AI i virksomhedsapplikationer: en forståelsesramme

Der er ingen vej udenom. Danske virksomheder er nødt til at tilpasse deres roadmaps og budgetter og justere deres fokus, efter generativ AI (og særligt ChatGPT) har vundet indpas som et alment begreb i 2023. Derfor får du i denne artikel vores fortolkning af tidens AI-teknologibølge samt en guide til, hvordan du som virksomhedsleder kan bruge AI-teknologien strategisk på tværs af jeres applikationslandskab.

Generativ AI er alle vegne. Teknologiens fremkomst – og især lanceringen af ChatGPT i november 2022 – har skabt intet mindre end en veritabel hype: AI er det store samtaleemne i mødelokaler og kantiner, på konferencer, i aviser, over middagsbordet og ved familiesammenkomster.

Det betyder, at AI i øjeblikket mere er et populært samtale­emne end et værktøj, der konkret forandrer vores måder at arbejde på. Og måske netop derfor er der stor efterspørgsel på konkrete anvendelsesmuligheder og relevante rammer til at forstå virkeligheden bag al omtalen.

Her hos Basico er vi af den overbevisning, at det er vigtigt at forstå, hvordan, hvor og hvorfor vi skal interagere med fænomener som AI, fordi praktisk anvendelighed er vigtigere end højtflyvende fortællinger om uudgrundelige mulig­heder og fremtidige omvæltninger.

Vi har derfor opdelt generativ AI i fire forskellige interaktionslag, alt afhængig af hvor åbne eller lukkede de er: kapabilitets­platforme; virksom­hedssystemer; tredjepartsapplikationer og skræddersyede løsninger.

Så læs videre, hvis du vil have et overblik over generativ AI på en måde, der kan fungere som en guide til din organisations aktiviteter på AI-området – også fra et budgetmæssigt synspunkt.

Det imponerende og overraskende ved ChatGPT var omfanget og dybden af dets træningsdata. Version 3.0, der blev lanceret i november 2022, var blevet trænet på ca. 45 terabyte tekstdata, mens den nyeste version 4.0 er blevet trænet på 1 petabyte. Det svarer til 1.000 terabytes. Til sammenligning ville William Shakespeares samlede værker kun fylde 5 megabytes, svarende til blot 0,0000005% af hele den tekstsamling, ChatGPT 4.0 er trænet på, ligesom hele den engelske Wikipedia kun udgør ca. 0,0021% af samme.

At træne en såkaldt deep learning-model, der uafbrudt kontekstualiserer hvert ord med de foregående og efterfølgende i en tekstsamling af dette omfang, kræver mange ressourcer – langt flere, end de fleste virksomheder har til rådighed.

Det gælder også for ChatGPT, som blev trænet af OpenAI i samarbejde med Microsoft, der gjorde sin massive, cloud-baserede IT-infrastruktur tilgængelig for OpenAI’s træning – og alligevel tog det ca. 3,5 måned at fuldføre træningen.

Resultatet var et stort sæt ’General Pre-trained Transformers’ (GPT), der i hurtig rækkefølge kunne forudsige det mest sandsynlige næste ord i stort set enhver tekststreng. Det gør værktøjet i stand til at skabe tekster på tværs af sit enorme træningssæt og dermed på tværs af domæner, som er godt eksemplificeret ved dens evne til at lave rap-tekster om madopskrifter eller notater om finansielle forecasts for moderne virksomheder omskrevet som en gammeltestamentlig formaning. En model med en sådan dybde og bredde kaldes en foundational model, en grundlæggende model – i modsætning til en narrow model, som er mere funktionalistisk og snæver, trænet på specifikke data.

ChatGPT er ikke den eneste spiller, men blot én blandt en række leverandører af (næsten) ens muligheder. Mens Microsoft for nærværende forbindes med OpenAI, har Google og Meta – som ventet – selv præsenteret lignende modeller, mens Amazon i september 2023 kunne berette om massive investeringer i et samarbejde med Anthropic. Herudover findes der en række mindre modeller og frit tilgængelige alternativer samt generative modeller til alt fra billeder og musik til proteinfoldning og andre ikke-tekstbaserede generative AI-modeller.

