Kunstig intelligens: – Vil bli større enn den industrielle revolusjonen

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.  


Bygg en fleksibel IT-grunnmur 

For å i det hele tatt være i en posisjon hvor man kan utnytte potensialet i data og kunstig intelligens, peker Olstad på at man først er nødt til å ha en fleksibel IT-grunnmur.  

Han trekker frem tre viktige spørsmål om den digitale grunnmuren man bør kunne besvare:   

  1. Har dere god utnyttelse av skytjenester? 
  2. Er infrastrukturen modulær og skalerbar? Kan komponenter enkelt justeres, fjernes, oppdateres og ikke minst bli bedre med bruk? 
  3. Er dere kunde- og brukerorienterte? Hvor raskt omsettes nye kvantitative og kvalitativ data om kundene til forbedringer i produktene? 


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.  

7 måter Ruter bruker kunstig intelligens i praksis

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. 

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. 

SELVKJØRENDE: Ruter var også tidlig ute med å teste selvkjørende busser i Oslo, her i 2019. Foto: Ruter AS / Redink, Thomas Haugersveen

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.

6 tips for å høste lavthengende KI-frukter

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. 


Det blir stadig enklere å bruke kunstig intelligens til å effektivisere bestemte arbeidsoppgaver, forteller Morten Forfang, fagdirektør i Computas. (Foto: Alf Simensen/NTB)
Det blir stadig enklere å bruke kunstig intelligens til å effektivisere bestemte arbeidsoppgaver, forteller Morten Forfang, fagdirektør i Computas. (Foto: Alf Simensen/NTB)


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.


1. Rapporter og presentasjoner 

Her er tre verktøy som gjør det lettere for deg å lage rapporter og presentasjoner:

  • Power BI: Et populært dataanalyseverktøy med både avanserte og enkle KI-funksjoner. Under menyen «AI-transformasjon» har du tilgang til tekstanalyse, bildegjenkjenning og en kobling til Azure sine maskinlæringsmodeller.

    Slik kan du enkelt skanne tekstfiler, kvitteringer, skjermbilder – i tillegg til tradisjonelle regneark – for å identifisere mønstre det er vanskelig for mennesker å oppdage. 
  • Copiloter: Når de lanseres for fullt, vil det bli enda enklere å bruke Power BI og andre Microsoft-applikasjoner til å automatisere rapporter og presentasjoner. 
  • Tableau: KI-funksjonen ask data fra datavisualiseringsprogrammet Tableau lar deg stille spørsmål om sammenhenger og egenskaper i dataene dine. 

Husk at du får mest nytte av disse verktøyene om du har god datakvalitet, en plan for hva dere skal bruke dataene til og en kultur for å sette datadrevne beslutninger i system.


2. Bruk timene dine effektivt med en «KI-assistent»

Det finnes flere ulike programmer og verktøy som kan konfigureres med kalenderen din, og hjelpe deg med gjøremål, oppgavestyring og administrering av tid. Flere av disse tar i bruk kunstig intelligens. 

  • To do: Microsoft sitt produktivitetsverktøy har en KI-funksjon som heter «foreslåtte oppgaver». To do identifiserer oppgaver som ser viktige ut basert på nøkkelord og frister. 
  • Reclaim: Programmet bruker maskinlæring for å måle timer du bruker på møter, e-post, prokrastinering, overtid, lunsj – og hjelper deg å prioritere tiden din bedre. Dette er en integrasjon som kan kobles til Google Calendar, Asana og mer.


3. Samhandling og organisering

  • DailyBot: En chatbot drevet av GPT-4 som kan kobles til Slack, Teams, Discord og mer. Boten sjekker regelmessig inn med teamet, tar initiativ til «virtuelle kaffemøter» med relevante samtaletema, kaller inn og styrer standup-møter, og automatiserer statusrapportering.
  • Viva Insights: Gir ledere mulighet til å holde oversikt over prosjekter med flere medlemmer, og kan brukes for bedre samhandling i større gruppeoppgaver. 
  • Power-Ups i Trello: Selv om mange av Trellos integrasjoner ikke nødvendigvis bruker KI, finnes det en rekke applikasjoner som, ved hjelp av maskinlæringsalgoritmer, kan forbedre samhandling og produktivitet i teamet. 
  • Reclaim: Denne integrasjonen kan også knyttes til samhandlingsverktøy som Slack, Teams, Asana og Trello for å holde oversikt over produktivitetsmål i ulike team. 


