Navigerer etter en overraskende pandemisk bivirkning: AI whiplash

Levert av KPMG

Midt i de mange forretningsforstyrrelsene forårsaket av covid-19, er her ett stort sett oversett: nakkesleng med kunstig intelligens (AI).

Da pandemien begynte å snu verden i fjor, søkte bedrifter etter hvert verktøy de hadde til rådighet – inkludert AI – for å løse utfordringer og betjene kunder trygt og effektivt. I en 2021 KPMG-undersøkelse av amerikanske bedriftsledere utført mellom 3. og 16. januar, sa halvparten av respondentene at organisasjonen deres fremskyndet bruken av kunstig intelligens som svar på covid-19 – inkludert 72 % av industriprodusentene, 57 % av teknologiselskapene og 53 % av forhandlerne.

De fleste er fornøyd med resultatene. 82 prosent av de spurte er enige om at AI har vært nyttig for organisasjonen deres under pandemien, og et flertall sier at det gir enda mer verdi enn forventet. Mer generelt sier nesten alle at bredere bruk av AI vil gjøre organisasjonen deres mer effektiv. Faktisk ønsker 85 % at organisasjonen deres skal akselerere AI-adopsjon.

Likevel er ikke følelsen helt positiv. Selv om de ønsker å tråkke på gassen, tror 44 % av lederne at industrien deres beveger seg raskere på AI enn den burde. Mer oppsiktsvekkende hevder 74 % at bruken av AI for å hjelpe bedrifter fortsatt er mer hype enn virkeligheten – en kraftig økning i nøkkelbransjer siden vår AI-undersøkelse i september 2019. I både finanssektoren og detaljhandelssektoren, for eksempel, føler 75 % av lederne nå AI er overhypet, opp fra henholdsvis 42 % og 64 %.

Hvordan kan man kvadre disse tilsynelatende motstridende synspunktene på det KPMG kaller AI whiplash? Basert på vårt arbeid med å hjelpe organisasjoner med å bruke AI, ser vi flere forklaringer om hype. Den ene er den enkle nyheten til teknologien, som har tillatt misoppfatninger om hva den kan og ikke kan gjøre, hvor lang tid det tar å realisere resultater i bedriftsskala, og hvilke feil som er mulige når organisasjoner eksperimenterer med AI uten riktig grunnlag.

Selv om 79 % av respondentene sier at AI er minst moderat funksjonell i organisasjonen deres, sier bare 43 % at den er fullt funksjonell i stor skala. Det er fortsatt vanlig å finne folk som tenker på AI som noe å kjøpe – som et nytt maskineri – for å levere umiddelbare resultater. Og selv om de kanskje har opplevd en viss suksess med AI – ofte små bevis på konseptet – har mange organisasjoner lært at det kan være mer utfordrende å skalere dem til bedriftsnivå. Det krever tilgang til rene og velorganiserte data; en robust datalagringsinfrastruktur; fageksperter for å hjelpe med å lage merkede opplæringsdata; sofistikerte datavitenskapelige ferdigheter; og buy-in fra virksomheten.

Selvfølgelig er det heller ingen strek å tro at tilhengere av AI kan ha overdrevet potensialet fra tid til annen eller diskontert innsatsen som kreves for å realisere dens fulle verdi.

Når det gjelder hvorfor ledere er uenige om hastigheten på AIs adopsjon, ser vi grunnleggende menneskelig natur i spill. For det første er det alltid lettere å tro at gresset er grønnere på den andre siden. Vi mistenker også at mange bekymrer seg for at industrien deres beveger seg for raskt, først og fremst fordi deres egen organisasjon ikke matcher den hastigheten. Hvis de har opplevd hikke på et tidlig stadium med AI – spesielt i fjor, da verden var vitne til AI-aktiverte prestasjoner som rekordrask utvikling av covid-19-vaksiner – kan det ha vært lett å bukke under for denne frykten.

Vi ser en annen faktor som driver blandede følelser om AIs potensial – fraværet av et etablert juridisk og regulatorisk rammeverk for å veilede bruken av det. Mange bedriftsledere har ikke et klart syn på hva organisasjonen deres gjør for å styre AI, eller hvilke nye myndighetsreguleringer som kan ligge foran. Forståelig nok er de bekymret for de tilknyttede risikoene, inkludert utvikling av brukstilfeller i dag som regulatorer kan knuse i morgen.

Denne usikkerheten bidrar til å forklare enda et tilsynelatende motstridende funn fra undersøkelsen vår. Mens bedriftsledere vanligvis har et skeptisk syn på myndighetsregulering, sier 87 % at myndighetene bør spille en rolle i å regulere AI-teknologi.

