Bring kunstig intelligens ned i øjenhøjde

En del projekter baseret på kunstig intelligens er kommet skævt fra start, fordi ambitionerne har været for store. Men potentialet for forretningsmæssig gevinst er væsentlig større end med nogen anden teknologi.
Henriette Dragø
Deloitte

Debatten om kunstig intelligens er ofte skævvredet. Det mener Michael Theill, der er partner i Deloitte og ansvarlig for automatisering i den offentlige sektor.

”Nogle opfatter kunstig intelligens som science fiction og beskæftiger sig derfor udelukkende med, hvad kunstig intelligens vil kunne 10-15 år ude i fremtiden. Andre opfatter kunstig intelligens som en simpel gimmick, for eksempel når maskiner kan gætte folks alder ud fra deres ansigt. Begge opfattelser risikerer at fjerne fokus fra det faktum, at det allerede i dag er muligt at bruge kunstig intelligens i en lang række sammenhænge, som giver meget konkret forretningsmæssig værdi, og som ofte kan implementeres på 3-6 måneder,” siger Michael Theill, partner i Deloitte.

Deloitte sætter i en artikel i Harvard Business Review fra februar 2018 fokus på problematikkerne omkring kunstig intelligens. En vigtig pointe er her, at mange projekter starter som meget ambitiøse månelandingsprojekter, men sættes på hold, fordi budgetrammen sprænges og resultaterne udebliver.

”Som med alle andre teknologier lyder vores anbefaling, at virksomheder, private såvel som offentlige, tager små skridt ad gangen og får kunstig intelligens ned i øjenhøjde. Det kan lyde banalt, men ikke desto mindre har en række virksomheder brændt sig alene af den grund, at de er blevet forført af hypen,” siger Michael Theill.

Tre typer af kunstig intelligens
For at skabe overblik over, hvilke typer teknologier inden for kunstig intelligens der anvendes til forskellige opgaver opgaver, har Deloitte analyseret godt 150 vellykkede AI-projekter (artificial intelligence) verden rundt. De kan inddeles i tre grupper.

”De tre typer af kunstig intelligens er en nyttig opdeling, også for offentlige myndigheder. Opdelingen giver et klart billede af, hvilke opgaver de løser,” siger Michael Theill.

Den første og mest anvendte er procesautomatisering, som tillader offentlige myndigheder at komme hurtigst i gang med kunstig intelligens. Blandt andet fordi nogle af teknologierne er relativt simple, som for eksempel softwarerobotter (RPA). Men også mere avancerede teknologier som machine learning-algoritmer har vist store potentialer i forhold til at kunne automatisere mere komplekse processer. For eksempel har Deloitte med succes anvendt tekstanalysealgoritmer i sagsbehandlingsprocesser i både den offentlige og den finansielle sektor.

FAKTA: Tre typer kunstig intelligens

Procesautomatisering: Robotter automatiserer såvel digitale som fysiske processer, eksempelvis økonomiadministration og sagsbehandling. Robotter er den billigste af de kognitive teknologier og den nemmeste at implementere. (Anvendes i 46 % af projekterne)

Kognitiv indsigt: Machine Learning løser komplekse analytiske opgaver som eksempelvis risikoscoring og udsøgning af virksomheder og borgere til kontrol. Projekter baseret på kognitiv indsigt adskiller sig fra traditionel analytics ved at være langt mere dataintensive. Datamodellerne er trænet i at se mønstre og bliver bedre til at forudsige over tid. Kognitiv indsigt øger kvaliteten i opgaveløsning, som kun maskiner kan. Derfor er de ikke en trussel mod medarbejdere, men tværtimod beslutningsunderstøttende. (Anvendes i 37% af projekterne)

Kognitiv kundedialog: Machine Learning, intelligent agents og natural language processing chatbots kan håndtere dialog med og svar på henvendelser fra borgere og dermed tilbyde 24/7 borgerservice. (Anvendes i 16 procent af projekterne)

Den næste type er kognitiv indsigt, som anvendes i godt en tredjedel af de vellykkede AI-projekter. Teknologien anvendes til at identificere mønstre i store mængder af både strukturerede og ustrukturerede data. Derfor har den kæmpe potentiale i forhold til eksempelvis kontrol- og tilsynsopgaver og ved kontrol af udbetalinger.

