Play

Vi återvänder till ett ämne vi behandlade mer intensivt för 2-3 år sedan och undrar: Vad hände sen?

() har varit hett i omgångar de senaste tio åren, men fyra av fem organisationer befinner sig fortfarande i startblocken.

Om avsnittet:

Målgrupp: nyfikna, ledare, processfolk, verksamhetsutvecklare,

Lär dig: , automation, ML, DL, POC,MVP, NLP, MLOPS

Vi frågar varför då? Man har respekt för ny , saknar kompetens, känner en rädsla för förändring och att AI kan ta över våra jobb. Det handlar om machine learning (ML) och deep learning (DL). Lösningsområden kan vara natural language processing (NLP), alltså analys av tal och text eller bild- och videoanalys. Lägg därtill massor av statistiska funktioner för att se samband och trender, t ex att något håller på att slitas ut.

I början av 2000-talet var man osäker på om det var värt att testa AI. I backspegeln kan vi se att nästan alla galna idéer går att genomföra, bara de är väl beskrivna. Det handlar mest om att träna algoritmerna att göra det vi vill, med hjälp av mycket data och kvalitativ data.

För att ta ett steg-för-steg tillvägagångssätt, gör först ett proof of concept (POC) på bildanalys, sedan en minsta värdefull produkt (MVP) och sedan en pilot med en kund, och nu är det ett fungerande, AI-drivet erbjudande .

Ett sjukhus predikterar data från intensivvårdsavdelning. Hur ser beläggningen ut, hur krävande är aktuella patienter. Detta ligger sedan till grund för resurssättning i organisationen. Vid utvärdering visade det sig att AI “gissade bättre” än personalen själva.

Så hur kommer vi igång?

  • Samla in och tillgängliggör data
  • Arbeta innovativt, ifrågasätt, tänk i nya banor, koncept, affärsmodeller
  • Skapa en vi-ska-automatisera-kultur. Strukturer, organisation, teknikplattform; AI måste kunna skala.

Det finns många konkreta case att ta del av. Kolla dem och kavla upp ärmarna och hugg i! Sen kan du kalla dig datadriven och – har det visat sig – bli mer lönsam.

Joakim Wahlqvist, Jonas Jaani (25:35)

Länkar / mer information:

Data & Artificial Intelligence Research
Rapporter och mer information

Videoversion av avsnittet


Alla avsnitt av digitaliseringens podcast Effekten:

https://www.effekten.se/avsnitt

Apple Podcasts:

https://itunes.apple.com/se/podcast/effekten-digitalisering-kunskap/id1171229363

Google Podcasts:

https://www.google.com/podcasts?feed=aHR0cHM6Ly93d3cuZWZmZWt0ZW4uc2UvZmVlZC9wb2RjYXN0Lw==

Acast:

https://www.acast.com/effekten

Spotify:

https://open.spotify.com/show/5Z49zvPOisoSwhwojtUoCm