Vil du læse magasinet i din indbakke?
Tilmeld dig vores nyhedsopdatering her. Så sender vi dig en mail, når vi udkommer med et nyt magasin fire gange om året
Kunstig intelligens overtager ikke bare rutineopgaver. Den udfordrer også akademikernes monopol på ekspertise, siger professor og forfatter Jan Damsgaard. Og ikke bare i morgen, men i dag.
Kender du Kondi Kai? Han har fregner og tilbagestrøget, rødligt hår. Han ligner en ung gut i starten af trediverne.
Men Kondi Kai er ikke af kød og blod. Han er derimod en af fem AI-medarbejdere, som arbejder for bryggeriet Royal Unibrew og er opkaldt efter bryggeriets ikoniske sodavand Faxe Kondi.
Som AI-agent har han og de fire andre agenter fået et udseende, en personlighed og specifikke evner. Kondi Kai er ekspert i alt, der vedrører Faxe Kondi – og medarbejderne konsulterer ham altid, før de træffer beslutninger om produktet.
"Kondi Kai er et eksempel på en autonom AI, der bruges som en brandmanager, der hjælper interne medarbejdere med opgaver og beslutninger relateret til produktet. Han har adgang til al viden om Faxe Kondi de seneste 50 år. De ansatte på bryggeriet tager ikke beslutninger om den ikoniske sodavand uden at konsultere ham først," fortæller Jan Damsgaard, der er professor ved Institut for Digitalisering på Copenhagen Business School (CBS).
Vi kommer til at arbejde side om side med autonome AI-personligheder som kollegerJan Damsgaard, professor, CBS
Han har skrevet bogen ‘AI – mellem fornuft og følelse’, der er på fjerde oplag og i maj udkom i en opdateret version. Her påpeger han, at AI ikke længere er en fjern fremtidsvision. Det er en realitet i mange virksomheder.
Ifølge Jan Damsgaard vil autonom AI i løbet af de kommende år gennemtrænge de fleste offentlige og private arbejdspladser.
"Vi kommer til at arbejde side om side med autonome AI-personligheder som kolleger. Det kommer, ligesom internettet, ikke til at forsvinde igen," siger Jan Damsgaard.
"Alle virksomheder vil blive testet. Nogle overlever – og flere vil bukke under. Men alle virksomheder og deres ansattes måde at arbejde på vil blive forandret mærkbart med AI," fastslår han.
Autonom AI er kunstig intelligens, der kan træffe beslutninger og handle på egen hånd inden for et afgrænset ansvarsområde uden menneskelig indblanding i hver enkelt opgave.
Autonom AI agerer som en slags medarbejder med specifikke opgaver og eget initiativ. Systemet forbedrer sig via data og erfaring og kan integreres i arbejdsgange, hvor den kan handle på egen hånd inden for et afgrænset område.
For eksempel fungerer AI-agenten Athena som en market researcher hos Royal Unibrew. Athena analyserer markedstendenser og data for at give bryggeriet bedre og hurtigere data og indsigter, som kan give en konkurrencemæssig fordel.
AI-agenter kan for eksempel også tilføjes til Teams-møder og på den måde fungere som sparringspartnere, der kan komme med input.
Hvor tidligere teknologiske revolutioner især har ramt kortuddannede og fysisk arbejde, er det nu de højtuddannede, der står for skud. Ifølge Jan Damsgaard vil AI i stigende grad kunne levere ekspertviden og dermed udfordre akademikeres traditionelle rolle som vidensarbejdere.
"AI vil på alle områder kunne udgøre ekspertise og på den måde erstatte mange akademikere som ansatte eksperter. Det kommer til at udfordre akademikerne på godt og ondt," siger han.
Samtidig understreger han, at teknologien også vil skabe nye job og nye krav til kompetencer.
"Om vi bliver i stand til at absorbere og transformere os til disse helt nye krav, bliver en lakmustest på, hvor godt det danske arbejdsmarkedssystem fungerer."
AI kan også forbedre arbejdslivet for den enkelte, mener Jan Damsgaard. Den kan understøtte ekspertise, reducere fejl og aflaste administrative byrder – hvilket i sidste ende kan øge jobtilfredsheden.
Han er selv i gang med at udvikle sin egen AI-vejleder til CBS.
"AI-vejlederen bliver trænet på baggrund af interview med mig. Den lærer, hvad jeg synes, et godt speciale er, og at kende regler og retningslinjer på CBS. På nogle punkter udtrykker den sig allerede bedre end mig – og det frigør tid til, at jeg kan fokusere på det mere spændende arbejde som for eksempel kontakt til virksomheder og at arbejde med teori," siger han.
I sin bog opstiller Jan Damsgaard fire scenarier for, hvordan AI vil forme fremtiden. Hvilket scenarie der kommer til at dominere, er for tidligt at forudsige, men alle fire er mulige fremtidsscenarier:
1. Tech dominerer
Store techgiganter udvikler AGI (artificial general intelligence) og vinder kapløbet.
2. De store bliver større
Store organisationer dominerer hver deres branche.
3. Nye AI-fødte opstartsvirksomheder overtager
Gamle virksomheder bukker under for nye AI-drevne spillere.
4. Status quo
AI bruges primært til at effektivisere eksisterende arbejdsgange.
I bogen illustrerer Jan Damsgaard også fire scenarier med eksempler fra advokatbranchen, kommunalforvaltninger, medicinalindustrien og medierne.
"Med AI kan virksomheder forhøje deres produktivitet mærkbart og blive mere konkurrencedygtige. Dermed kan de også tilbyde bedre løn og arbejdsvilkår," siger han.
"AI er et redskab, man i fremtiden forventes at kunne håndtere, og den gode nyhed er, at det ikke er så svært, når først man er gået i gang," siger Jan Damsgaard.
Definer formålet
Bliv skarp på, hvad AI skal hjælpe virksomheden med, og hvad den skal opnå.
Indsaml data
Definer de typer data, som AI skal have adgang til og trænes på. Sørg for input fra fagmedarbejdere, forretningsenheder, afdelinger, HR og så videre, så AI får adgang til relevante data.
Rens data
Forbered og rens data, så de giver det bedste resultat. Find de bedste kilder. Sorter de mindst relevante fra.
Træn, valider og juster
Del datasættet op, og kontroller, at modellen virker, sammen med relevante fagmedarbejdere. Foretag de nødvendige finjusteringer.
Test og brug agenten
Slip den løs på et helt nyt sæt data, som den aldrig har set før.
Lancer modellen, og brug den som tiltænkt i den enkelte afdeling.
Overvåg din agent
Få løbende tilbagemeldinger, og opdater agenten, når det er nødvendigt.
Opdater modellen
Byg AI-modeller, der overvåger de øvrige AI-modeller. Hvis du for eksempel har en AI-agent, som hjælper med ansættelsesprocesser, kan du udvikle en AI-model, der får til opgave at sørge for diversitet i ansættelserne, og udvikle en anden, der skal få de bedst egnede til at søge. Sørg derefter for, at modellerne finder de kommende ansatte i spændingsfeltet mellem de to hensyn.