Kunstig intelligens: Introduktionen, som din virksomhed ikke må gå glip af

Historien om AI

Det siges, at Alan Turing er hjernen bag AI. Han kom på idéen om intelligente maskiner tilbage i 50'eren og designede derefter skakcomputeren Turochamp. På det tidspunkt var computere dog ikke stærke nok til at skabe hverken internetforbindelse eller anvende andre, smarte teknikker. Først i 1997 lykkedes det AI at besejre en professionel skakspiller, Garry Kasparov. I 2016 nåede AI endnu en stor milepæl, da computeren Alphago besejrede en Go-verdensmester. Go siges at være det mest udfordrende klassiske spil for kunstig intelligens grundet dets kompleksitet.

Der er forskel på AI-systemer

Formålet med AI har altid været at få computere til at tænke og reagere, som om de var mennesker. Sagt med andre ord, så er det en software som skal efterligne menneskets adfærd og evner. Teknologien har udviklet sig gennem mange år, hvilket har resulteret i flere forskellige AI-systemer - lige fra Machine Learning til Generativ AI.

I Machine Learning træner du systemet ved at tilføre data og derefter lærer det at håndtere og fortolke det. Dette skaber forskellige modeller, som hjælper med at fortolke nye input. Det gør systemet ved at sammenligne det nye input med det, som det har allerede har lært gennem tidligere modeller. At genkende fakturaer og udtrække den nødvendige data herfra er en af de meste kendte eksempler på Machine Learning.

Deep Learning, som også er en form for Machine Learning, skaber neutrale netværk, som gør systemet i stand til at lære og træffe beslutninger på egen hånd. Det kræver meget mere data end traditionel Machine Learning - men også mere computerkraft. En væsentlig forskel er, at den klassiske Machine Learning kræver en form for menneskelig indgriben for at hjælpe systemet med at træffe beslutninger. Deep Learning kræver derimod ingen menneskelig indgriben for at træffe de samme beslutninger.

Generative AI går skridtet videre og fortolker ikke kun data og/eller træffer beslutninger. Dens primære funktion er at generere indhold  - for eksempel et udkast til den næste præsentation, som du skal lave. Du fodrer systemet med informationer om formålet med præsentationen, målgruppe, sprogbrug, vigtige pointer, osv., og kort tid efter genererer systemet et udkast til dig.

Generative AI systemer er afhængige af Large Language Models (LLM), som er designet til at forstå og genere indhold. Formålet med Generative AI er, at det f.eks. kan generere nye tekster, billeder eller endda et komplet Power BI-dashboard ved at bruge de data, du angiver som input. Resultatet heraf bliver så godt, som det input du i første omgang fordrer systemet med. Det vil sige, at du skal sørge for at spørge specifikt efter det, du har brug for. Vi vil dykke mere ned i, hvordan du skriver gode input til Generative AI-systemer i en senere artikel. 

At vælge den rigtige tilgang og model til din opgave er afgørende for dit resultat. Nogle AI-systemer fokuserer mere på tekst, mens andre fokuserer mere på billeder. Derved har hvert AI-system sine egne styrker og svagheder afhængigt af det formål, du vil bruge det til.

Udnyt dit datapotentiale

At træne AI-algoritmer kræver store mængder højkvalitetsdata. En IoT (Internet of Things)-platform som PTCs ThingWorx kan være et eksempel på én kilde til data. Men ERP-systemer med mange historiske data kan også være en pålidelig kilde. Det hele afhænger af det, som du skal optimere eller automatisere med AI.

Forestil dig for eksempel at din produktionsenhed går i stykker på et vilkårligt tidspunkt, men at dine data er nået at blive opsnappet af ThingWorx. I sådan et tilfælde vil du kunne bruge AI til at søge efter den bagvedliggende årsag til nedbruddet - og faktisk kan du også bruge IoT til at forudsige potentielle, fremtidige nedbrud, så du kan nå at reagere i tide.

Påvirkningen af AI i din virksomhed

Optimering af forretningsprocesser eller hjælp til medarbejdere er ikke nødvendigvis områder, som kræver hjælp fra AI - men de kan bestemt drage fordel af det. 

