Hej Simon och Ali, är ni en av dessa ”popup-byråer?
– Nej, vi är inte en ”popup-byrå”. Vi grundade vår byrå med långsiktig vision och djup erfarenhet inom AI och NLP. Vi fokuserar på kvalitet och hållbarhet, och strävar efter att skapa långsiktiga relationer med våra kunder genom skräddarsydda lösningar. Som specialiserad konsultfirma är vi också oberoende av externa finansiärer som kan jaga kortsiktiga trender. Vi är här för att stanna och driva AI-utvecklingen framåt med genuint användbara lösningar.
Kan du berätta vad NLP är i detta sammanhang?
– NLP står för Natural Language Processing och är en gren inom AI som handlar om att förstå och generera mänskligt språk. Det innebär att man använder statistiska modeller och maskininlärning för att få datorer att ”förstå” och skapa språk. Eftersom mycket av vår kommunikation sker via tal och text, är NLP ett viktigt område inom AI.
Tänk på när du pratar med en chatbot som ChatGPT – detta är ett exempel på NLP. Techbolag som Google och OpenAI jobbar också med avancerade modeller som kan förstå både text, bild och video, och kombinera dessa för att resonera på ett sätt som är naturligt för oss människor. Språket är en kraftfull och praktisk bro mellan människor och datorer, och det används för att representera allt från kausalitet till planering och beslutsfattande. Vi märker ofta själva hur vi tänker och planerar i ord – språket har redan en inbyggd struktur som gör det perfekt för både mänsklig och artificiell intelligens att använda. Det är också det som gör det så spännande att jobba vidare med!
Alla inser nog att man måste ta till sig AI precis som andra verktyg som förenklar och effektiviserar arbetet, men vart börjar man?
– Inom generativ AI är ett bra sätt att börja att titta på hur mycket tid anställda lägger på att söka information internt per vecka. Nu för tiden finns det kraftulla verktyg för att kunna “prata” även med ostrukturerad data från PDFer, slides och andra källor som Notion, Microsoft Teams och liknande som man kan koppla upp i ett AI-system. Det vi ser är att om man arbetar med duktiga experter som byggt konversationella AI-system flera gånger innan, så kan man ofta komma ned i en paybacktid på några veckor. För ett exempelföretag med 500 anställda där man sparar 1 timme i veckan per anställd med AI kan detta leda till besparingar i storleksordningen 10 miljoner / år. Detta är relativt blygsamt räknat och det finns exempel som Klarna som menar att de sparar 700 anställdas löner i kundtjänst per år med AI. Enligt vår erfarenhet fungerar dock inte generiska SaaS-lösningar särskilt bra för detta, även om de ofta kan ha flashiga demos, utan man behöver ofta bygga anpassade lösningar som fungerar bra för varje specifik kunds data och behov.
Utöver detta exempel kan man också fråga sig om man har andra repetitiva sysslor som en hyfsat smart AI skulle kunna hjälpa till att automatisera delar av. Ofta rör det sig om olika typer av interaktioner och/eller kunskapsinhämtning, t ex kundkontakt, omvärldsbevakning, projektplanering, journalföring osv.
Hur kom ni in på detta område?
– Både jag och Ali har alltid varit fascinerade av AI och hur den mänskliga hjärnan fungerar. Språk är en av våra främsta kommunikationsmedel, och vi såg både stora möjligheter och spännande utmaningar inom konversationell AI. Efter att ha arbetat med olika typer av AI-projekt insåg vi att just detta område var extra spännande och värdefullt att specialisera sig på, särskilt med alla de senaste framstegen som gjort verktygen ännu mer kraftfulla.
Vad skiljer konversationell AI mot annat?
– När vi pratar om konversationell AI menar vi verktyg där språkmodeller är centrala, men där användargränssnittet gör att man kan ”prata” med AIn på ett naturligt sätt, antingen genom att chatta eller använda rösten. Sådana projekt innebär ofta att man gör olika typer av integrationer och kör pipelines för att strukturera upp data som annars hade varit ostrukturerad och svåråtkomlig.
Ett exempel är ett projekt vi gjorde för EQT, där vi skapade en assistent som svarar på komplexa frågor från investerare. För att möjliggöra detta behövdes en avancerad pipeline som läste in rapporter t ex PDFer och slides med hjälp av neurala nätverk som förstod sidornas struktur, inklusive tabeller och grafer. Denna data indexerades sedan smart så att AI-assistenten enkelt kunde ”slå upp” rätt information för varje pågående konversation med en investerare.
Ligger Sverige bra till när det gäller att ta till sig AI?
– Nej, tyvärr inte. Flera studier visar att Sverige halkar efter inom AI. Trots att många går på konferenser och diskuterar AI flitigt, är svenska företag ofta försiktiga när det gäller att faktiskt implementera tekniken. AI är ett kraftfullt verktyg med stor potential, och även om det är viktigt att hantera riskerna, är det också skadligt om Sverige ständigt hamnar på efterkälken genom att vara överdrivet försiktiga. Risken är att vi förlorar konkurrenskraft och blir ekonomiskt svagare om vi inte vågar satsa på AI.
Vilka är fallgroparna när man börjar arbetet med att använda AI?
– En risk är om man blir för naiv när man bygger AI-systemen och tror att de ska kunna lösa allt möjligt. Man behöver jobba ordentligt med att testa olika scenarion, och ha ordentliga “guardrails” för att begränsa konversationella AI-system så att de inte gör olämpliga saker i produktion. En trend vi ser är att många tar enkla färdiga kodexempel online och försöker köra dem, och man kan komma en bit på vägen eftersom verktygen är relativt kraftfulla, men efter det behöver man ofta ta in folk med mer erfarenhet för att komma hela vägen till ett system som är robust nog för produktion.
Guardrails? Här får du gärna förklara.
– Om man kör en språkbaserad AI i produktion och ger den obegränsad tillgång till exempelvis en databas eller terminal, kan en användare potentiellt hacka modellen och lura den att göra något olämpligt, som att läcka hemlig information eller förstöra databasen. AIn får vanligtvis instruktioner som “Du är en hjälpsam AI-assistent, ditt mål är att…”, men en användare kan lura AIn att utföra andra uppgifter genom att skicka nya instruktioner och därmed ta över modellen.
För att förhindra detta bör man begränsa vad AIn har tillgång till att göra, till exempel genom att endast låta den kalla på ett begränsat API eller särskilda fördefinierade funktioner. Dessutom kan man införa sanity checks både innan ny text går in i modellen och efter att den genererat ett svar, för att säkerställa att inget olämpligt skickas till användaren. Det är också viktigt att övervaka och justera AIn kontinuerligt för att säkerställa att den fungerar korrekt och säkert.
Simon och Alis 5 bästa tips för företagens arbete med AI:
- Identifiera specifika problem: Fokusera på konkreta problem där AI kan skapa mest värde.
- Börja med pilotprojekt: Starta med mindre projekt för att snabbt lära och iterera.
- Testa och validera: Testa AI-lösningar noggrant med ”guardrails” innan storskalig implementering.
- Använd rätt expertis: Ta in erfarna AI-experter och undvik breda konsultfirmor och självutnämnda experter som saknar faktisk specialistkompetens inom konversationell AI,
- Utbilda och engagera personalen: Utbilda och engagera personalen för att de ska förstå och dra nytta av AI-verktygen.
Är ni intresserade av en orientering av vilka möjligheter som finns, boka in Simon & Ali på en presentation! jens@enkl.se 0731-822926