Går videre fra AI whiplash

Mens hver organisasjon vil trenge sin egen håndbok for å komme seg etter AI whiplash og optimalisere investeringene i teknologien, bør en omfattende plan inneholde fem komponenter:

• En strategisk investering i data. Data er råmaterialet til AI og bindevevet til en digital organisasjon. Organisasjoner trenger rene, maskinfordøyelige data merket for å trene AI-modeller, med hjelp av fageksperter. De krever en datalagringsinfrastruktur som overskrider funksjonelle siloer i virksomheten og kan levere data raskt og pålitelig. Når modellene er distribuert, er det nødvendig med en strategi og tilnærming for å høste data for å kontinuerlig justere og trene dem.
• Det rette talentet. Datavitere med ekspertise innen AI er etterspurt og vanskelig å finne – men avgjørende for å forstå AI-landskapet og veiledende strategi. Organisasjoner som ikke er i stand til å bygge et fullt team av forskere internt, vil trenge eksterne partnere som kan fylle hullene og hjelpe dem med å sortere gjennom det stadig voksende utvalget av AI-leverandører og tilbud.
• En langsiktig AI-strategi styrt av virksomheten. Organisasjoner får mest mulig ut av AI ved å tenke på å finne løsninger på problemer, ikke kjøpe teknologi og søke etter måter å bruke den på. De lar virksomheten, ikke IT-avdelingen, styre agendaen. Når AI-investeringer knyttet til en forretningsledet strategi går galt, blir de muligheter til å feile raskt og lære, ikke raskt og brenne. Men selv om selskaper itererer raskt, må de gjøre det i tråd med en langsiktig AI-strategi, fordi de største fordelene realiseres på lang sikt.
• Kultur og medarbeideroppgradering. Få AI-agendaer vil få gjennomslag uten innkjøp fra arbeidsstyrken og en kultur investert i AIs suksess. Å vinne engasjementet til ansatte krever å gi dem minst en rudimentær forståelse av teknologien og dataene, og en enda dypere forståelse av hvordan det vil være til nytte for dem og bedriften. Det er også viktig å oppgradere arbeidsstyrken, spesielt der AI vil overta eller supplere deres eksisterende ansvar. Å omfavne et datadrevet tankesett og innføre en dypere AI-kunnskap i en organisasjons DNA vil hjelpe dem å skalere og lykkes.
• En forpliktelse til etisk og objektiv bruk av AI. AI har store løfter, men også potensialet for skade hvis organisasjoner bruker det på måter kundene ikke liker eller som diskriminerer enkelte deler av befolkningen. Hver organisasjon bør utvikle en AI-etisk policy med klare retningslinjer for hvordan teknologien skal distribueres. Denne policyen bør pålegge tiltak og være en del av DevOps-prosessen for å se etter problemer og ubalanser i dataene, måle og kvantifisere utilsiktede skjevheter i maskinlæringsalgoritmer, spore opprinnelsen til data og identifisere de som trener algoritmer. Organisasjoner bør kontinuerlig overvåke modellene for skjevheter og drift, og sikre forklaring av modellbeslutninger er på plass.

Hva blir det neste

Ledernes mål for AI-investeringer de neste to årene varierer fra bransje til bransje. Helseledere sier at deres fokus vil være på telemedisin, robotoppgaver og levering av pasientbehandling. Innen biovitenskap sier de at de vil se etter å distribuere AI for å identifisere nye inntektsmuligheter, redusere administrative kostnader og analysere pasientdata. Og myndighetsledere sier at deres fokus vil være på å forbedre prosessautomatisering og analysefunksjoner, og på å administrere kontrakter og andre forpliktelser.

Forventede utfall varierer også fra bransje til bransje. Detaljhandelsledere spår den største innvirkningen innen områdene kundeintelligens, lagerstyring og kundeservice chatbots. Industrielle produsenter ser det i produktdesign, utvikling og engineering; vedlikeholdsoperasjoner; og produksjonsaktiviteter. Og finansielle tjenestefirmaer forventer å bli bedre på svindeloppdagelse og -forebygging, risikostyring og prosessautomatisering.

På lang sikt ser KPMG at AI spiller en viktig rolle i å redusere svindel, sløsing og misbruk, og i å hjelpe virksomheter med å skjerpe sine salgs-, markedsførings- og kundeserviceoperasjoner. Til syvende og sist tror vi AI vil bidra til å løse grunnleggende menneskelige utfordringer på så forskjellige områder som sykdomsidentifikasjon og behandling, landbruk og global sult og klimaendringer.

Det er en fremtid det er verdt å jobbe mot. Vi tror både myndigheter og industri har roller å spille for å få det til å skje – i samarbeid om å formulere regler som fremmer den etiske utviklingen av AI uten å kvele innovasjonen og momentumet som allerede er i gang.

Les mer i KPMG Rapporten 'Thriving in an AI World' .

Dette innholdet ble produsert av KPMG. Den ble ikke skrevet av MIT Technology Reviews redaksjon.

gjemme seg