Det har været her i det små siden årene efter Anden Verdenskrig. AI – artificial intelligence – eller kunstig intelligens, som vi kalder det på dansk. De seneste 5-10 år har indsamlingen af data kunnet mærkes i vores hverdag. Især på internettet, hvor algoritmer samler vores forbrugsmønstre. AI bruges indenfor stort set alle felter fra celle-tælling på sygehusene, til selvkørende biler og aktiehandler. For opgaver, der kræver systematisering og det at finde mønstre i store datasæt, er den kunstige intelligens den bedste ven. For et år siden blev chatværktøjet ChatGPT lanceret, hvilket har gjort AI til alle-mands-eje, og alle-mands-mulighed.
”Kunstig intelligens er mange ting. Og mange ting vi har brugt længe. AI er jo ”bare” en lærings algoritme, en slags værktøj der kan gennemskue og genkende et mønster. Dermed kan det forudsige en begivenhed eller mulig adfærd med en vis statistisk sikkerhed, fordi det er baseret på gentagelsen og genkendelsen, som så bliver samlet som data. Jo flere gange vi gør en ting, des mere data kommer der, og jo bedre bliver AI-værktøjet, pointerer professor Lars Frederiksen fra Institut for Virksomhedsledelse, Aarhus BSS, Aarhus Universitet.
Lars Frederiksen sammenligner det med, når vores mobiltelefon kan fuldende ord, når vi skriver en sms, er det fordi den genkender ordene, og ved vi vil bruge netop de ord. Indenfor luftfart har man længe brugt kunstig intelligens, som har lært mønstrene ved flyveture, vejrforhold og så videre. Automatpiloten hjælper den rigtige pilot, der måske flyver omkring ti procent af tiden.
30 procent teknik – 70 procent organisatoriske ændringer
Det er omkring syv år siden, Lars Frederiksen skrev om transformation og datadreven formidling for første gang. Da vi taler sammen, har han netop deltaget i en stor konference i Boston, USA, hvor et hovedtema var kunstig intelligens og brugen af AI i virksomheder, offentlige institutioner og samfundet.
”Digitalisering og bæredygtighed fylder alt for tiden. Fokus er rettet mod en ny form for ledelse med AI og implementering af kunstig intelligens. Nøgleordene er innovation, forandring, uddannelse og ansættelser. Blandt forskere står det klart, at fremtidens ledere skal gøre sig klar, at teknologiske ændringer i forbindelse med AI udgør cirka 30 procent, mens de organisatoriske ændringer vil fylde omkring 70 procent. Lederne skal kunne tage sig af begge dele,” siger Lars Frederiksen.
Indenfor de seneste år, og specielt dét seneste år, er udviklingen gået hurtig. Prisen og sikkerheden på AI er blevet bedre, lige som hastigheden er blevet hurtigere. Det giver samlet et meget bedre produkt, hvor mange flere især økonomisk kan være med.
”Vi er i midten af en stor forandring. Der vil også komme fejl i begyndelsen, og vi vil få et samfund, som vi ikke helt kender. Som da hesten blev afløst af bilen. Der vil være hyggelige landevejskroer, som lukker, og benzinstationer, som åbner. Men man kan aldrig vide med teknologien, siger Lars Frederiksen.
Teknologien i centrum af organisationen
Med den nye AI-teknologi skal alle organisationer – fordi indsamlingen af data er nøgleordet – tænke data, som det centrale omdrejningspunkt. Alle i en organisation skal have data, som kan knyttes sammen. Når man kender det problem, man skal løse, kan man optimere dataindsamlingen.
”Lige nu er det en anden proces. Det er et specielt ledelsesgreb, der skal til. Vi er i en ny periode, hvor vi historisk-teknologisk er gået fra damp til el. Fra el til computer og internet og nu skal vi næste skridt fra computer til kunstig intelligens. At implementere det kræver på mange områder en helt anden tankegang og forretningsmodel. Hvordan opfanger vi i fremtiden værdi? Det er en proces, som da man gik fra damp til elektricitet på fabrikkerne. Dampen kunne ikke bare slukkes på en kontakt som elektriciteten. Nu havde man en anden energi, så der skulle træffes nye beslutninger, laves nye rutiner, nyt organisations-design og processer. Vi er i en tilsvarende omvæltningstid nu,” siger Lars Frederiksen.
