Alle vil have kunstig intelligens! I 2021 blev det estimeret, at mere end hver fjerde danske virksomhed anvendte AI, og interessen for de innovative AI-løsninger er ikke mindsket siden. Men ifølge Henning Langberg, forhenværende innovationschef for Rigshospitalet, så er mange virksomheder også usikre på, hvad der skal til for, at en AI-løsning kan skabe reel værdi.
”Skal man skabe en AI-løsning, som giver virksomheden konkret værdiskabelse, så kræver det adgang til store mængder af data. I alle nye teknologier som AI, sprogmodeller og chat, så er data kernen i løsningerne”, forklarer Henning Langberg og uddyber yderligere:
”Data kan komme fra mange forskellige kilder i form af salgsdata, procesdata, dialoger med kunder, produktionsdata, kvalitetsdata og så videre. Men har du ikke adgang til de rigtige data i stor nok mængde og i et realtidsflow, så vil en AI-løsning slet ikke give mening”, forklarer den tidligere innovationschef, som i dag arbejder som privat rådgiver inden for innovation og data.
Data er ikke kun nødvendigt, når man taler AI-løsninger. Data kan bruges til mange aspekter inden for innovation og virksomhedsstrategi, som eksempelvis at optimere eller automatisere processer i en virksomhed. Derfor er beskeden fra Henning Langberg klar: har du ikke en data-drevet virksomhedsdrift endnu, så skal du lægge en strategi for at blive det snarest mulig!
Men dataindsamling og vurdering kommer også med snubletråde. Data kan være skævvredet og fejlfortolket, og det er derfor ikke nok blot at have adgang til data.
”Det er min anbefaling, at man skaber en set-up, hvor personer med tekniske indsigt kan etablere løsninger i samarbejde (co-creation) med personer med dyb indsigt i virksomhedens eller organisationens processer og drift. Og det gælder både når man bruger interne og eksterne konsulenter. På den måde sikrer man at validitet og kvalitet af data er i orden”, forklarer Henning.
Skal du og din virksomhed i gang med at indsamle og vurdere data i jagten mod at implementere en kunstig intelligens-løsning? Så har Henning Langberg her lavet en guide, som kan sikre, at du og din virksomhed får skabt et solidt grundlag for data-innovation i fremtiden.
Guide til vurdering af data-grundlag
Datagrundlaget
Step 1: Datakilder
Identificer og evaluer alle potentielle datakilder (interne og eksterne) for at sikre en bredde og repræsentativ datapulje.
Step 2: Datakvantitet
Vurder om der er tilstrækkeligt med data til at understøtte endemålet – en AI-model – effektivt. Desto større og mere varierede datasæt du har, desto bedre modelpræcision.
Step 3: Datakvalitet
Sikre at de data, der anvendes, er af høj kvalitet, er relevante og præcise.
Step 4: Bias og repræsentativitet
Sikre at datasættene er repræsentative for de scenarier, som AI-modellen vil blive anvendt i og minimer bias i dataene.
Governance
Step 1: Datasikkerhed
Implementer strenge datasikkerhedsforanstaltninger for at beskytte følsomme oplysninger og overhold relevante databeskyttelseslove (f.eks. GDPR).
Step 2: Dataetik
Overvej de etiske aspekter ved indsamling, anvendelse og opbevaring af data, herunder spørgsmål omkring privatliv, bias og diskrimination.
Step 3: Juridiske overvejelser
Overhold alle relevante love og regulativer vedrørende dataindsamling, -behandling og -anvendelse, herunder lovgivning om intellektuel ejendomsret.
Step 4: Dataejerskab og adgang
Klarlæg ejerskab og adgangsrettigheder til data, især når data deles mellem forskellige parter eller kommer fra eksterne kilder.
Dataanvendelse
Step 1: Dataklargøring
Forbered dataene korrekt, herunder rensning, normalisering og eventuel anonymisering før, at de anvendes til træning af AI-modeller.
Step 2: Dataopdatering og -vedligeholdelse
Planlæg løbende opdatering og vedligeholdelse af data for at sikre, at AI-modellen forbliver relevant og præcis over tid.
Skal din virksomhed implementere AI?
Så lad ChangeGroup rådgive dig på rejsen mod en data-drevet fremtid. Kontakt vores seniorrådgiver Allan von Staffeldt Beck på +45 3118 2488 eller ab@changegroup.dk.
