Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Forestil dig lige en virksomhed med tusindvis af kontrakter med sine kunder.
Mange af dem er måske flere hundrede sider lange, og de rummer en hel masse afgørende information. Klausuler, vilkår, produkter, serviceniveauer, priser, varsler og så videre.
Og fordi verden har det med at udvikle sig, så er kontrakterne ikke komplet standardiserede. Faktisk langt fra.
Tiden går, og mængden af variationer er bare vokset og vokset. Hvordan kan vi tilgå den kompleksitet?
Guf for kunstig intelligens
Eksemplet ovenfor, som ikke kun er et produkt af min livlige fantasi, er guf for kunstig intelligens.
Mængden af ord og mængden af variation gør det til en umulig opgave at overskue for den menneskelige hjerne.
Så hvad gør vi, når ledelsen spørger, hvor mange kunder har et opsigelsesvarsel på tre måneder? Hvor mange kunder lever op til klausulen om minimumskøb?
Hvad er værdien af en prisforhøjelse på et delprodukt?
Den gren af kunstig intelligens, som hedder Native Language Processing (NLP), kan læse og forstå kontrakterne. Softwaren genkender ord, og den er trænet til forstå ords skiftende betydning i forskellige sammenhænge.
NLP er nu moden og klar til brug i forskellige ”pakkede” løsninger. Virksomheder med en jungle af kontrakter, e-mails, produktbeskrivelser og andre tekster kan meget hurtigt bygge en stærk business case med NLP.
Gennemløbet hype-cyklus
Ikke noget raketvidenskab og fremtidsmusik her.
Kunstig intelligens (eller i hvert fald dele af den) er ved at have gennemløbet det, som Gartner præcist har kaldt en hype-cyklus.
Først er den nye teknologi omgærdet af nyhedens interesse og voksende forventninger.
Efter et peak af oppustede forventninger kommer en periode med desillusion og dernæst kommer den langsomme og sikre integration på vej mod en realistisk værdiskabelse.
Nu er vi der, hvor vi med fordel kan lade software læse med på vores ustrukturerede tekstmængder. Meget parallelt til, hvordan Robotic Process Automation (RPA) har vundet indpas i mange organisationer til at løse helt standardiserede administrative rutineopgaver.
Helt nede på jorden. Selv om både termen ”robot” og ”kunstig intelligens” sender dig på en ordentlig fantasirejse sammen med Schwarzenegger og Luke Skywalker ind i fremtiden.
Human in the loop
Ligesom RPA ikke er nærheden af at kunne det samme som et menneske, vil ”læsende software” også have masser af ”human in the loop”.
I det tænkte eksempel med de mange kontrakter lader vi softwaren læse de store mængder af tekst, så vi kan zoome ind på de rigtige kunder og kontrakter.
Vi får flere muligheder og sparer oceaner af tid, når nu informationen er ustruktureret og ikke-uniform. Det er hjælp til beslutningsprocessen.
Vi skal løbende diskutere, hvad vi vil automatisere og hvad vi ikke vil automatisere.
Hvornår skal chatbotten på websiden sende dialogen videre til et menneske? Disse erfaringer skal vi bruge, når software kan ”forstå” talt sprog, og vi lader software tale med vores kunder.
Det kommer jo også lige om hjørnet.
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 din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