4. For deg som skriver referater og transkriberer

Å transkribere intervjuer, møtenotater eller referater manuelt kan være tidkrevende. Heldigvis finnes det mange hjelpemidler som kan gjøre det enklere. 

  • Word: Åpner du Word i nettleseren, finnes det en transkriberingsfunksjon skjult under knappen «dikter». Last opp lydfiler, og få tekst tilbake, rett i tekstdokumentet. 
  • Jojo: VG sitt transkriberingsverktøy er åpent og tilgjengelig for alle. Jojo er bygget på den generative talegjenkjenningsmodellen Whipser fra Open AI. 


5. Enkel «KI-boost» i forretningssystemer 

  • Sales Insights i Dynamics lar deg hente ut verdifulle salgsinnsikter. Ved å kombinere dette med Power Apps, kan du automatisere prosesser og opprette tilpassede arbeidsflyter. 
  • Shopify tilbyr flere KI-chatboter som kan tilpasses for dine forretningsbehov. Disse kan også anbefale produkter automatisk basert på kjøpshistorikk. 
  • Quick Insights i Power BI gir deg en dypere innsikt i dine data, uten alt for mye forhåndskunnskaper. 


6. Kreative generative verktøy 

Generative verktøy som ChatGPT kan bistå til alt fra å være en tekstassistent og motvirke skrivesperre, til planlegging, prosjektgjennomføring, og som din personlige kodeekspert. 

Copiloter, som vi har nevnt tidligere, kan snart støtte deg i alle slags administrative oppgaver. Mater du Midjourney og DALL-E med beskrivelser og instruksjoner, får du bilder og illustrasjoner tilbake – mens Tableau kan brukes til å generere nye og spennende visuelle fremstillinger av data. 



– Vi hjelper bedrifter å konkurrere på internasjonalt toppnivå

Gjennom ordningen Norsk katapult har Smart Innovation Norway fått på plass et testsenter som utvikler, tester og simulerer produkter, tjenester og prosesser. AID katapult er rett og slett et industrielt treningsanlegg som gjør veien fra idé til marked kortere.

Gurill Mediaa er prosjektleder for AID-katapulten

Av Anja Lillerud, Smart Innovation Norway

Tenk deg at du har en idé til et produkt som du har skikkelig tro på. Noe du mener kan utgjøre en stor forskjell fra dagens løsning. Eller en tjeneste som ikke finnes, men som du har avdekket at det er behov for. Hvordan skal du klare å overbevise de riktige folkene om å satse sammen med deg?

En reise gjennom Siva – Selskapet for industriveksts katapultordning kan være løsningen. En katapult tilbyr industrielle treningssentre med utstyr og kompetanse til bedrifter som trenger å teste ut en idé, simulere et hendelsesforløp eller utvikle et produkt eller tjeneste.

I den andre enden av prosessen sitter man igjen med kunnskap og dokumentasjon som hjelper deg videre på veien til markedet.

Katapultfamilien vokser

Bjørn Dimmen, daglig leder DigiCat i Ålesund. Alle foto: Anja Lillerud

– Vi hjalp en industribedrift i oljebransjen på Vestlandet med å lage blant annet en video og VR-løsning som gjorde det mye enklere for dem å vise fram sitt nye produkt til kundene sine. De la videoen ut på LinkedIn, og det resulterte i henvendelse fra en internasjonal aktør og kontrakt for nytt oppdrag, forteller Bjørn Dimmen.

Han er daglig leder for DigiCat i Ålesund, katapultsenteret som Smart Innovation Norways katapult er en node til.

Under lanseringen av AID i august 2023 var Dimmen til stede, og han gleder seg over at katapultfamilien vokser. De fem nasjonale sentrene der DigiCat er en av dem, har fått åtte noder, blant dem AID-katapulten, under sine vinger i løpet av året.