Tag for eksempel Process Mining (et værktøj som benyttes til at kortlægge og analysere arbejdsprocesser baseret på data). Ved hjælp af Process Mining kan man f.eks. spore hvordan en burger har navigeret på din hjemmeside; hvilke links er de tilbøjelige til at klikke på, hvilke fomularer åbner de, hvor lang tid burger de på siden ift. andre brugere, osv. Med AI er det muligt at automatisere denne analyse og endda foreslå optimeringer. 

Det bliver endnu mere interessant hvis vi ser på hjælp til medarbejdere. En AI-software kan f.eks. give din serviceteknikere de rette informationer til at udføre reperationer, mens de er på arbejde 'ude i marken'. Med AI kan teknikeren f.eks. spørge: "Hvordan skal jeg skifte olien?", hvorefter softwaren vil komme med trin-for-trin instruktioner, som henter oplysningerne fra en række forskellige kilder i din virksomhed og sætter dem sammen. 

Hvordan forholder Microsoft sig til AI?

Forestil dig at du gerne vil udvikle en app. Du starter helt fra bunden med at udarbejde et grundlæggende layout ud fra dine idéer.

Hvor lang tid vil det tage dig? Forestil dig så at du bare kan sige til AI: "Lav en app, som holder styr på mine udgifter. Jeg skal kunne tilføje de beløb, jeg bruger, knytte dem til forskellige kategorier og jeg skal have mulighed for at tilføje et billede af min kvittering". Som svar herpå kommer Microsoft Dynamics 365 Copilot med et udkast til din app. Det er formegentlig ikke perfekt, men det er her, du kommer ind i billedet. Det kedelige arbejde har AI allerede lavet for dig, så alt du skal gøre er at lave de rette justeringer, og så er du ellers kørende.

Det er netop det, Microsoft sigter efter - at du bruger energi på det, som du brænder for. Microsoft Dynamics 365 Copilot giver dig et forspring med sin AI-drevne digitale assistent, som giver dig mulighed for at arbejde mere effektivt, være kreativ og fokusere på merværdien i dit arbejde.

Microsoft løsninger:

Copilot i Dynamics 365 Field Services

Hvis du modtager og besvarer e-mails i kundeservice, har du nok også modtaget kundeklager. Forestil dig så dette: En kunde klager over, at deres produktionsenhed er stoppet - og det koster dem både værdifuld tid og penge.

Med Copilot til Field Service kan AI f.eks. hjælpe dig med at:

• Opfange at kunden er irriteret og hurtigt tildele opgaven til den rette servicetekniker baseret på indholdet af mailen. 
• Oprette en arbejdsordre automatisk. Alt du skal gøre er at sikre, at indholdet er korrekt. 
• Sende en bekræftelse til kunden med tidspunkt for det næste servicebesøg.
• Sikre at serviceteknikeren er udførligt orienteret om servicebesøget.

Vælg dine AI-værktøjer med omhu

Du bør ikke begynde at bruge AI, bare fordi det lyder fedt. Det er vigtigt, at du løbende vurderer hvilket formål, du skal bruge AI til og derefter prioritere den rette fremgangsmetode for dig. Først og fremmest bør du sætte dig ind i, hvilken data du skal fodre AI-værktøjet med, for at du kan se merværdien. Alle værktøjer kommer med en pris, så det er vigtigt at vurdere omkostninger i forhold til eventuelle gevinster.

AI-verdenen kan være enormt styrkende for de virksomheder, som vælger at sætte sig ind i det; fra revolutionerende processer til forbedring af kundeservice - mulighederne er mange og store. Ved at forstå de forskellige AI-værktøjer og udvælge de rette, kan virksomheder frigøre en masse tid og øge væksten i et ellers konkurrencepræget landskab.

Hold dig opdateret for flere artikler omkring AI, efterhånden som vi dykker dybere ned i den spændende verden. Tilmeld dig vores nyhedsbrev lige nedenfor.