Da teknologien kan frembringe næsten hvad som helst, er den vigtigste kompetence, du kan have, evnen til at stille den de rigtige spørgsmål for at nå dit mål.

Derfor er det vigtigt at sikre, at din organisation er parat til og har kompetencerne til både at forstå modellernes muligheder og begrænsninger og at interagere med dem.

Det er i den forbindelse vigtigt for at opnå accept samt skabe muligheder og effekt at introducere teknologien og de grundlæggende modeller til din organisation samt at undervise dine medarbejdere i, hvordan de bruger generativ AI bedst muligt.

Når selv dine bedsteforældre har hørt om teknologien, har de største leverandører af virksomhedssystemer sandsynligvis også... 

Der er ingen tvivl om, at generativ AI vil blive inkorporeret i almindelige virksomhedssystemer og dermed blive en iboende kapabilitet i verdens SAP-, Salesforce- og Dynamics-suiter m.fl.

Enhver seriøs suite af virksomhedssystemer har allerede sit eget roadmap for AI og generativ AI, ligesom nogle af dem allerede har lanceret generative AI-funktionaliteter, der anvender markedets foundational models – for det meste ved at købe de præ-trænede modeller og implementere dem i deres egen kerneteknologi.

Store virksomhedssystemer- og suiter er designet til at dække hele branchers lodrette og vandrette funktioner og kan helt grundlæggende karakteriseres som formidlere af best practice. Et eksempel på dette er, hvordan du med dit ERP-system ikke selv behøver at designe en AP-funktion, da systemet som minimum kan forventes at have en sådan proces på plads fra start som en slags laveste fællestræk for økonomisystemer.

Disse systemer adskiller sig derfor ikke ved deres evne til at levere leading practice, men ved deres evne til at formidle solid best practice på et bredt spektrum af processer, der er (universelt) relevante for deres kunder.

Og efterhånden som generativ AI spredes og modnes, kommer det med stor sandsynlighed til at omdefinere best practice på kort sigt, før det ender med på lidt længere sigt at være en forventet standardfunktionalitet, som afspejler en omfortolkning af det laveste fællestræk i de forskellige virksomhedssystemer – en grundfunktion, simpelthen.

Hvad angår funktioner, der ikke er decideret unikke for din virksomhed, eller opgaver, som du udfører, uden at de gør en væsentlig forskel for din position på markedet, vil dine AI behov sandsynligvis på sigt kunne dækkes af det eksisterende udbud af virksomhedssystemer.

I denne forbindelse er det bydende nødvendigt – og det kan ikke understreges kraftigt nok – at sikre, at din virksomhed har moderniseret jeres kerneapplikationslandskab, så I kan drage nytte af de seneste (generativt AI-aktiverede) opdateringer.

Der kommer kort sagt og på jævnt dansk ikke til at være generativ AI i en NAV09.

Det er ligeledes meget vigtigt, at du afsætter tid og ressourcer til at deltage i konferencer, seminarer om produktopdateringer og netværksmøder for at være på forkant med teknologien og samtidig sikre, at du og din virksomhed får mest muligt ud af jeres applika­tionslandskab.

Applikationsarkitekturen i moderne virksomheder er, som et sol­system, centreret omkring store applikationer eller applikationssuiter, der ledsages, suppleres og forbindes af mindre funktionalistiske applikationer.

Mange – hvis ikke alle – af de førende leverandører af store virksomhedsapplikationer har tilmed valgt at følge denne tendens og blive til applikationssuiter.

Det betyder, at de selv både inkorporerer og udvikler forskellige kapabiliteter – og ledsager også disse kapabiliteter af en app-markedsplads, hvor udviklere bygger apps, der er kompatible med den centrale applikation.