AID har hovedfokus på kunstig intelligens og digitale tvillinger siden Smart Innovation Norway har ekspertise på de to fagområdene.

– Det var kjempegodt oppmøte på lanseringen, og det var et fint arrangement som viste bredden både i tilbudet fra AID og kundemålgruppen for katapulten, sier Dimmen.

DigiCat-sjefen er opptatt av å spre budskapet om Norsk katapult-ordningen så mye som mulig. Han møter til stadighet bedriftsledere som ikke kjenner til muligheten for økonomisk støtte man kan få gjennom et katapultsenter.

– Bedriftenes egenandel og Sivas katapultmidler kan sammen utløse store ting. Jeg prøver å understreke at man ikke skal tenke begrensninger, at det viktigste for bedriftene er å få ideer og utfordringer ned på papiret, og så kan vi se hvilken leverandør som er den beste og koble partene sammen, forklarer han.

AID katapult
Eirik Andreassen (t.v.) fra Digital Norway og Nemonoor sammen med klyngeleder for Cluster for Applied AI, Tore Lie. Sammen presenterte de AI-klinikken.

– Blant Norges ledende innovasjonsselskap

Bakgrunnen for lanseringen av AID-katapulten går tilbake til høsten 2022. Da bevilget regjeringen 47 millioner kroner til testfasiliteter i distriktene for å bidra til økt omstilling og et mer bærekraftig norsk næringsliv.

Bjørn Arne Skogstad, spesialrådgiver Industri hos Siva – Selskapet for industrivekst.

Siva utlyste pilotprosjekter under ordningen Norsk katapult, og ved søknadsfristens utløp var det kommet inn søknader fra Smart Innovation Norway og 27 andre kandidater fra alle landets fylker.

– Smart Innovation Norway er blant Norges ledende innovasjonsselskap når det gjelder fokus, kapasitet og koblingen mellom forskning og anvendelse. At dette miljøet med denne kapasiteten er en del av det nasjonale løftet som Norsk katapult er, er veldig gledelig, sa Bjørn Arne Skogstad, spesialrådgiver industri hos Siva, under åpningen av AID.

Skogstad har fulgt selskapet de siste 10-12 årene fra å bestå av en næringsklynge i startgropa til å utvikle ikke bare én, men tre klynger, en inkubator, en internasjonalt anerkjent forskningsavdeling, et tidligfase fond og en smart by-satsning.

Nå gleder han seg til å følge med på veien videre.

– Dere skal være med på å svare ut regjeringens bestilling til Norsk katapult, og den bestillingen er ikke veldig beskjeden. Den sier at dere skal tilby utstyr, teknologi og kompetanse til hele landet slik at bedrifter fra Nordkapp til Lista øker sin konkurransekraft. Dere skal bidra til mer innovasjon og raskere omstillingsevne med sikte på økt og ny industriell verdiskapning i Norge, sa han.

AID katapult med stort lag i ryggen

– Vi skal primært hjelpe bedrifter, men også offentlig sektor med å utnytte det vi kaller «den nye oljen», nemlig data.

Kjell Reidar Mydske

Kjell Reidar Mydske var stolt administrerende direktør for Smart Innovation Norway da han ønsket velkommen til åpningen av piloten AID katapult.

– Vi skal primært hjelpe bedrifter, men også offentlig sektor med å utnytte det vi kaller «den nye oljen», nemlig data. I katapulten lanserer vi en datafabrikk som skal behandle og gjøre dataene klare, en AI-klinikk for å vise hvordan man kan bruke AI i egen forretningsmodell, og en simulator for raskere å utvikle og teste produkter og tjenester. Med disse tre tjenestene skal vi hjelpe bedrifter å konkurrere på internasjonalt nivå, sier han.

AID katapult tilbyr tre tjenester: AI-klinikken, datafabrikken og simulatoren. Prosjektleder Gurill Mediaa presenterte dem under lanseringen.

Ansvaret for å lede AID-katapulten har Gurill Mediaa fått. Hun ser fram til å hjelpe bedrifter og offentlige aktører med å utvikle tjenester og produkter, og til å lage digitale verdiøkende tjenester på toppen av produkter som allerede finnes.