At teknologien kommer i centrum, har Lars Frederiksen et eksempel på: Hvis et sygehus vil bruge AI, skal sygehuset bruge data. Første spørgsmål er, hvilket problem AI skal løse. Derfra hvilke data man så skal bruge. Det kan være vagtskema på en helligdag. Sker der mere i godt vejr på akutafdelingen, og hvornår sker skaderne, hvordan behandles de. Her vil sygehuset have en del data selv. Hvor mange er på arbejde på en almindelig helligdag: læger, sygeplejersker, portører m.m. Men sygehuset har ikke selv vejrudsigter, så her skal de hente data udefra. Det er et organisatorisk og fysisk mindsæt, der skal ændres, når man skal finde ud af, hvordan algoritmen skal udformes og fodres, så den bliver klogere.
Hvis et sygehus skal bruge AI, skal man eksperimentere og finde de variabler, som styrer algoritmerne. Det er en stor opgave. Google alene kører måske 1.000 eksperimenter om dagen. Den offentlige sektor skal sætte eksperimenter i gang, så man lærer at optimere algoritmerne og lærer den en ny adfærd. For nogle vil det være nok bare at kunne bruge AI, men i ledelseslagene er det også nødvendigt, at nogle ved, hvordan AI virker. Hvordan statistikken fungerer. Det kræver uddannelse og i nogle tilfælde måske nye medarbejdertyper.
”Indenfor sygehusvæsnet er der flere eksempler, hvor man bruger AI. Nogle AI-værktøjer er bedre til at genkende scanninger for nogle kræfttyper end radiologer er. Maskinerne afkoder og genkender ganske enkelt bedre end radiologerne. Så er det måske en fordel for patienten, at man bruger maskinen. Og hvis beskatningen af maskinen så også er billigere end radiografen, er det jo en samfundsfordel. Virkeligheden har vist sig, at man indtil nu både bruger radiografer og maskiner, så det har ikke betydet fyringer på det område,” siger Lars Frederiksen.
Etik og moral
”På ledelsesniveau bør man gøre sig klart, at der er mange rutiner, der bliver anderledes, hvis man vælger maskiner fremfor mennesker. Det store ledelsesspørgsmål er derfor: Hvad er det for et problem, vi gerne vil løse? Tit har man data, men det er vigtigt at vide, hvad data skal bruges til. Der er et stort stykke strategisk arbejde, som skal gøres, før man implementerer ny teknologi. Hvis det er smart med AI, så løs det med maskiner, hvis det er smart med mennesker, så løs det med medarbejdere eller måske mest optimalt – anvende både mennesker og maskiner til beslutninger sammen. Der ligger ofte et stort arbejde med ændrede arbejdsgange, nye funktioner og uddannelsesforløb for medarbejderne,” siger Lars Frederiksen.
Mange spørger sig selv, om vi er i gang med at lave en automatisering af samfundet eller en udvikling. Er vi i gang med at erstatte mennesket eller udvikler vi mennesket? Sådan kan det se ud udefra. Der skal vi som mennesker, som samfund, som ledere spørge: hvorfor? Hvorfor erstatter vi nogle jobfunktioner med AI?
Lars Frederiksen efterlyser, at man på ledelsesgangen formulerer, hvilke problemer man vil løse, før man begynder at tale teknologi. Hvilken arbejdsplads vil vi være? Hvad skal det koste af teknologi og af medarbejdere? Det kan betyde fyringer blandt nogle medarbejdere, andre skal omskoles. Der er masser af spørgsmål, som rejser sig. Vil Chat GPT skabe en ny form for ulighed? Hvad hvis det gennemsnitlige niveau bliver højere, men vi får skabt større ulighed? Kan vi som samfund bære det?
”AI åbner en masse etiske spørgsmål. Etik og moral skal meget gerne gå hånd i hånd med lovgivningen. Hvad er fair for borgerne? Hvad er fair for medarbejderne? Hvornår hjælper AI samfundet så meget, at borgeren skal sættes til side? Det skal man tænke over som leder,” siger Lars Frederiksen.
6 råd når organisationen skal i gang med at bruge kunstig intelligens
#1 Find problemet I vil løse. Formulerer problemet og de underlæggende antagelser for adfærd.
#2 Find ud af hvilke data, organisationen selv har til rådighed. Find ud af, om de data allerede findes, og om I kan købe dem. Eller skal I selv ud at skabe/opfinde/indsamle data fx gennem eksperimenter?
#3 Har I kompetencerne? Er I klar til at bruge mønstergenkendelse, som organisationen ser ud lige nu? Hvad mangler I?
#4 Vælg et testområde. Lav pilotprojekter.
#5 Hele organisationen skal tale samme datasprog, og på tværs af organisationen skal der være de samme opsætninger.
#6 Få medarbejderne med. Forklar dem hvorfor det giver mening. Hvis ikke den nye teknologi giver mening, er det svært at få igennem.
