikke eksisterer i dag, forklarer Olstad.  

Lavkode og hverdagsutviklere

Vanlige folk kan dermed løse kodeproblemer på rekordtid til en brøkdel av prisen .

En lignende kopilot er annonsert for Microsoft 365. Om denne også vil gjøre rapportering, tekstproduksjon, PowerPoint-presentasjoner og regnearksarbeid dobbelt så effektivt, gjenstår å se.  

Men en ting er sikkert: Kombinasjonen av «kopiloter», generativ KI som ChatGPT og en hel rekke lignende kunstig intelligente verktøy, har fundamentalt endret mulighetene for hvilke problemer de aller fleste arbeidstakere kan løse.  

I praksis kan du i dag bygge skreddersydde programvarer og funksjonaliteter ved hjelp av Github Copilot, ChatGPT, Power Apps eller andre lavkodeplattformer.  

– Dette kan du gjøre på rekordtid, med en brøkdel av utgiftene noe slikt vanligvis ville kostet – helt uten å vite hvordan du programmerer en eneste koderemse, sier Olstad.  

Dette kalles for lavkode eller nullkode. En arbeidstaker som kan løse digitale problemer uten formell programmeringskompetanse, refereres gjerne til som en hverdagsutvikler. 

Ikke bare kan lavkode og hverdagsutviklere ha enormt mye å si for produktivitet og effektivitet i en virksomhet. Når man selv, uten hjelp fra utviklere, er i stand til å lage egne apper, programvarer og integrasjoner, oppdages gjerne løsninger man ikke en gang var klar over at man trengte.  

Slik oppstår det innovasjon av.  

– Du kan spørre deg selv: Hva vil konsekvensene for din bedrift være om det å løse kodeproblemer blir like tilgjengelig som det å bruke en søkemotor? 

Sikre kompetente brukere  

Så hva kan små og mellomstore virksomheter gjøre i dag for å vise at de virkelig forstår mulighetene knyttet til kunstig intelligens – og hvordan kan man ta i bruk disse mulighetene i praksis?  

– Det aller viktigste er kompetente brukere, slår Olstad fast.  

Han forteller om en undersøkelse som viser at 30 prosent av alle studenter i dag bruker ChatGPT daglig som et operativt verktøy.  

– Har du høy ferdighet på å bruke generativ kunstig intelligens på ulike måter, vil det oppstå nye ideer. Særlig når du kobler på unik domenekunnskap, legger han til.  

Innsikten er også relevant for hvordan man organiserer seg. I fremtiden er det for eksempel ikke sikkert det er hensiktsmessig med en bedriftsstruktur hvor en salgsavdeling bestiller tekniske løsninger fra en IT-avdeling. 

– Dyp IT-kompetanse vil bare bli enda mere etterspurt. Bedrifter må i tillegg tenke kreativt rundt hvordan de nå kan utstyre sine domeneeksperter med KI-assisterte ferdigheter til å skape digitale løsninger, sier Olstad. 

Ta en titt på datastrategien 

Det neste du bør ha på plass om dere tar kunstig intelligens på alvor? En god plan for hvordan din virksomhet skal bruke dataene deres for å skape verdier.  

– Data er vår tids viktigste råvare. Hvilke data vil bli viktig for dere i fremtiden? Hva skal dere gjøre med den? Hvordan skal dere foredle den?  

Begynn med å ta en titt på datastrategien din, oppfordrer Olstad. Det er helt vesentlig at den gjenspeiler mulighetene som finnes i dag med automatisering og kunstig intelligens.  

Er dataene tilgjengelige, strukturerte og av høy nok kvalitet? Finnes det andre datakilder dere kan benytte dere av? Tar strategien høyde for endringstakten i deres bransje – og i samfunnet for øvrig?  

Er forutsetningene på plass, kan kunstig intelligent teknologi gi dataene deres «superkrefter». De kan brukes til å automatisere og effektivisere bedriftsprosesser, og legge grunnlag for nye forretningsområder.  

Hva betyr egentlig kunnskap?

Olstad mener utviklingen av kunstig intelligens rokker ved et grunnleggende spørsmål:  

Hva vil det egentlig si å kunne noe?  

For å bli lege, advokat, forsker eller nanoingeniør må du studere i mange år. Du må bestå en haug med eksamener, skaffe deg praktisk arbeidserfaring og bevise at du har kunnskapen som trengs for å operere et menneske, rådgi en klient i en rettssal eller sette sammen komponenter på et molekylært nivå.  