– Dette er en spennende og viktig oppgave. Vi gleder oss til å gå i gang med å løse oppdraget vi har fått og nå målene vi har satt oss, sier Mediaa.

Hun understreker at AID katapult er en del av et økosystem og har mange kompetente samarbeidspartnere med seg på laget.

Sivas katapultprogram legger rammene for et godt utgangspunkt sammen med Næringshagen i Østfold, DigiCat i Ålesund/ ÅKP, Cluster for Applied AI, Halden Næringsutvikling, visualiserings- og simuleringsbedriften Augment City/OEC, Institutt for Energiteknikk (IFE), Digital Norway/Nemonoor, AI-selskapet Chronos og UiT Norges arktiske universitet avd. Narvik.

– Er du nysgjerrig på hva AID katapult er, så ta kontakt. Jeg vil gjerne vise deg simulatoren og mulighetene som ligger i AI, digitale tvillinger og datadeling sier Gurill Mediaa.

Godt oppmøte på lanseringen av AID katapult.

Lanserer senter for kunstig intelligens

Slik skal Nemonoor få fart på bruken av kunstig intelligens i norske virksomheter over hele landet.

Av Henning Brikt Andersen, Kommunikasjonssjef Digital Norway Alle foto, Dan-Børge Pedersen

Konsortiet bak Nemonoor

– Nemonoor skal være en tjenesteleverandør og en hub. Vi skal finne midler og støtte med helt konkrete ressurser til virksomheter. Og vi skal koble sammen aktører som kan dra nytte av hverandre, sier Eirik Andreassen i Digital Norway.

Han er koordinator for Nemonoor, et helt nytt nasjonalt senter for kunstig intelligens. Senteret består av åtte partnere fra forskning, akademia, innovasjon, nettverk og testsentre.

Når Nemonoor nå lanseres, er formålet å bygge kompetanse og evne hos private og offentlige virksomheter til å ta i bruk kunstig intelligens. De skal også sikre synergier med andre aktører på nasjonalt og europeisk nivå.

Den nye nasjonale huben tilbyr kunnskapen, testsentrene og nettverket norske virksomheter trenger for å lykkes med å ta i bruk kunstig intelligens.

I Norge har vi høy tillit, stor grad av digital modenhet og masse data. Det finnes mange anledninger til å lære av hverandre og bygge broer. Da er det viktig med åpenhet og mer samarbeid på tvers for å gjøre dette på en god måte.

– Kunstig intelligens har aldri vært mer omtalt, diskutert eller benyttet enn nå, forklarer Andreassen.

– Derfor er det stadig viktigere for bedrifter, organisasjoner og virksomheter å forstå og utnytte potensialet i teknologien.

Koordinator for Nemonoor – Eirik Andreassen, Digital Norway

Timingen er god

Maskinlæringsmodeller kutter utslipp på anleggsplasser. Datasyn effektiviserer og øker kvaliteten på norske veigjerder. Bildegjenkjenningsteknologi gir oppdrettere bedre verktøy for å overvåke aktivitet i mærene.

Det er bare noen eksempler på bruksområder av kunstig intelligens i norsk næringsliv i dag.

– Det har aldri vært så kort vei fra forskning til anvendelse på noe felt. Det skjer så mye, og det er spennende. Nå kan alle ta i bruk litt kunstig intelligens, selv uten å kunne programmere.

Morten Dalsmo, Sintef Digital & Inga Strümke, NTNU

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

Vi er fortsatt tidlig i utviklingen, påpeker hun. Ingen kjenner omfanget av hvordan teknologien kommer til å påvirke samfunnet og verden vi lever i. Det gir mange muligheter, men også en rekke utfordringer.

Strümke mener timingen bak Nemonoor er god:

– I Norge har vi høy tillit, stor grad av digital modenhet og masse data. Det finnes mange anledninger til å lære av hverandre og bygge broer. Da er det viktig med åpenhet og mer samarbeid på tvers for å gjøre dette på en god måte.

