Artificiell intelligens är här nu. Men det betyder inte att den är särskilt lätt att använda sig av ännu.

– De flesta leverantörer säger att de har något med AI eller machine learning på gång, men det är oftast oklart vad man menar med det rent konkret. Begrepp som robotar och automatiseringsverktyg utan särskilt mycket intelligens gör området svårnavigerat för beslutsfattare som försöker hitta verksamhetsnyttan i den tekniska jargongen, konstaterar Michael Carlberg Lax, cio på Skellefteå kommun.

För att möta det har förvaltningarnas ledningsgrupper i Skellefteå gått i en studiecirkel kring AI.

– Där har vi även provar konceptet mooc:s, massive open online courses, för att tillsammans lära oss mer runt AI från ett verksamhetsperspektiv. Vi måste förstå tekniken mer än tidigare för att kunna se igenom marknadsföringshajpen och hitta de utmaningar som den bäst adresserar, säger han.

Läs också: Kommuner tar hjälp av AI i GDPR-jobbet

Martin Kedbäck som ansvarar för utvecklingen av digital kundtjänst och AI på Swedbank håller med om att många produkter saluförs som smartare än vad de är.

– Ja, det håller jag absolut med om. Det har varit ett problem sedan säkert ett och ett halvt år – när AI-hajpen kom.

Och dessutom lovar marknadsföringen betydligt mer än vad den kan hålla även när det gäller äkta artificiell intelligens.

– Det irriterar mig för när det kommer till kritan kan ingen visa någon riktigt avancerad implementation ännu. Visst, det är imponerande att AI vinner i schack och go – men vi spelar inte schack med våra kunder, säger han.

Trots att båda pekar på otydligheter i marknadsföringen så ser de ändå stora möjligheter framåt. Michael Carlberg Lax pekar på hur det redan i dag finns ett verktyg för att upptäcka dyslexi genom att analysera ögonrörelser.

Skellefteå kommun är också en av de kommuner som ska testa att söka personuppgifter bland ostrukturerade data med AI-stöd. 

Och på Swedbank används botten Nina i kundtjänsten sedan 2014. 

– Vår AI-satsning växer. Det som Nina har är den språkliga intelligensen – att förstå felaktig meningsbyggnad eller stavfel, kunna förstå en konversation. Men om Nina ska ge affärsförslag så kommer det inte från henne utan från ett crm-system. Eller så kan det handla om roboadvice och det är byggt med en helt annan teknik., säger Martin Kedbäck.

Han konstaterar att det också krävs en helt annan intelligens för maskininlärning och att det stora problemet är att det kräver väldigt mycket datakraft.

– Det är svårt att hitta någon med så mycket datakraft inhouse så då är det molnlösningar som gäller. Och det är utmanande ur ett säkerhetspespektiv och inget en bank gör imorgon direkt. Frågan kvarstår när en leverantör marknadsför en lösning – var är det implementerat och funkar på riktigt?

Martin Kedbäck pekar också på att för att artificiell intelligens kräver strukturerade data.

Läs också: AI förändrar hela samhället – det måste vi börja diskutera

– Ärligt talat är det väldigt rörigt många gånger – och den typ av info som kommer tillbaka får inte bättre kvalitet än den ostrukturerade världen har. Det är en utmaning att få till och kräver så mycket jobb att du till sist lika gärna kan stå för intelligensen själv.

Men även om Swedbank än så länge hoppar maskininlärningsdelen för sin chattbot Nina – ”men bevakar utvecklingen” – så arbetar Nina flitigt vidare och är i dag uppe i att ta 90 000 frågor i månaden, en siffra som stadigt ökar med 20 procent varje månad.

– Vi är mitt inne i resan och håller på att öka hennes fotavtryck i alla kanaler. Ännu är hon väldigt generell och vi jobbar med att få henne mer specifik – men det är fortfarande vi som designar själva och definierar vad hon ska svara.

Michael Carlberg Lax konstaterar att det är viktigt att förstå vilken påverkan det har att ta in en AI-lösning i sin organisation och att vissa AI-metoder som exempelvis maskininlärning kan vara kostsam att underhålla och ställer krav på man att validerar resultatet, särskilt om det handlar om automation av eller underlag till beslut.

– En AI är bara så bra som den information den matas med. Felaktig information leder till felaktiga beslut så validering måste ske i alla steg från insamling och design av algoritm, till analys av modellen och dess resultat. Allt detta kostar och kräver nya kompetenser som få verksamheter besitter idag. Sedan får man heller inte glömma att en AI alltid måste tränas med ny data för att följa med förändringar inom sin omgivning så denna cykel tar aldrig slut.