”Det er analytics på steroider. Machine learning-algoritmerne arbejder vanvittigt hurtigt og stabilt. Dette er et område, hvor teknologierne er langt fremme. Det kræver adgang til relativt mange og gode data, og derfor kan disse projekter nogle gange tage tid, fordi grundlaget skal være på plads. Men når først data er klar, viser resultaterne sig imponerende hurtigt,” siger Michael Theill.

Den sidste type – kognitiv kundedialog – er nyeste skud på stammen inden for kunstig intelligens. I hvert fald hvis vi taler om dynamisk og intelligent dialog. 16 procent af de undersøgte AI-projekter falder ind under denne kategori.

”For offentlige myndigheder har en stor barriere indtil nu været, at ingen modne teknologier har kunnet det danske sprog. Men den barriere er vi i vidt omfang ovre nu. For eksempel arbejder vi med en meget perspektivrig chatbot-teknologi, som kan kommunikere på dansk, og som har vist sig meget robust i forhold til at kunne forstå borgernes spørgsmål uanset stavefejl, mærkelig syntaks eller lignende. Chatbots er derfor oplagte at overveje i kundeservice eller interne servicefunktioner til at øge service og til at håndtere de ofte mere simple henvendelser, så medarbejderne kan koncentrere sig om de mere komplicerede dialoger,” siger Michael Theill.

Sådan kommer det offentlige i gang
For langt de fleste offentlige myndigheder gælder, at de har svært ved at følge med opgavevolumen og serviceforventninger. Derfor er dagsordenen for disse teknologier at hjælpe den offentlige sektor ud af sin klemme – ikke at skære medarbejdere væk.

”Med procesautomatisering og de mere avancerede teknologier inden for kunstig intelligens som for eksempel machine learning-algoritmer vil gevinsterne med kunstig intelligens vise sig i form af hurtigere og bedre beslutninger. Teknologierne gør også organisationen mindre sårbar over for knappe ekspertressourcer, som kan aflastes gennem brug af teknologierne,” siger Michael Theill.

”Vil man have succes med kunstig intelligens, bør man afprøve teknologierne i forhold til specifikke opgaver i stedet for at transformere samtlige processer på én gang. Derudover skal man selvfølgelig have et klart billede af, hvilke gevinster man går efter og hvorfor. Det er helt essentielt for at finde frem til de teknologier, der giver størst forretningsmæssig værdi. Man skal forberede sin organisation ligesom i alle andre forandringstiltag, men ofte er der ekstra brug for kommunikation med medarbejderne, når det handler om robotter og kunstig intelligens. Og så skal man naturligvis gøre sig klart, hvad det kræver både kompetencemæssigt, teknologisk, driftsmæssigt og ledelsesmæssigt at indføre teknologierne,” siger han.

Tager man et kig på de enkelte teknologier, kan man konkludere, at RPA-teknologierne (robotterne) i vidt omfang har bevist deres modenhed. Her handler det om at være kritisk i sit valg af de rigtige processer og ikke mindst sørge for et skalerbart set-up, så man kan håndtere flere robotter på en driftssikker måde.

I forhold til machine learning handler det om at stifte bekendtskab med teknologierne og blive fortrolig med, hvad der er muligt. For eksempel gennem proof-of-concept eller proof-of-technology-forløb. Samtidig bør man forholde sig systematisk til, hvor det kan være relevant at anvende machine learning, hvad man vil have ud af det, og hvilke teknologi- og kompetencemæssige forudsætninger det kræver at håndtere data og de analytiske værktøjer.

Hvad angår chatbots, skal man gå efter henvendelser fra eksempelvis borgere med størst volumen og mest ensartethed og simplicitet. Håndterer man i dag henvendelser af den type, er det sandsynligt at chatbot-teknologi er relevant at anvende.

FAKTA: “Artificial Intelligence for the Real World”

I artiklen ”Artifical Intelligence for the Real World” bragt i Harvard Business Review i februar 2018 præsenterer Deloitte resultaterne af en analyse gennemført blandt 250 virksomhedsledere og 152 vellykkede AI-projekter verden rundt (2017 Deloitte state of cognitive survey). Virksomhederne har opnået store resultater med de mindre ambitiøse AI-projekter, som er inddelt i tre kategorier: Procesautomatisering, kognitiv indsigt og kognitiv kundedialog. Artiklen opsummerer, hvilken tilgang disse virksomheder har valgt, hvilke udfordringer, de er stødt på undervejs, og hvilke forretningsgevinster, de har opnået.