– KI kan kutte globale utslipp med en femtedel

Konsortiet bak Nemonoor består av noen av de fremste miljøene på kunstig intelligens i Norge;

NORA/UiO, Norway Health Tech, NTNU, SINTEF, Digital Norway, Smart Innovation Norway, Institutt for Energiteknikk (IFE) og Ålesund Kunnskapspark (ÅKP).

Morten Dalsmo er konserndirektør i SINTEF Digital. Han poengterer at det er et skrikende behov i næringslivet for tilgang på ressurser som omhandler kunstig intelligens:

– Næringslivet har mye å gå på når det kommer til å dele data og kompetanse på tvers av bransjer og sektorer, begynner han og legger til:

– Kunstig intelligens har potensialet til å redusere globale utslipp med en femtedel innen 2030. I SINTEF er vi opptatt av å koble næringslivet på forskningsfronten og sørge for at kunstig intelligens tilpasses flere anvendelsesområder.

Håkon Haugli, direktør i Innovasjon Norge, er også tydelig på at delingspotensialet i norsk næringsliv er stort:

– Nemonoor er en fantastisk koblingsboks mellom ulike bedrifter og næringer. Så er det opp til deltakere å gå inn i det med de gode spørsmålene og vilje til å dele. Hvis de gjør det, så er dette et helt uovertruffent bra initiativ.

Tettere på den europeiske utviklingen

Nemonoor er en European Digital Innovation Hub (EDIH, kan uttales «eddy»), og er delvis finansiert gjennom Norges medlemskap i EUs 7-årige DIGITAL-program. Det innebærer at tjenestene vil tilbys gratis eller til en redusert pris.

I Europa pågår det for tiden et stort ressursløft når det kommer til kunstig intelligens, påpeker Andreassen. EU har per dags dato gitt tilsagn til at det opprettes 136 EDIHer i alle EU-medlemsland.

Andreassen forklarer at Europa har verdens høyeste tetthet av forskere, men samtidig verdens laveste andel av oppstartsbedrifter.

– Det er en indikasjon på at vi ikke klarer å overføre den kunnskapen som finnes i forskningsmiljøer og klynger til næringslivet, sier Andreassen og legger til:

Teknologien skal gjøres så tilgjengelig at alle kan ta den i bruk. Det er dit vi må.

Haugli trekker også frem viktigheten av å være påkoblet den europeiske arenaen:

– Det gir enorme merverdier hvis vi evner å ta den posisjonen i bruk. At vi internasjonalt klarer å posisjonere Norge som et spennende land når det kommer til bruk av kunstig intelligens.

Strümke er tydelig på at særlig forståelse og kunnskap knyttet til hva kunstig intelligens egentlig er, og hvordan det kan brukes, blir særlig viktig om norsk næringsliv skal bli gode på å ta teknologien i bruk.

– Også skulle jeg ønske vi hadde mer politisk ledelse på dette feltet. men nå skjer det faktisk en egenkoordinering. Det er et forsøk på å løse problemer sammen – og det er fantastisk, avslutter hun.

Etablerer senter som skal få fart på bruken av kunstig intelligens

Forrige uke ble det kjent at Norges deltagelse i Digital Europe bærer frukter. En norsk European Digital InnovationHub skal få fart på bruken av kunstig intelligens i norske virksomheter over hele landet. Senteret skal hete Nemonoor og er stiftet av en rekke sterke aktører innen kunstig intelligens.

Eirik Andreassen

Ordningen retter seg mot private og offentlige virksomheter over hele landet, og hensikten med ordningen er gå gi virksomhetene tilgang til den kunnskapen om anvendt KI som er bygget opp med basis i mange års forskning, utvikling og innovasjon.

Dette er et prestisjefullt oppdrag og en fantastisk mulighet for norskebedrifter til å øke satsingen på kunstig intelligens, gjennomtilgang til både de beste ressursene i landet og en tett kobling til sterke fagmiljøer i E, Eirik Andreassen, leder for Nemonoor.

I første omgang vil Nemonoor bidra til virksomheter som jobber innen produksjon, helse, smarte byer og samfunn, samt energi-systemer/bærere. Vi vil primært fokusere på løsninger som bygger på prediksjon, maskinsyn og språkmodeller, og vi retter oss mot private og offentlige virksomheter i hele landet.