Vi er helt avhengige av at leger vet hva de driver med. At de har lært seg all forskning som er relevant for akkurat deg. 

– Men om jeg stolte blindt på helsevesenet, ville datteren min vært død i dag, sier Olstad.  

Han utdyper: 

– Tre uker før termin merket min gravide kone at aktivitet i magen ble mindre og mindre. Standardtesten fra sykehus er å få opp blodsukkeret og telle bevegelser i en viss tid. Vi målte akkurat nok – men for svake bevegelser. Da var rådet å bli hjemme. 

Internettsøk viste derimot en klart forhøyet risiko for fosteret med den praksisen sykehuset brukte.  

– Da trosset vi rådene og dro til sykehuset. Etter timer med CTG og ultralydundersøkelser var konklusjonen til legen fremdeles det samme: Fosteret er friskt og dere kan dra hjem igjen.  

Helt tilfeldig kom en overlege forbi. Hun tok en titt på skjermen og så med en gang at barnet var anemisk. Fosteret blødde over til moren og ble sakte kvalt. Det skjer bare i 1 av 10.000 svangerskap. Minutter senere tok de hastekeisersnitt, gav blodoverføring og reddet livet til datteren. 

– I ettertid tastet vi inn måledataene fra ultralyden i en søkemotor. Da kom svaret umiddelbart – barnet er trolig anemisk og må forløses med hastekeisersnitt. 

Demokratisering av kunnskap 

– Alle nødvendige data og kunnskap var til stede for å trekke riktig konklusjon. Men sjansen for at din lege har sett et slikt 1:10.000-tilfelle er svært lav. Overlegen som reddet livet til datteren vår hadde til alt hell sett et slikt tilfelle bare en uke tidligere. 

Poenget hans er dette: En av de mest definerende egenskapene ved utviklingen av kunstig intelligens er demokratiseringen av kunnskap.  

– Vi hadde flaks. På et lite distriktsykehus ville trolig barnet ha dødd i en slik situasjon. Med mulighetene som finnes nå trengs faktisk ikke kunnskap å samles hos noen få eksperter, men gjøres tilgjengelig for alle når man trenger den for å trekke riktig beslutning. 

– Nå er oppgaven til norske bedrifter og virksomheter å finne ut hvordan de kan ta i bruk denne nye måten å bruke og distribuere kunnskap på for å skape verdier og innovasjon.  

Billettkontroll, sensorer og predikering av trengsel. Her er noen eksempler på hvordan KI gjør hovedstadens kollektivtrafikk bedre.

«Hjulene på bussen går rundt og rundt», synges det i en av verdens mest kjente barnesanger – før den oppsummerer flere av kollektivfartøyets viktigste bestanddeler og egenskaper. 

Men er det kanskje snart på tide å skrive et nytt vers til sangen? I Oslo er nemlig sensorikk, algoritmer og kunstig intelligente modeller blitt vel så viktig for kollektivtrafikkens flyt som hjulene, vindusviskerne og dørene. 

I hvert fall nesten. 

– Ruters busser er kjørende KI-maskiner. Det er minst 20 sensorer i hver buss. Disse fanger opp alt fra når passasjerer går inn og ut, hvor lang tid det tar fra A til B – til å levere vedlikeholdsdata i sanntid om alt fra motorer, vindusviskere og ryggekameraer. 

Det sier Umair Mehmood Imam, leder for Ruters avdeling for data science og kunstig intelligens. 

Og ja: Sensorene måler også når dørene går opp og lukkes – gjennom hele byen. 

Disse dataene utgjør grunnlaget for arbeidet Ruter gjør med kunstig intelligens for å gi hovedstadens innbyggere et bedre og mer forutsigbart kollektivtilbud. Og det viser seg at de får oppnådd ganske mye basert på dette datasettet. 

Her er 7 konkrete måter Ruter bruker kunstig intelligens for å effektivisere prosesser og skape bedre brukeropplevelser: 

1. Ruteoptimalisering for spesielle reiser

Ruter er ikke bare røde busser. Kanskje du har sett de små rosa og grønne minibussene? Dette er et transporttilbud for barn og eldre. 

Konseptet fungerer litt som en Uber: Du har en app og du bestiller en buss. Men i stedet for at det kommer en taxi, er det en buss som plukker deg opp utenfor hjemmet ditt – og kjører deg dit du vil.

– Når etterspørselen er høy fungerer tjenesten bra. Men i perioder med lav etterspørsel har sjåførene kjørt litt på tomgang rundt omkring i byen, helt til det kommer en bestilling, sier Imam. 

