Maskinlæring kan gi konkurransefortrinn

Aaserud er opptatt av at kunstig intelligens og maskinlæring ikke først og fremst skal oppfattes som en teknologi, men som en del av forretningsmodellen.

–Vi har de siste tiårene optimalisert arbeidsflyt og prosesser, og har strømlinjeformet produksjonen opp mot det maksimale med de verktøyene vi har tilgjengelig. Nå er vi tett opp til det vi kaller vårt «productivity frontier». Det fører til økt konkurranse, og når konkurransen tilspisses, vil virksomheter etterhvert bli nødt til å ta høyere risiko ved å vokse på tvers. Store globale aktører truer etablerte industrier og markeder, og dominerer forskningen på kunstig intelligens.

–Vi ser nå konturene av selskaper som tar for seg mulighetsrommet med anvendt kunstig intelligens. De redefinerer hvordan de skaper, leverer og henter inn igjen verdi basert på automatiserte systemer for data-drevne beslutninger. Mens de modnes med oppgaven, bygger de ut den nødvendige kompleksitet slik at de får vedvarende konkurransefortrinn.

–Et eksempel er Jotun som tradisjonelt har solgt maling med tilhørende tjenester til et spredt marked, blant annet til skipsskrog. De går nå til markedet med et fornyet verdiforslag; lavere drivstoff-forbruk på skip. Verdiforslaget er basert på avansert analyse og lærende modeller trent på input fra skipet. Jotun vil basert på dette tilpasser og justerer behandlingen av skipsskroget, noe de kan ta en høyere pris for ved at de kan vise til konkret effekt. 

–Et annet eksempel er Husqvarna med tjenesten HUGSI. Husqvarna anvender kunstig intelligens på satellittbilder for å se hvor grønt et definert område er. Systemet bruker nyeste teknologi innen billedanalyse og kan med det gi byutviklere innsikt i hvordan de kan skape bedre og grønnere steder å bo.

Skal man lykkes med transformasjon i retning anvendt kunstig intelligens mener Aaserud man må finne ut hvilke muligheter selskapet har til å ta i bruk maskinlæring og hvilke fordeler det kan gi.

–Det bør bli en del av den overordnede strategien som igjen vil legge føringer for tilrettelegging av nødvendig kultur. Samtidig må man sørge for kapasitet til å gjennomføre nødvendig eksperimentering. For at dette skal fungere over tid, er det kritisk å definere de rette prosessene og sikre en driftsmodell som kan skaleres.

–Vi i Inmeta har gjennom de siste fem årene jobbet med større prosjekter og transformasjoner for anvendt kunstig intelligens. Basert på dette har vi utviklet et rammeverk for hvordan man kan styre prosessen for å identifisere og prioritere mulighetsrommet for bruk av kunstig. Sammen med kunden evner vi, som er et spisset miljø med høy kunnskap og dyp erfaring innen maskinlæring og forretningsutvikling, å ta kunstig intelligens til et nivå som bidrar til høy forretningsverdi.

Norge har mange fordeler i forhold til det å kunne ta i bruk maskinlæring i bedriftssammenheng, blant annet ved god tilgang på data, fokus på datakvalitet over tid, og at vi har tillit til statlige organer. Samtidig har vi tilgang til all forskning på kunstig intelligens som er åpent for alle. De store norske selskapene bør gå foran å lede an mot neste «productivity frontier».

–I Norge er det rundt 250.000 bedrifter hvorav 99 prosent er små og mellomstore. Den siste prosenten er store lokomotiver med ressurser til å hevde seg internasjonalt. De siste 10-15 årene er det et fåtall aktører, som Google, Facebook, Apple, Amazon som har drevet forskningen på blant annet nye og forbedrede algoritmer. De har en ressurspool som selv ikke de fleste nasjoner kan hanskes med. Naturlig nok vil ikke Norge komme i en dominerende posisjon på dette området på kort sikt.           

–Men det er ikke i forskningen selve verdiskapningen skjer, men ved kommersialisering og praktisk anvendelse av det som skapes. Siden all forskning på kunstig intelligens skal være tilgjengelig vet vi like mye om de nyeste algoritmene som andre der ute i verden. Derfor er det viktig å kunne tilpasse til ny læring og anvende den der vi ser de største mulighetene.

–Utfordringen vil være for små og mellomstore bedrifter som vil mangle både kapital og evne til å ta inn over seg denne omveltningen. I Inmeta jobber vi blant annet aktivt for er å etablere et «senter for anvendt kunstig intelligens» der små og store aktører kan samarbeide om beste praksis for å utnytte anvendt kunstig intelligens. Dette vil omfatte både opplæring, kunnskaps- og erfaringsdeling, men også en arena for å drive domenet videre og være en stor mulighet til å lære av hverandre.

• «Life 3.0» av Max Tegmark tar opp de store linjene og er en fin introduksjon til temaet med gode eksempler.
• «On Intelligence» av Jeff Hawkins er meget interessant med tanke på litt dypere inn i teknologien.
• «Technology and the virtues» av Shannon Vallor tar opp noen etiske aspekter

 TEKST: STEINAR STEINKOPF SUND          FOTO: INMETA CONSULTING