Foruten DigitalNorway, består Nemonoor av, Institutt for Energiteknikk (IFE), NORA/UiO, Norway Health Tech, NTNU, SINTEF, Smart Innovation Norway og Ålesund Kunnskapspark (ÅKP). Til sammen skal konsortiet sikre at virksomhetene som deltar får tilgang til kunnskapen, testsentrene og nettverket de trenger for å lykkes med å ta i bruk KI som en integrert del i virksomheten.

– Vi ser frem til å jobbe tett med de andre nasjonale og europeiske innovasjonsnavene for å sikre at virksomhetene får tilgang til de aller beste og mest relevante tjenestene de trenger, sier Andreassen.

Skuffet over manglende finansiering fra regjeringen

I Norge er det Kommunal og distrikts departementet (KDD) som er ansvarlig for DIGITAL Europe programmet, med Innovasjon Norge som tilrettelegger for EDIH ordningen. EU vil finansiere halvparten av driftsbudsjettet til konsortiet. De resterende midlene må komme fra nasjonale kilder. Det var et håp om at KDD ville bidra til å delfinansiere de nasjonale EDIHene, men i revidert nasjonalbudsjett ble det klart at dette ikke er tilfelle.

Det manglende bidraget fra norsk side står i sterk kontrast til hva v

åre naboland Finland, Sverige og Danmark gjør for å definansiere EDIHene sine, sier Eirik Andreassen.

Norge ligger allerede etter våre naboland når det gjelder bevilgninger for å bidra til bruk av avanserte digitale teknologier, og den manglende nasjonale medfinansieringen bidrar til å forsterke denne skjevheten.

EDIHeri alle EUs medlemsland

European Digital Innovation Hubs (kan utales «eddy»), er et sentralt virkemiddel i EU sitt nye 7-årige DIGITAL-program. Formålet er å sikre at private og offentlige virksomheter rustes til å ta i bruk avanserte digitale teknologier. EU har per dags dato gitt tilsagn til at det opprettes 136 EDIHer i alle EU-medlemsland, i den hensikt å sikre at kunnskapen som finnes i hvert enkeltland skal gjøres tilgjengelig for virksomheter i andre EU-land.

Norge fikk innvilget to EDIHer, Nemonoor og Oceanapolis, Nemonoor starter opp aktivitetene til høsten 2022

Kontakt: Eirik Andreassen, eirik.andreassen@digitalnorway.com, tlf: 402 00 598

#nemonoor #EDIH #digitalnorway

Artificial intelligence – what is it and why is it on everyone’s lips?

Used correctly and in the right circumstances, artificial intelligence has the power to help businesses in the private sector as well as the public sector become more efficient and most importantly; more sustainable.

Illustration (Shutterstock.com)

By Research Director at Institute for Energy Technology Tomas Nordlander and journalist Mari Kristine Buckholm

The history of artificial intelligence (AI) goes back to the Dartmouth Conference in New Hampshire in the summer of 1956. That is when the word was first coined. The conference gathered some of the key researchers in the United States, who were computer scientists, to look at the potential of the computer. The researchers had already started looking into making the computer intelligent before that, but the Dartmouth Conference is considered to be the founding event of artificial intelligent as a field.

Machines and software that try to achieve a goal or solve a problem in a changing environment using reasoning, memory, planning, scheduling, that is artificial intelligence

From that time until now, we have had AI winters and AI springs. Every time there is an AI spring, like 1956, we have a lot of funds coming in. Several companies put a lot of money in, and a lot of promises as well, but some of these promises are not realistic. For example, in 1956, they were talking about the autonomous car and the universal translator, and it was promised to be ready in 10-15 years. But, as we all know, 15 years later there were no autonomous cars.

What happens next is that people get disappointed when AI does not deliver, and almost all the funding stops. A lot of good researchers leave the field and move to other fields. So, every time the AI winter comes, we lose a lot of excellent AI researchers.

