Som det er med introduktion af al ny teknologi, opstår der uundgåeligt en række barrierer, der skal overvindes, når I skal rigtigt i gang med AI i kernen af jeres forretningsprocesser. Her er tre af de mest udbredte og betydelige barrierer, som I som virksomheder skal være i stand til at navigere i for at opnå succes med AI: 

1. Kognitiv forståelse af AI's langsigtede potentiale
2. Utilstrækkelig dataadgang og -kvalitet
3. Mangel på best-practice  

Med udgangspunkt i de tre barrierer

Tænk AI længere ind i fremtiden
Når det kommer til kognitiv forståelse, overvurderer mange virksomheder ofte deres egen viden om AI. Det fører til en blind tillid til den umiddelbare virkning af de AI-værktøjer vi har kendskab til i dag, mens de undervurderer de mere komplekse og langsigtede muligheder, AI kan tilbyde. Manglen på en dybere forståelse af deres egne muligheder på sigt, kan begrænse virksomhedernes evne til at tænke strategisk og undlade at integrere AI i kerneprocesserne, hvor der er mulighed for en reel transformation af virksomhedens forretningsmodel og værdiskabelse.

De fleste virksomheder har begrænset indsigt og erfaring, når de starter den strategiske AI-diskussion og kan derfor godt have problemer med at sætte klare ambitioner, definere ejerskab og etablere den nødvendige governance for deres AI aktiviteter. AI-hjørnesten som data og teknologi bliver ofte ikke løftet op på rette diskussionsniveau, hvilket er et stort problem, da grundlæggende forudsætninger ikke bliver vurderet korrekt inden aktiviteterne, bliver sat i gang. 

Det rigtige databehov til den rigtige AI-model
Behovet for adgang og kvalitet af data kan variere meget afhængigt af den specifikke AI-teknologi, der afprøves, men det vil med stor sandsynlighed være en fordel at have rigelige mængder data, som I i forvejen har et godt kendskab til, og kan tilsikre at kvaliteten er høj.

Med udgangspunkt i de fire AI teknologier maskinlæring (ML), naturlig sprogbehandling (NLP), computer vision og generativ AI, kommer her en gennemgang af de barrierer der vedrører dataadgang og –kvalitet:  

For maskinlæring (ML), dvs. maskinernes evne til at identificere og fortolke mønstre, omfatter almindelige barrierer adgang til data, datakvalitet, størrelsen på datasæt og hvordan data er struktureret.  

I tilfældet med computer vision, som involverer maskiner, der fortolker billeder og video, er de største udfordringer typisk relateret til forretningsværdi. Computervisionsteknologi er relativ moden, og den primære forhindring ligger, som med ML, i at have tilstrækkelige mængder af taggede data af høj nok kvalitet til at træne og teste algoritmer. 

Natural Language Processing (NLP) gør det muligt for computere at forstå, fortolke og generere menneskeligt sprog. NLP er en teknologi, der er blevet brugt i årevis i applikationer som chatbots, oversættelse, talegenkendelse, tekstopsummering og informationsudtræk. Arbejdet med NLP forbliver komplekst, fordi sproget konstant udvikler sig og samtidigt skaber mulighed for fortolkning. NLP-modeller skal derfor løbende trænes og fodres med nye datasæt for at undgå AI-indavl.  

Generativ AI kan skabe kunstig tekst, billede, video og lyd – har allerede vist potentiale for betydelig forretningsværdi på tværs af flere applikationsområder. Som med de øvrige AI-teknologier afhænger succesen her i høj grad af adgang til kvalitetssikrede data, hvor korrekt kategorisering og metatagging er afgørende. I arbejdet med gen AI oplever mange virksomheder problemer med datakvalitet og adgangsstyring, der bliver flaskehalse for virksomhedernes egne løsninger. 

Vi har ikke prøvet det før
Manglen på etableret best-practice for skalering af AI-projekter er den tredje og sidste store barriere. AI-teknologi kan implementeres i den forkerte kontekst eller, selv når den korrigeres, udføres ineffektivt. Adgang til erfaring er afgørende for en vellykket implementering. Det er derfor enormt vigtigt, løbende, at opbygge viden om, hvordan man udnytter det enorme potentiale, som kunstig intelligens har, men også at opbygge og dokumentere de best-practice’s I selv skaber.  

Som med enhver transformativ forandring er jeres vilje og evne til forandring afgørende. AI-adoption vil hurtigt afsløre hvor og hvem i virksomheden der har de rette kompetencer og mindset til at gribe de nye muligheder.