Dette har etter hvert blitt en stor kostnad for Ruter, samtidig som det ofte har ført til lang ventetid for kundene. 

Med kunstig intelligens kan de nå predikere hvor de fleste bestillingene vil komme fra, og når det vil være størst behov for persontransport.

Burde de ha flere på jobb på Grünerløkka, Jar eller Mortensrud? Burde rutene gå fra øst mot vest? Måtte sjåførene kjøre innom sentrum om morgenen, eller kunne de unngå rushtrafikk ved å legge rutene utenfor bykjernen?

– Predikeringsalgoritmene kom med 93 prosent nøyaktighet. Dette har spart oss for store kostnader og gjør kundene mer fornøyde. 

2. Billettkontroll 

Det er kjedelig å bli tatt i billettkontroll. Men mekanismen er nødvendig for å sikre at folk betaler for seg når de reiser med buss, trikk og bane. 

– Billettkontroll har aldri vært en måte for Ruter å tjene penger. Tvert imot, ønsker vi å bruke mer penger på bedre kollektivtrafikk og mindre på kontroll, sier Imam. 

Basert på de samme treningsdataene som ruteoptimalisering, utviklet Ruter en algoritme som kunne forutse hvor mange som vil snike i løpet av en gitt dag, og på hvilke stopp det er mest sannsynlig at snikingen vil foregå. 

Algoritmene vektes med manuell input for å sikre at billettkontroll ikke rammer skjevt, ved at det for eksempel ikke kontrolleres mer i områder der folk generelt har det litt tøffere økonomisk. 

3. Analysere klager og ros i stor skala

Når bussen er forsinket, eller det skjer noe annet som går utover kundeopplevelsen, mottar Ruter naturligvis klager. 

Men respons om kollektivtrafikken i Oslo kommer ikke bare i offisielle kanaler. Folk kommer med sine meninger i kommentarfelt, i diskusjonsforum, på Twitter og en hel rekke andre steder omkring på internett. 

– Vi trente blant annet modellen vår med en hel rekke ulike norske og svenske banneord. Ord og formuleringer jeg aldri engang hadde hørt før! 

Med kunstig intelligens kunne de deretter kartlegge hvilke typer tilbakemeldinger som var mest akutte, kritiske og aktuelle – blant annet basert på nettopp hvilke banneord som ble brukt. 

Slik kunne de få visualisert skjulte trender i dataene, som igjen ledet frem til interessant og nyttig innsikt. De vanligste klagene handlet om trengsel og fremkommelighet for rullestol. 

Men særlig en klage kom overraskende på flere:

– En skjult trend var at blant de vanligste klagene handlet om musikksmaken til sjåførene, forklarer Imam, og ler. 

KI-verktøy har også gjort det mulig for Ruters kundeservice å komme med raskere og mer relevante svar på klager. 

– Kunstig intelligens har spart inn omkring 3080 timer med manuelt arbeid. Det tilsvarer omtrent et årsverk. 

4. Predikere trengsel på bussen 

Å stå som sild i tønne på en fullstappet buss er ikke særlig trivelig. 

Ut ifra de samme datasettene har Ruter – med høy grad av presisjon – levert en tjeneste som gir deg en oversikt over kapasiteten på bussen. 

I Ruter-appen får du nå en prediksjon på om det vanligvis er lite plass, noe plass eller god plass på enkelte stopp. 

Slik kan du selv bestemme om du vil vente til neste avgang for en litt mer behagelig kollektivreise. 

5. Personaliserte reiseruter 

Hvordan kan Ruter konkurrere med Google Maps? Vel, det kan de ikke. I hvert fall ikke når det kommer til innhenting og bruk av brukernes persondata. 

Men i samarbeid med Datatilsynets sandkasseprosjekt, har de kommet frem til en løsning for personaliserte reiseruter med anbefalinger for hvordan du enklest kan komme deg fra A til B ved hjelp av Ruters kollektivtjenester. 

Det, på en måte som skal være i henhold til GDPR. Altså at Ruter ikke samler inn eller bruker data på en måte som bryter med personvern. Det innebærer blant annet at du skal vite hvilken informasjon om deg som brukes, hva informasjonen brukes til – og at den er trygt lagret. 

6. Kunstig intelligens – som overvåker seg selv 

Og apropos GDPR: Det finnes en hel rekke lover og reguleringer som tar for seg hvordan persondata skal håndteres i forbindelse med kunstig intelligente prosesser. 