På denne måde udvides den tidligere nævnte best practice-tilgang hos de store virksomhedssystemer, så den også tilgode­ser fx særlige nichesektorers specifikke krav eller horisontale logikker, der forbinder processer på tværs af funktioner.

Denne suite- og markedspladsarkitektur er i langt de fleste tilfælde også en primær innovationsmotor for mange af de store applikationsudbydere, da de ud fra forbruget på markedspladsen kan se, hvilke eksterne apps der klarer sig bedst, og dermed hvilken funktionalitet de skal bygge eller anskaffe og inkludere i deres kernetilbud.

Sådanne add-ons kaldes også for tredjeparts­apps, og de findes overalt. Et hurtigt kig på Microsoft AppSources markedsplads for compliance og legal apps giver os mere end 1.400 applikationer for øjeblikket. Det var naturligvis også her, på sådanne markedspladser, at de første generative AI-applikationer dukkede op, så snart det blev muligt at få direkte API-adgang til frit tilgængelige modeller såsom ChatGPT.

Men markedet for mindre generativ AI-apps står over for udfordringer i øjeblikket.

Mange af firstmoverne på dette område anvendte – som nævnt – en frit tilgængelig eller early bird-adgang til API’er til de store modeller og har så tilføjet ekstra kapabiliteter eller forretningslogikker til den rå kraft, der findes i markedets foundational models.

Men mange af dem bliver hurtigt ’disrupted’ såvel af forøgede kapabiliteter hos leveran­dørerne af de store modeller som af roadmaps og udviklingen hos udbyderne af de store virksomhedssystemer.

En bemærkelsesværdig historie er fx, hvordan den generative AI-firstmover startup Jasper.ai gik fra i juni 2023 at rejse et beløb på 1,5 milliarder USD, men allerede i september var nødsaget til at nedsætte værdien med 20% på grund af en fuldstændig opbremsning i væksten.

Og årsagen? Jasper.ai var baseret på OpenAI-teknologi i driften og udviklingen af sit produkt, men blev nu udkonkurreret af selveste OpenAI.

Det er vigtigt ikke at blive forblændet af generativ AI på det nuværende marked, fordi alle tredjepartsapps, der tilbyder generativ AI, formentlig trækker på de samme foundational models og dermed ikke nødvendigvis tilbyder noget unikt.

Når det drejer sig om tredjepartsapps, bør din fremgangsmåde være stort set den samme som altid: Undersøg, hvilken forretningsværdi de pågældende apps tilbyder, og evaluer deres specifikke domænekapabiliteter for at sikre, at de tilgodeser dine behov og din arbejdsmåde – og undgå at blive forblændet af AI.

Et godt råd i denne forbindelse er at være ekstra årvågen, når du anskaffer software.

For selvom du kan forvente, at alle dine applikationer er AI-parate og har det indbygget i deres roadmaps, er kravet om AI også et tveægget sværd på grund af AI-markedets hastige udvikling.

For at undgå at købe, implementere og træne dine medarbejdere i et værktøj, der er udkonkurreret om et halvt år, har vi følgende tommelfingerregel:

Se på alle appens øvrige kapabiliteter, dens interne logik og workflows, og prøv at undgå at blive bragt ud af fatningen af funklende generativ AI funktionalitet. Domæneviden er vigtigere end nogensinde før.

Af og til er best practice bare ikke tilstrækkeligt. Ofte er der situationer, hvor du har brug for at løse et kritisk problem og ikke har tid til at vente på, at den helt rigtige systemopdatering bliver udviklet til opgaven.

Det betyder desværre også, at digitale hovedpiner oftest er ensomme hovedpiner. Eller med en lille omformulering af indledningen til Anna Karenina af Tolstoy: ”Alle lykkeligt digitaliserede virksomheder ligner hinanden; men den ulykkeligt ikke-digitaliserede virksomhed er altid på sin egen måde ulykkeligt ikke-digitaliseret.”

