Artikel top billede

(Foto: Supphachai)

Vi er nødt til at rykke nu: Sådan kommer vi i gang med kunstig intelligens inden det er for sent

Klumme: Kunstig intelligens boomer helt vildt, det samme gør investeringerne. Men vi mangler kompetencer, og lønningerne drøner i vejret. Hvad gør vi? Her har du mine to (gode) anbefalinger til at få Danmark med på vognen.

Globalt set er artificial intelligence (AI), robotter, machine learning, analytics og hele feltet omkring digitale assistenter brændende varmt.

Det er nok årets mest stensikre karriereråd til en 18-årig: Du går ikke galt i byen, hvis du lærer noget om kunstig intelligens. Trenden er global, og den slår også igennem i den danske virkelighed.

Her er først nogle kendsgerninger til at sætte scenen.

For nylig lancerede Alibaba et tre-årigt investeringsprogram til AI med et budget på tre-fire storebæltsbroer - om året.

Hvis man ser på virksomhedshandler, er der i løbet af 2017 handlet AI-relaterede virksomheder for langt over 100 milliarder kroner.

Beløbet er 26 gange større end i 2015, og antallet af globale handler er mere end fordoblet hvert år de sidste to år fra et niveau på omkring 20 til over 100.

Google vurderes eksempelvis at have brugt tre-fire milliarder kroner på DeepMind, som udviklede algoritmerne, der slog verdensmesteren i brætspillet ”Go”. Google har for øvrigt mere end 1.000 aktive AI-projekter i gang.

50 millioner kroner per hoved

De nye virksomheder i dette felt værdisættes ikke efter overskud (de giver nemlig underskud), de værdisættes heller ikke efter fremtidigt overskud eller bare efter deres salgstal.

De værdisættes i stedet efter antal ansatte hoveder med viden om kunstig intelligens, og i forhold til virksomhedshandler kan sådan et hoved være mere end 50 millioner kroner værd.

Silicon Valley og Kina ligger i førerfeltet, og algoritme-giganter som Google, Facebook, Amazon, Tencent og Alibaba demonstrerer, hvorfor der er penge i den kunstige intelligens.

Ønsket om at komme med på den vogn eller fastholde en position med ny og vild innovation skaber nu en global goldrush uden lige. Kompetencer inden for robotter, kunstig intelligens og analyse af store datamængder er de spader, som skal grave guldet ud af data.

Too little too late

Herhjemme gjorde regeringens Digitale Vækstpanel meget ud af denne enorme kompetenceudfordring i sin rapport fra sidste år.

Læs også: Her er opskriften på Danmarks digitale fremtid: 33 it-anbefalinger til regeringen

Computerworld har også forlængst skrevet, at netop disse kompetencer står øverst på it-direktørens ønskeseddel.

En række nye uddannelser er i slutningen af sidste år blevet godkendt på danske universiteter med dette fokus. Men i forhold til dette eksponentielle boom i efterspørgsel på kompetencer er fem år desværre en menneskealder. It’s too little and too late.

Hører du til dem, som afviser dette som en grille, en boble og et fata morgana? Ja, så behøver du ikke læse videre.

Jeg tror, at disse teknologier kommer til at ændre meget, og derfor er spørgsmålet, hvad vi kan gøre i Danmark og i vores egne virksomheder.

Fra politisk side vil der være opbakning til at udvikle uddannelsessystemet og til at skabe rimelige rammevilkår for denne udvikling.

Det er bedre end ingenting, men det batter nok ikke på en bane, hvor de globale aktører flytter bolden så hurtigt rundt.

Kompetencemanglen indebærer, at mange virksomheder befinder sig i en situation, hvor de som den nøgne kvinde selv må lære at spinde. Vi må selv lære, og vi må selv tage de første skridt. Vi kan ikke bare vente.

Både forretning og matematik

Jeg har to anbefalinger.

Den ene er at tage udgangspunkt i egen forretning og egne data, for det er her man har en unik viden og position.

Når man så sætter egne, lejede eller indkøbte data scientists til at analysere muligheder og potentialer, så kan det ske med opbygget forretningsmæssig erfaring.

Kompetencen hos disse teams skal være lige dele forretningsmæssig viden, matematisk/statistisk viden og teknisk erfaring med data-værktøjer, software og hardware.

I Danmark har vi kreative kompetencer og lyst og evne til at tænke udvikling på tværs.

Det er en styrke i vores kultur, og den får vi brug for i disse udviklingsteams. Opgaven kan være defineret som et klassisk forretningsmæssigt problem, men det kan også være klogt at sætte disse teams fri til at skabe innovation i form af modeller eller prototyper af apps.

Høst roboterfaring

Den anden anbefaling er, at man kaster sig over det lidt mere simple til en begyndelse.

Det kunne være klassisk prædiktiv analyse i form af tekstbaseret analyse, statistisk finansiel forecasting eller administrative robotter også kendt som RPA (Robotic Process Automation).

RPA rummer ganske vist ingen kunstig intelligens, for de affotograferer bare medarbejderes adfærd og gentager den helt automatisk.

Man får altså software, som udfører de tastetryk, mennesker ellers skulle have udført.

Erfaringen med den slags projekter er, at de er nemme, fordi de ikke stiller store kompetencekrav, og at de er hurtige, fordi man kan have en administrativ robot i gang med at producere sagsbehandling på få uger.

Men det er overvejende sandsynligt, at den robotiserede proces-automation snart bliver parret med kunstig intelligens.

Ja, det ser vi jo allerede hos nogle af de fremmeste i Danmark. Virksomheden står simpelthen stærkere, hvis den allerede har høstet nogle erfaringer med den nye arbejdsdeling mellem computere og mennesker.

Virksomheden kan helt sikkert tage de første skridt på mange måder. Det allermest risikable er måske at lade være og håbe, at det her med kunstig intelligens går over.

Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling. 

Har du en god historie eller har du specialviden, som du synes trænger til at blive delt? 

Læs vores klumme-guidelines og send os noget tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.