Og flere er på vei, blant annet den såkalte «Artificial Intelligence Act», eller KI-forordningen på norsk, som nå blir utarbeidet hos EU-lovgiverne. 

Derfor jobber Ruter med å motvirke black box-systemer og mot transparente og forståelige kunstig intelligente prosesser. Det som ofte refereres til som explainable AI. 

Altså, at mennesker enklere skal kunne forstå og tolke beslutningene som tas av KI-systemer.

– Et av tiltakene er å lære opp kunstig intelligente modeller til å overvåke seg selv, sier Imam. 

Det er på ingen måte systemer som er ment for å erstatte menneskelig kontroll. Derimot er modellene designet for å forklare valgene som tas og sette dem i kontekst for bedre beslutningsgrunnlag. Disse er også innrettet slik at de kan varsle utviklere om avvik. 

7. Bruk av kvanteteknologi 

– Vi var veldig fornøyde med arbeidet vi gjorde med kunstig intelligens. Men ettersom datamengdene økte, ønsket vi å gjøre algoritmene våre mer komplekse, sier Imam. 

Her kommer bruk av kvantedatamaskiner inn i bildet. 

Akkurat hvordan det fungerer er ganske sammensatt, men for å oppsummere er det en måte å prosessere data som er eksponentielt raskere og kraftigere enn hvordan det fleste datamaskiner fungerer i dag. 

Men å få tak i kvantedatamaskiner er ikke bare bare. De er enormt dyre, og det er nesten umulig å få tak i en maskin med nok kvantebiter til at prosessorkraften utgjør en reell forskjell. 

– Så viste det seg at du jo bare kan leie en kvantedatamaskin i skyen. Vi leide en fra Amazon og det kostet oss bare 350 dollar. 

I løpet av en testperiode kom de frem til at kvantedatabehandling er bedre egnet for KI-programmering enn en tradisjonell databehandling – i tillegg til at klimaavtrykket er betraktelig mye lavere. 

– Det ga oss 1% bedre prediksjon. Det høres kanskje ikke så mye ut, men i KI-verden er det lett å få til 90% prediksjon, men nesten umulig å få til 91% – for å sette det på spissen. 

– Det er en enorm forbedring.

Å komme i gang med kunstig intelligens må ikke være komplisert. Les hvordan dere kan jobbe litt smartere med KI – uten å gjøre en masse dyre investeringer. 

Ønsker du å utnytte det fulle potensialet som ligger i kunstig intelligens (KI)? Da krever det en del ressurser, organisering, kompetanse og tekniske forutsetninger. Det ligger en del jobb bak å bli en «KI-drevet» virksomhet. 

Men hvis du ønsker å utforske, eksperimentere og ta noen enkle KI-grep, finnes det en rekke kunstig intelligente verktøy som er enkle å komme i gang med. 

– Kall det gjerne «å høste lavthengende KI-frukter», sier Morten Forfang, fagdirektør i Computas. Han har en doktorgrad i kunstig intelligens og lang erfaring på området. 

Det kan være små, smarte «hacks» og funksjoner som ligger gjemt i programmer dere allerede bruker. Eller det kan være snakk om integrasjoner som gjør fagsystemet deres litt mer effektivt.

Visste du for eksempel at analyseverktøyet Power BI har en egen knapp som heter AI-transformeringer? Eller at du får tilgang til et kraftig tale-til-tekst-verktøy om du logger på Word i nettleseren? 

Snart kan dessuten Copiloter hjelpe deg med å lage powerpointer, utvikle apper, generere rapporter og skrive møtereferater. 

Trenger ikke snu opp ned på forretningsmodellen

Forfang forteller at slike lavterskelverktøy kan gi bedriften effektiviseringsgevinster, frigjøre tid og gjøre bestemte arbeidsoppgaver litt enklere. 

Det – uten at dere nødvendigvis trenger å snu opp ned på forretningsmodellen, kjøpe masse dyr teknologi eller hyre inn utviklere for å skreddersy løsninger. 

– Dette revolusjonerer kanskje ikke virksomheten, men finner dere et område hvor dere kan gjøre en oppgave litt raskere, så får noen en enklere arbeidshverdag, poengterer Forfang. 

Har du lyst til å teste ut noen lavterskelprogrammer med kunstig intelligente funksjoner? Her har vi i Digital Norway samlet 6 enkle tips som kan hjelpe din bedrift å høste lavthengende KI-frukter.