Selvom du fx let kunne afvente en SAP-opdatering for at forbedre din virksomheds controlling, kan de økonomiske besparelser, som øget controlling medfører, gøre det værd at implementere en midlertidig løsning med det samme.

Da kapabilitetsplatformes foundational models typisk er tilgængelige direkte via API-kald eller kan aktiveres direkte i jeres eget Azure-miljø ligesom ChatGPT, er det muligt og forholdsvis teknisk enkelt at tilføre generativ AI til alle skræddersyede løsninger.

Det betyder også, at det aldrig har været mere givende at genbesøge gamle og fravalgte automatiseringsideer.

Med RPA, der skyllede ind over virksomhederne for et par år siden, var det kun muligt at automatisere oven på strukturerede, digitale data. Generativ AI overkommer denne automatiseringsbegrænsning, da teknologien både kan generere og fortolke ustrukturerede data. Og ved hjælp af sensormekanismer (som fx et kamera) kan det tilmed (delvist) automatisere det ikke-digitale og således effektivt bygge bro over den analoge-digitale kløft og åbne op for helt nye automatiseringsmuligheder i virksomheder.

Hvis du stadig har dine heatmaps fra tidligere digitaliseringstiltag, er tiden nu kommet til at grave dem frem fra glemslen og revurdere dem i lyset af de nye muligheder med generativ AI.

Desuden er der gyldne og langvarige muligheder i at få identificeret

potentialet for at automatisere de processer, der understøtter jeres markedsdifferentiering. I teorien er det usandsynligt, at disse processer dækkes fuldkomment af andre systemer eller endda af tredjeparts­apps, og derfor udgør en automatisering af jeres differentierende processer en oplagt mulighed for at skabe reel, vedholdende innovation.

Den mest lettilgængelige måde, du kan bruge AI i din virksomhed på, er ved at modificere modellerne ved hjælp af programmatisk promptteknik og fine tuning med egne data, så de kan fungere som en skræddersyet assistent i virksomhedens forskellige afdelinger.

Et eksempel på dette kunne være at opsætte en AI-assistent, som kan gennemtrawle tidligere fakturaer og udarbejde et forslag til et svar på en kundeforespørgsel i jeres AR-afdeling.

Generativ AI-teknologiens generelle tilgængelighed via API’er gør det forholdvist enkelt og uproblematisk for din virksomhed at bygge proprietære og private løsninger, der anvender teknologien – fx ved at inkorporere den i automatiseringer og apps, der kan løse udfordringer, som det tidligere har været umuligt at løse.

Generativ AI er hastigt ved at blive en hjørnesten i mange virksomheders innovation, og det nødvendiggør, at du har en strategisk tilgang til implementering af teknologien på flere niveauer.

Din organisation bør fokusere på at skabe kompetencer inden for promptteknik for at kunne anvende de store AI-modeller effektivt, mens I samtidig arbejder for at sikre, at jeres virksomhedssystemer er tilstrækkeligt moderne og agile til at kunne inkorporere fremskridt inden for AI-området.

Efterhånden som teknologien udvikler sig, er det vigtigt, at du kritisk kan vurdere tredjepartsapps og udforske skræddersyede løsninger, der tilbyder konkurrencemæssig differentiering og adresserer netop din virksomheds unikke forretningsudfordringer.

Helt overordnet: modernisering, differentiering og træning. Den hurtige udvikling inden for generativ AI kræver et skarpt strategisk fokus for at undgå spild af tid, energi og budgetter i din virksomhed. Det er derfor vigtigt at have en kritisk tilgang til implementeringen for at kunne indfri potentialet af AI uden at blive bragt på vildspor eller blive forvirret af al hypen om teknologien. Det vil også sikre, at teknologien på sigt bliver meningsfyldt og effektivt integreret i forretningens processer og praksisser.

Når vi hjælper med at digitalisere og automatisere supportfunktionerne, gør vi en dyd ud af at sammen­sætte de applikationer og værktøjer, der møder netop dit behov. På en måde, så løsningen under­støtter data, processer og de mennesker, der knokler bag linjerne.