Then the spring comes again, because someone has gotten a breakthrough, and the funding comes back. Also, every time we have an AI spring, the charlatans show up as well. People who do not really have AI experience, capabilities or AI products come because there is a lot of money involved. They also make promises, which lead to disappointment – and affect the AI hype.

The lasting AI spring

Today, we are in the middle of an AI spring, but there are still some cold winds. The difference this time, compared to previous AI springs that have turned into winter, is that we have available data from Internet-of-Things (IoT), we have mature algorithms, and we have processing power in the cloud. All this makes the current AI spring unique, and I think it is here to stay. With that said, there will be a lot of disappointments as well, where people are promised gold, but get coal in return.

This is why it is important to remember the history of AI. When I bump into young people around 25-35 years old, they tend to think that AI is only about deep neural network and that everything written about AI that is older than 10 years, is irrelevant. That is a huge mistake. You might think that the autonomous vehicle came from the DARPA (Defense Advanced Research Projects Agency) Grand Challenge or Tesla, but in the 1980s there were autonomous Mercedes Benz cars driving on the highways of France, Germany and Denmark, using AI.

We had cars driving autonomously already in the 80s and people do not know. We have so much more to learn from the history of AI, but people are too short-sighted back in time. Some of the most relevant research papers are not as young as five years old; they might in fact be 20-40 years old.

Hence, if you wish to focus on AI, do not ignore research and results of AI that is older than 5-10 years. You will only do yourself a disfavor and create more work than you need to do.

Definitions of AI

Through the years, there have been many attempts to define what artificial intelligence is. The simplest and most common definition, but a problematic one, is “intelligence demonstrated by machines and software”. The problem is that we do not have a universally agreed upon definition of the word intelligence. If you and I have two different views of what intelligence is, it means we would also have two different views of artificial intelligence.

Therefore, a more comprehensive definition that does not contain the word intelligence would be better: “Machines and software that try to achieve a goal or solve a problem in a changing environment using reasoning, memory, planning, scheduling.” That is artificial intelligence.

Machine learning, on the other hand, is a group of AI techniques (some statistical techniques also belong under the machine learning umbrella). It enables a system to automatically learn and progress from experience without being explicitly programmed.

The most important reason why people and companies should have competence within AI today, is that AI has the potential to help with digitalization. For the Institute for Energy Technology (IFE), digitalization means how organizations use digital technology to enable them to do more with less effort and get it done quicker, safer, and cheaper. If AI can help with that, you will get a competitive advantage compared to those who do not utilize it. Basically, it is about staying in the game and being competitive.

It is also necessary to remember that AI might not always be the solution. There are some problems where people apply AI, when other techniques like statistics or mathematical modelling are way better. I have seen instances where people choose to apply AI to a problem simply because it attracts funding, but they end up using the wrong technique to the problem. They would have had a much more efficient solution if they used mathematical modelling instead.

Nevertheless, used correctly and in the right circumstances, AI has the power to help a large number of businesses in the private sector as well as the public sector become more efficient and most importantly; more sustainable.

When is AI the solution?

We have several examples of smart use of AI in the new Cluster for Applied AI. Many of our cluster members already utilize artificial intelligence in a way that is both efficient and environmentally friendly. In the following, I will present some of the most relevant cases.

At IFE, we produce medicine for prostate cancer. It is a radioactive medicine that is given intravenously to patients, but it has a half-life of two weeks. This means that from we produce it, we have two weeks to give it to the patients, otherwise it does not work. We deliver this medicine from our facility at Kjeller to the entire world, and it must reach the patients, wherever they are, within two weeks. The medicine is kept in a vial and we need to identify if there are dust or particles that make it necessary to discard it.

Previously, this was done manually by people looking at and shaking them against light to check. First of all, they would get a small dose of radiation, which is not dangerous, but not great either. Secondly, it is hard for the human eye to detect these particles. Now, we have project where we use a robot hand to shake the vials and we use machine vision with AI to identify the particles, which can do the job faster, more accurate, and safer than humans, which means better medicine reach the patient faster.

A second example is that of eSmart Systems. The software company uses AI to detect maintenance needs on the masts of power lines.

Previously, when you were inspecting powerlines, you would rent a helicopter and fly along the power lines with a camera and/or binoculars to try to identify what might be broken. This is traditionally known as one of the more dangerous helicopter trips that you can take. There is always high risk involved when working close to power lines, but this method also has a high carbon footprint.

eSmart Systems’ solution is to use drones to inspect instead. These drones can be autonomous or controlled by man and are equipped with a camera connected to artificial intelligence which analyses the power lines and masts in real-time. This means that the operator will know exactly which mast to go to, what tools and parts to bring, and which error to climb up and fix. The AI has been fed with a broad spectrum of images showing all different kinds of masts and potential errors and trained to detect and identify all types of errors. It can recognize and analyze 200 000 images in one hour, whereas a human being would need one year to analyze 100 000 images.

Before, the utilities left a big carbon footprint, there was more risk involved with the helicopter, it was more expensive, and they still did not get as accurate information.

The third example from the cluster is Husqvarna’s production of saw blades for chain saws in Sarpsborg, Norway. They are interested in AI to look at the quality early in the production line. Very often, if there is a mistake early in the production line, they want to detect it as quick as possible. Because when you build a product and it is faulty early on, but you do not know, you invest more money and time building things on top of it. In the end, after spending a lot of time and resources, you find out it does not hold the standard and must throw it away.

Husqvarna wishes to know early in the process if the tolerance, width and height of the product is perfect. If it is not, they will discard it early on. Hence, the company uses AI to detect faults early in the production process, so that they do not invest or use resources unnecessary.

A fourth example is predictive maintenance. Here, IFE has been using AI techniques since the 1980s to assist in safety critical industries. We predict when failure will occur (based on sensor inputs such as vibrations, sound, and electrical profile used) which allow for optimal selection of time to do maintenance. For example, predictive maintenance is used on large water pumps for nuclear installation.

From the public sector, the most relevant examples of smart, and in some cases lifesaving, use of AI are within healthcare. For example, AI can be used to predict breast cancer and help identify tumors. It can analyze databases of people’s medical records to identify pre-diabetics, so that measures can be made and medicine given to prevent them from ever becoming diabetic. Of course, today we have laws and regulations that prevent the sharing of medical records, but these things could be evaluated against how much it is worth.

AI can also be used to analyze what some schools are doing correctly in terms of teaching and learning compared to other schools, or to make sure that elderly can stay at home as long as possible with the help of smart sensors.

AI in the future

To sum up, there are many ways that AI can help both private businesses and entire sectors, including the public sector, to become both more efficient and more sustainable. As discussed, AI is nothing new. The reason why AI is in the wind again, seemingly for good this time, and has become a popular buzzword all over the world, has a combined explanation.

Every time there has been an AI spring, it is because one of the AI techniques has made significant progress. In the 1980s, it was a so-called expert system (computer program that emulates the decision-making ability of a human expert) that suddenly started being able to handle industrial problems which gave the industry a huge benefit. Thus, the AI spring blossomed, before it became winter once again.

What initiated the current AI spring, is neural networks and the progress we have made within that field. A neural network model is originally inspired in design by the human brain (but it is not an artificial brain) and is programmed to recognize patterns. We have managed to, in several different areas, use neural networks with a higher degree of accuracy than humans. For example, a neural network can learn how to play chess against itself and get better and better, until it is better than any human chess player.

Even though we have had great success with neural networks, the focus should shift to other AI techniques as well – which could work very well with neural networks. Because AI is much more than machine learning. The latter has the downside that it is “black box”, which means that we cannot see how the knowledge is represented in the AI model. But a big part of AI techniques and algorithms are “white box”, that people have forgotten a little bit about, where you can actually explain the reasoning for everything. In the future, the important thing will be to combine them.

Going forward, everyone should to gain more knowledge about AI. Attending courses is one thing, but what we really need, are initiatives like Siva’s Catapult centers and the newly formed Cluster for Applied AI, where people and companies can connect, ask questions, test products, share knowledge and experience, and establish collaborations.

If we succeed in creating such a national AI team and work together instead of competing against each other, we will be able to create value within our own borders and become a force to reckon with internationally as the world enters the AI age.